[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

说明书

本发明具体涉及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：获取调度系统的数据，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；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；根据建立的样本空间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；根据建立的样本空间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；将步骤二将上述的结果进行比较，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；输出异常点的数据。

技术领域

本发明涉及电网调度自动化系统，具体涉及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。

背景技术

随着通信技术、电子计算机信息技术的发展和电力生产调度自动化水平的提高。现代电力生产调度自动化系统建立在集成的、高速双向通信网络的基础上，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，实现电网的可 靠、安全、经济、高效、环境友好和使用安全的目标。电网调度自动化系统产生了海量数据，但是海量数据中也存在着大量的无效数据。这些无效数据产生的原因多种多样，可能由于测量设备测量精度限制、可能由于测量设备本身故障，可能由于通讯传输导致、也可能主站接收数据时产生错误。数据准确性对于后期的数据分析至关重要，错误数据或缺失数据将导致数据分析结果不正确，影响人工决策，进而影响电网的稳定运行。传统的电网中，主要采用状态评估等方式对数据的正确性进行校核，其利用了不同监测设备的相互冗余信息。但其需要准确的拓扑信息，也无法利用海量的历史数据。在现有海量数据情况下，可引入大数据技术，更加有效的改善数据质量。

发明内容

1、所要解决的技术问题：

针对现有技术的不足，本发明提供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，通过建立数据样本空间，对调度系统采集的数据采用KNN、LOF、INFLO混合算法对离群点进行甄别数据异常点，通过混合算法对数据的甄别能够高效，快速，低错误率地识别错误数据、无效数据以及丢失的数据，提升了电网调度系统的数据质量及可用性，能从海量时序样本中快速排除干扰点，提高仿真计算和状态监测等工作结果的精确度。

2、技术方案：

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。进一步的，所述步骤二中辨别离群点的过程为：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。