System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于配电网数据处理,尤其涉及一种基于融合的配电网异常数据纠错方法及系统。
技术介绍
1、随着电网及电气测量技术的发展,目前的电压监测点和负荷监测点采集电流电压的装置在配电网中安装使用也越来越普遍,多业务系统采集的数据量急剧增加,电力系统中积累的数据量现已呈现爆炸性增长态势。与此同时,在获取到的海量电网数据中,数据质量较低,存在较多的存在冗余和偏差现象,给电网公司线损分析工作带来了很大的困难。传统的配电网异常数据辨识与纠错方法已不能适应如今海量的电网数据。
2、在配电网异常数据辨识方面,常用的方法是功率与电量对比分析法,通过计算功率积分与电量的偏差率,当偏差率大于阈值,即认为配电网存在异常数据。然而这一辨识方法的评价指标过于单一,且精度有限,并不能全面反映配电网数据的真实水平。
3、在配电网异常数据纠错方面,常采用均值分析法、线性插值法等来对配电网异常数据进行纠错,然而上述方法仅适用于数据量较少的情况,对于配电网中的海量数据,上述方法的纠错结果并不能很好的匹配数据。
技术实现思路
1、本专利技术提供一种基于融合的配电网异常数据纠错方法及系统,用于解决现有方法适用于数据量较少的情况,对于配电网中的海量数据无法很好匹配的技术问题。
2、第一方面,本专利技术提供一种基于融合的配电网异常数据纠错方法,包括:
3、采集配电网数据,所述配电网数据包括目标日电量数据序列,功率数据序列以及变压器容量数据;
4、判断所述配电网数据中
5、若所述配电网数据中存在第一功率异常数据,则统计所述功率数据序列中异常功率数据的个数,计算目标日异常功率产生总电量,并根据所述目标日异常功率产生总电量计算目标日异常功率平均值,用所述目标日异常功率平均值替换所述功率数据序列中所有的异常功率数据,其中,所述第一功率异常数据为功率数据序列中异常功率数据个数小于预设阈值时的各个异常功率数据;
6、若所述配电网数据中存在第二功率异常数据,则获取所述功率数据序列中各个异常功率数据的位置,并根据各个异常功率数据的位置将所述功率数据序列划分为正常功率数据子序列以及异常功率数据子序列,其中,所述第二功率异常数据为功率数据序列中异常功率数据个数不小于预设阈值的各个异常功率数据;
7、将所述正常功率数据子序列输入至预设的lstm神经网络中对lstm神经网络进行训练,得到第一目标lstm模型;
8、将所述异常功率数据子序列中与某一异常功率数据关联的至少一个正常功率数据输入至所述第一目标lstm模型中,得到预测功率数据,并将所述预测功率数据替换所述某一异常功率数据,其中,至少一个正常功率数据为所述正常功率数据子序列中且时间节点为所述某一异常功率数据之前的连续五个正常功率数据。
9、第二方面,本专利技术提供一种基于融合的配电网异常数据纠错系统,包括:
10、采集模块,配置为采集配电网数据,所述配电网数据包括目标日电量数据序列,功率数据序列以及变压器容量数据;
11、判断模块,配置为判断所述配电网数据中是否存在异常数据,所述异常数据包括第一功率异常数据、第二功率异常数据以及电量数据异常数据;
12、第一替换模块,配置为若所述配电网数据中存在第一功率异常数据,则统计所述功率数据序列中异常功率数据的个数,计算目标日异常功率产生总电量,并根据所述目标日异常功率产生总电量计算目标日异常功率平均值,用所述目标日异常功率平均值替换所述功率数据序列中所有的异常功率数据,其中,所述第一功率异常数据为功率数据序列中异常功率数据个数小于预设阈值时的各个异常功率数据;
13、划分模块,配置为若所述配电网数据中存在第二功率异常数据,则获取所述功率数据序列中各个异常功率数据的位置,并根据各个异常功率数据的位置将所述功率数据序列划分为正常功率数据子序列以及异常功率数据子序列,其中,所述第二功率异常数据为功率数据序列中异常功率数据个数不小于预设阈值的各个异常功率数据;
14、训练模块,配置为将所述正常功率数据子序列输入至预设的lstm神经网络中对lstm神经网络进行训练,得到第一目标lstm模型;
15、第二替换模块,配置为将所述异常功率数据子序列中与某一异常功率数据关联的至少一个正常功率数据输入至所述第一目标lstm模型中,得到预测功率数据,并将所述预测功率数据替换所述某一异常功率数据,其中,至少一个正常功率数据为所述正常功率数据子序列中且时间节点为所述某一异常功率数据之前的连续五个正常功率数据。
16、第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例的基于融合的配电网异常数据纠错方法的步骤。
17、第四方面,本专利技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述程序指令被处理器执行时,使所述处理器执行本专利技术任一实施例的基于融合的配电网异常数据纠错方法的步骤。
18、本申请的基于融合的配电网异常数据纠错方法及系统,采集配电网数据,并判断配电网数据中是否存在异常数据,异常数据包括第一功率异常数据、第二功率异常数据以及电量数据异常数据,对比传统的容量与电量匹配分析法,考虑的因素以及评价指标更加全面,且辨识精度更高,能更加准确地反映配电网数据的水平;而且在配电网数据中存在第一功率异常数据时,采用目标日异常功率平均值替换功率数据序列中所有的异常功率数据,在配电网数据中存在第二功率异常数据,采用lstm 模型得到的预测功率数据替换某一异常功率数据,实现了有选择地针对不同的数据采用不同地纠错方式,得到了更加准确,更加有说服力地纠错结果。
本文档来自技高网...【技术保护点】
1.一种基于融合的配电网异常数据纠错方法,其特征在于,包括:
2.根据权利要求1所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述判断所述配电网数据中是否存在异常数据包括:
3.根据权利要求2所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述基于功率积分结果与目标日电量偏差率大于指定阈值判断所述配电网数据中是否存在异常数据包括:
4.根据权利要求2所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述基于容量按照功率因数为0.9计算的日电量,目标日电量大于基于容量计算的日电量判断所述配电网数据中是否存在异常数据包括:
5.根据权利要求2所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述基于利用箱线图直接对目标日电量数据进行异常检测判断所述配电网数据中是否存在异常数据包括:
6.根据权利要求1所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述LSTM神经网络共有五层,第一层是第一LSTM层,设置了100个神经元;第二层是Dropout层,参数设置为0.4;第三层是第二LSTM层
7.根据权利要求1所述的一种基于融合的配电网异常数据纠错方法,其特征在于,在判断所述配电网数据是否异常之后,所述方法还包括:
8.一种基于融合的配电网异常数据纠错系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种基于融合的配电网异常数据纠错方法,其特征在于,包括:
2.根据权利要求1所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述判断所述配电网数据中是否存在异常数据包括:
3.根据权利要求2所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述基于功率积分结果与目标日电量偏差率大于指定阈值判断所述配电网数据中是否存在异常数据包括:
4.根据权利要求2所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述基于容量按照功率因数为0.9计算的日电量,目标日电量大于基于容量计算的日电量判断所述配电网数据中是否存在异常数据包括:
5.根据权利要求2所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所述基于利用箱线图直接对目标日电量数据进行异常检测判断所述配电网数据中是否存在异常数据包括:
6.根据权利要求1所述的一种基于融合的配电网异常数据纠错方法,其特征在于,所...
【专利技术属性】
技术研发人员:饶臻,李睿,何伟,李佳,李升健,熊俊杰,曾伟,刘杰,胡德来,邵笑,
申请(专利权)人:国网江西省电力有限公司电力科学研究院,
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。