[发明专利]一种大规模过电压数据智能自清洗方法

说明书

本发明提供一种大规模过电压数据智能自清洗方法，通过稀疏自编码方法提取电压特征后，通过CFSFDP法对特征量所代表的波形完成聚类以实现过电压数据清洗，通过对数据深度处理，能够较为快速，准确对不同类型过电压进行分类自动识别，从而对实测进一步实测过电压的研究提供技术支持。

技术领域

本发明涉及数据清洗与处理技术领域，尤其涉及一种大规模过电压数据智能自清洗方法。

背景技术

智能电网及其更高组织形式的能源互联网是未来电网发展方向。能源互联网的发展对电力系统安全可靠运行的要求极高，而电力系统的开关操作、外部雷击所产生的电磁暂态，也称电力系统过电压，会在发变电站通过各种耦合方式在弱电系统内产生相应的干扰电压。在特殊情况下会损坏设备，导致电气设备损坏、供电中断、大面积停电等严重后果，造成巨大的经济损失。由此可见，过电压对于电力系统的稳定、可靠运行有着巨大威胁。

为了能够精确了解过电压产生与传播特性，从源头减少由于过电压而导致的事故危险，对电网过电压进行在线监控，时刻观察其波形的产生、变化情况意义重大。随着数据采集、存储和传输技术的发展，过电压在线监测系统的构建已较为成熟，且已形成国际标准，国内外机构已研发了各种过电压在线监测系统，并在实际变电站中得到应用。虽然这些在线监测数据均捕获到了一些变电站的过电压数据，但由于数据传输链路上影响因素众多，数据库中可能存在噪声和较多异常、错误数据，导致整体的过电压波形数据库数据质量降低，难以满足后续和分析研究需求，因此对过电压数据库进行有效的数据清洗以提高数据质量达到可实现挖掘水平是海量过电压数据研究的关键之一。

目前国内外学者针对数据清洗已开展了大量的研究，在电网输变电设备状态数据方面亦有诸多研究和应用，主要集中在缺失数据搜索、噪声数据分离与处理、损坏数据检测以及基于聚类的数据清洗方法。但是，在电网过电压实测数据领域却暂时止步不前，其原因不仅是由于过电压高频暂态波形采集困难，更重要的是相较于传统数据清洗方法所处理的数据，过电压数据是海量高维的数据序列波形，清洗难度更大，复杂程度更高，这些因素都严重的阻碍着过电压数据挖掘的进程。受错误波形掺入过电压波形数据库导致其数据质量降低的影响，只能人工筛选出数据库中少量高质量过电压波形进行识别、诊断等研究。但这不仅仅会因为人的主观性导致判断错误，过电压数据巨大导致耗时耗力，而且会由于捕捉信息片面丢失甚至错误判断数据价值，导致数据丰富，但信息贫乏，失去应用意义。因此，迫切的需要一种高效实测的过电压数据清洗方法

发明内容

本发明的目的在于提供一种大规模过电压数据智能自清洗方法，以解决上述背景技术中提出的问题。

本发明是通过以下技术方案实现的：一种大规模过电压数据智能自清洗方法，通过稀疏自编码方法提取高维过电压波形的关键特征后，通过CFSFDP法实现特征聚类，用以实现过电压数据清洗，其步骤如下：

S1、获取某地区供电站的原始过电压波形数据；

S2、搭建基于主成分分析法的稀疏自编码网络，对所述原始过电压波形数据进行特征提取，获得过电压数据的二维特征量集合；

S3、采用CFSFDP法对所述二维过电压特征量进行聚类分析，获得若干类聚类簇；

S4、监测每一类聚类簇所表达的波形，进行过电压数据完全清洗和分类。

优选的，所述原始过电压波形数据包括内部过电压波形数据与外部过电压波形数据，所述外部过电压波形数据为雷电过电压波形数据，所述内部过电压包括暂时过电压与操作过电压，所述暂时过电压分为谐振过电压和工频电压升高，工频电压升高的类型有空载长线路的电容效应、不对称接地和突然甩负荷，谐振过电压包括线性谐振，参数谐振和非线性谐振，所述操作过电压包括投切变压器、投切线路、间隙电弧接地过电压。