[发明专利]基于大数据的电网调度自动化系统的数据质量评估方法

权利要求书

1.一种基于大数据的电网调度自动化系统的数据质量评估方法，包括以下步骤：

步骤一：获取调度系统的的数据，将获取的数据根据设备的进行分类，每个设备的数据构建成样本空间X；

步骤二：根据步骤一中建立的样本空间X，对样本空间X中的所有样本点p进行KNN算法进行分类，输出样本空间中可能为离群点的样本；

步骤三：根据步骤一中建立的样本空间X，对样本空间X中的所有样本点p进行局部离群因子算法LOF算法，输出样本空间X中可能为离群点的样本；

步骤四：根据步骤一中建立的样本空间X，对样本空间X中的样本通过INFLO算法，输出样本空间X中可能为离群点的样本；

步骤五：将步骤二到步骤四的结果进行比较，如果三次结果中相同的样本出现的次数大于等于两次，则该样本即为异常点；

步骤六：输出异常点的数据。

2.根据权利要求1所述的一种基于大数据的电网调度自动化系统的数据质量评估方法，其特征在于：步骤二中辨别离群点为：通过计算样本间距离来作为各个对象之间的非相似性指标；所述距离为欧氏距离或曼哈顿距离。

3.根据权利要求1所述的一种基于大数据的电网调度自动化系统的数据质量评估方法，其特征在于：所述步骤三中辨别离群点的过程为：首先计算每个样本点p与其他对象之间的欧几里得距离，对欧几里得距离进行排序后，计算每个样本点p的第k距离以及第k邻域；而后计算每个样本点p的可达密度；最后计算局部离群因子；其中如果点p的局部离群因子趋近于1，说明p的邻域点密度相近，p可能与邻域同属一簇；如果局部离群因子越小于1，说明p的密度高于其邻域点密度，p为密集点；如果局部离群因子越大于1，说明p的密度小于其邻域点密度，p越可能是异常点。

4.根据权利要求1所述的一种基于大数据的电网调度自动化系统的数据质量评估方法，其特征在于：所述步骤三中辨别离群点的具体过程为：先通过样本空间中样本点p的最近k邻居与逆k邻居，构成了该数据点的影响空间；再计算样本点p的影响空间中的所有点的局部密度的均值或者对象的局部密度，即INFLO的值；如果INFLO的值趋近于1.则说明该数据点就可能是一个正常的点，如果值比较高，那么该点是异常点的概率极大。