【技术实现步骤摘要】
本专利技术属于数据预处理，具体涉及一种发电领域时序数据清洗方法、系统、介质及设备。
技术介绍
1、随着发电领域数字化的飞速发展，时序数据分析应用在发电领域具备了客观基础。数据集作为数据分析的基础，直接决定了数据分析的准确性和有效性，然而受电力设备故障、信息传输中断和异常信号干扰等因素影响，采集到的时序数据会出现一定的异常值和缺失值。缺失或失真的时序数据会造成数据的统计特征和分布特征发生变化，使数据的可信区间增大、置信度降低，导致后期针对发电时序数据的分析应用精准度存在偏差，因此需要对发电领域时序数据进行清洗，补全缺失数据，为后续的数据分析应用提供基础。
2、大数据时代，数据质量成为关键因素，而在工业领域的检测数据中，大部分是时序数据，因此对时序数据的高效管理是提高各领域生产效率的关键。时序数据的管理中，需要对时序数据进行清洗，以确保数据分析的准确性和决策有效性。目前对时序数据进行清洗的方式通常是通过单一清洗策略进行清洗。然而，由于时序数据的类型众多，通过单一清洗策略的清洗方式，会导致时序数据的清洗的适用度降低。
...
【技术保护点】
1.一种发电领域时序数据清洗方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的发电领域时序数据清洗方法，其特征在于，时序数据集的特征向量Feature具体为：
3.根据权利要求1所述的发电领域时序数据清洗方法，其特征在于，使用孤立森林算法进行异常值检测并将异常值标记为缺失值。
4.根据权利要求3所述的发电领域时序数据清洗方法，其特征在于，异常值检测具体为：
5.根据权利要求4所述的发电领域时序数据清洗方法，其特征在于，异常数据分数s(x，ψ)计算如下：
6.根据权利要求1所述的发电领域时序数据清洗方法...
【技术特征摘要】
1.一种发电领域时序数据清洗方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的发电领域时序数据清洗方法，其特征在于，时序数据集的特征向量feature具体为：
3.根据权利要求1所述的发电领域时序数据清洗方法，其特征在于，使用孤立森林算法进行异常值检测并将异常值标记为缺失值。
4.根据权利要求3所述的发电领域时序数据清洗方法，其特征在于，异常值检测具体为：
5.根据权利要求4所述的发电领域时序数据清洗方法，其特征在于，异常数据分数s(x，ψ)计算如下：
<...【专利技术属性】
技术研发人员：邓楷文，王毅，庞武华，王智微，陈丰，肖勇，
申请(专利权)人：西安热工研究院有限公司，
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。