[发明专利]一种电能质量异常数据的管理方法、装置及系统

说明书

本发明公开了一种电能质量异常数据的管理方法、装置及系统。通过引入电能质量异常数据的识别模型，能够自动地对电能质量异常数据进行识别以及处理，使得电能质量统计结果能够正确、真实的反映电力系统的运行状况。在电能质量数据采集的过程中对异常数据进行管理，减少数据库中异常数据的比例，提高电能质量数据的质量和基于数据的电能质量分析结果的可信度。

技术领域

本发明涉及数据管理技术领域，具体涉及一种电能质量异常数据的管理方法、装置及系统。

背景技术

电能质量监测系统的一个特点是数据量特别大。大数据量带来存储空间、查询效率等一系列问题，其中一个很重要的问题是异常数据处理问题。

电能质量异常数据的产生主要有以下原因：

由于电力系统正常的检修、维护、运行状态临时调整等工作，导致电能质量稳态指标长时间的超标，例如供电电压在整个检修期间降为零。

由于电力系统的各种暂态事件，如电压中断、电压暂升、电压暂降等，导致短时间内电能质量稳态指标严重超标。

由于未能对电能质量异常数据进行处理，导致国内现有电能质量监测系统的电能质量统计分析结果均存在以下问题：

重复统计问题。电能质量暂态事件通常会造成某些稳态指标超标，由于暂态事件通常持续时间很短，此时的稳态指标超标并不能反映真实的稳态指标变化趋势。而实际上电能质量暂态事件和稳态指标是分开评估的，暂态事件通常用“事件型”的分析方法来评估分析，而稳态指标常用“趋势型”的分析方法来统计评估。如果不能将暂态过程导致的超标稳态指标剔除，则一次实际的电能质量事件其影响被重复统计了两次。

统计结果错误问题。不管是何种原因导致的电能质量异常数据，如果不对其进行处理，都将导致最终的统计结果不正确。

目前国内外在对电能质量异常数据的识别、分析和处理尚处于起步阶段。国外在对于暂态过程中的稳态指标超标问题的处理有比较明确的规定，但是对于正常检修维护过程中的稳态指标超标问题的处理没有见过相关研究。国内在上述两种稳态指标超标问题的处理方面都没有明确的规定，也没有看到过有实际的处理。

从用户需求的角度来讲，异常数据由于可能导致统计结果的失真，所以有比较迫切的处理需求。但由于没有系统能够做到异常数据的自动识别和处理，目前只能通过手动识别、手动剔除的方法来处理异常数据，工作量非常之大。

发明内容

为解决上述技术问题，本发明提供了一种电能质量异常数据的管理方法、装置及系统。能够自动识别电能质量异常数据并进行标记，提高统计数据的准确性。

为解决上述技术问题，本发明一方面，提供一种电能质量异常数据的管理方法，其包括如下步骤：

步骤S10，读取电能质量监测终端数据，对于每个读取到的数据，采用预选确定的异常数据判断模型进行判断，确定所述数据是否异常；所述异常数据判断模型通过机器学习训练而成；

步骤S11，对于经过异常数据判断模型判断为异常的数据，采用曲线拟合技术手段进行清洗处理；

步骤S12，对经过清洗处理后的数据进行标记处理，其中，对于清洗成功的数据，设置数据的属性为“清洗成功”；对于无法清洗的数据，设置数据的属性为“异常”，同时，将所述数据、数据时标、数据异常标志存储到数据库指定位置；

步骤S13，对电能质量监测终端数据进行统计时，读取数据库中的电能质量监测终端数据以及其对应的标记；对属性为“异常”的数据采用预定的策略进行处理，所述预定的策略包括彻底弃置、调整为额定值后使用、不考虑异常标记正常使用中之一种。

优选地，进一步包括预先建立异常数据判断模型的步骤：

对异常数据判断标准人工设置初始标准，并采用异常训练库基于机器学习语言进行学习和完善。