【技术实现步骤摘要】
本专利技术属于电力设备状态监测领域，特别涉及一种基于时间序列的数据清洗方法及相关装置。
技术介绍
1、在电力设备状态监测领域中，由于电力设备的状态信息存在多源性、信息异构性、数据冗余性等特点，其气体绝缘开关设备(gas insulated switchgear,gis)局部放电特高频(ultra high frequency,uhf)数据往往含噪且存在缺失，因此原始监测参量的数据不能直接用于诊断，而应先进行数据清洗。数据清洗是电力设备状态评估数据预处理的一个关键步骤，有助于提高数据质量、数据利用率和处理效率。
2、现有的数据清洗方法主要有以下几种：采用对电压降相间-时间差分的规则，应用基于密度的聚类及异号剔除原则对变压器运行数据做降噪处理；通过融合相似用户聚类和奇异值阈值理论的在线数据清洗框架和方法对电力营销大数据做在线清洗；应用聚类对参数相关性进行简化，利用简化后的数据训练时间循环网络模型，实现对数据的清洗。这些方法基于统计聚类，需要手动设置阈值并手动选取参数，由此会带来极大的不便和主观性。
技术实现思路
1、针对现有技术中的不足，本申请的目的在于提出一种基于时间序列的数据清洗方法及相关装置，通过消噪、异常帧检测、缺失值填充来提高数据质量，完成gis局部放电uhf信号的数据清洗工作。该方法具有鲁棒性高、不需手动操作、计算复杂度较低等优点，具有较高的工程价值。
2、为实现此目的，本专利技术所设计的一种基于时间序列的数据清洗系统，包括输入模块、清洗模块和输出模
3、一种基于时间序列的数据清洗方法，包括如下步骤：输入待清洗数据，基于改进小波变换和改进变分模态分解的混合方法对所述待清洗数据进行清洗，输出清洗后的数据。
4、一种电子设备，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行一种基于时间序列的数据清洗方法。
5、一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现一种基于时间序列的数据清洗方法的步骤。
6、本专利技术的有益效果为：
7、1、采用改进小波变换与改进变分模态分解混合去噪的方法，与传统的线性滤波方法去早相比具有以下几个优点：
8、(1)通过变分模态分解，将信号在分解后的频带范围内去噪，可以更精细地去除每个频带范围内的噪声，去噪后的信号信噪比更高；
9、(2)由于小波去噪的多分辨率特性，小波去噪方法对于信号的细节可以更好地刻画出来，有利于保留信号的细节。
10、(3)小波基的多样性提供了小波去燥的多种选择，可以根据信号特征选择最合适的小波基。
11、2、去噪过程中对帧进行操作，而不是对信号直接进行操作，可以保留数据更多的细节。
12、3、本专利中堆栈降噪自编码器对信号的每帧进行操作，而不是对信号进行直接操作，这样使本方法拥有更高的鲁棒性和准确性
13、4、在异常帧剔除和缺失点填补中对帧进行剔除，并用已有帧中置信率较高的帧对缺失点进行填补，使经过本方法数据清洗后的数据更具有一致性。
14、5、本方法对小波信号的阈值进行了改进，考虑了信号的信噪比和噪声方差，能够更有效的去除噪声。
15、6、本方法对变分模态分解的流程进行了改进，通过在不同尺度下做变分模态分解，可以在去噪过程中保留更多细节。
16、7、本方法计算复杂度小，运算简单快速。
17、8、本方法为一种自适应方法，不需要手动设定参数。
本文档来自技高网...【技术保护点】
1.一种基于时间序列的数据清洗系统，其特征在于：包括输入模块(1)、清洗模块(2)和输出模块(3)，所述输入模块(1)用于输入待清洗数据，所述清洗模块(2)基于改进小波变换和改进变分模态分解的混合方法对所述输入模块(1)输入的待清洗数据进行清洗，获得清洗后的数据，并将所述清洗后的数据传输至所述输出模块(3)，所述输出模块(3)用于输出所述清洗后的数据。
2.基于权利要求1所述的一种基于时间序列的数据清洗系统，其特征在于：所述清洗模块(2)还包含计算模块(21)、查看模块(22)和反馈模块(23)，所述计算模块(21)用于对待清洗数据进行清洗计算，所述查看模块(22)用于实时查看对于待清洗数据的清洗计算结果，所述反馈模块(23)用于反馈对于待清洗数据的清洗计算运行日志信息。
3.基于权利要求2所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的清洗计算步骤为：
4.基于权利要求3所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的步骤2中的数据预处理采用三次样条插值的方式对缺失值进行填写。
5.
6.基于权利要求3所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的步骤4中的数据去噪的步骤为：
7.基于权利要求6所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的步骤44中的小波基函数选择db系列小波基；
8.基于权利要求3所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的步骤5中的堆栈降噪自编码器的模型网络采用梯度算法原则对其关键参数进行训练学习；
9.一种利用权利要求1所述系统的基于时间序列的数据清洗方法，其特征在于：包括以下步骤：
10.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求9所述的一种基于时间序列的数据清洗方法。
11.一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求9所述方法的步骤。
...【技术特征摘要】
1.一种基于时间序列的数据清洗系统，其特征在于：包括输入模块(1)、清洗模块(2)和输出模块(3)，所述输入模块(1)用于输入待清洗数据，所述清洗模块(2)基于改进小波变换和改进变分模态分解的混合方法对所述输入模块(1)输入的待清洗数据进行清洗，获得清洗后的数据，并将所述清洗后的数据传输至所述输出模块(3)，所述输出模块(3)用于输出所述清洗后的数据。
2.基于权利要求1所述的一种基于时间序列的数据清洗系统，其特征在于：所述清洗模块(2)还包含计算模块(21)、查看模块(22)和反馈模块(23)，所述计算模块(21)用于对待清洗数据进行清洗计算，所述查看模块(22)用于实时查看对于待清洗数据的清洗计算结果，所述反馈模块(23)用于反馈对于待清洗数据的清洗计算运行日志信息。
3.基于权利要求2所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的清洗计算步骤为：
4.基于权利要求3所述的一种基于时间序列的数据清洗系统，其特征在于：所述计算模块(21)的步骤2中的数据预处理采用三次样条插值的方式对缺失值进行填写。
5.基于权利要求3所述的一种基于时间...
【专利技术属性】
技术研发人员：罗传仙，张静，杨祎，徐惠，程林，陈浩，陈佳，刘萌，江翼，辜超，刘正阳，赵淳，王海涛，
申请(专利权)人：国网电力科学研究院武汉南瑞有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。