[发明专利]变电站设备的状态数据清洗方法、装置和计算机设备

说明书

本申请涉及一种变电站设备的状态数据清洗方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取变电站设备的待检测状态数据序列；其中，待检测状态数据序列中的各状态数据为包括多个参量的状态值的数据；确定待检测状态数据序列中的脏数据；获取与脏数据对应的前一时刻的目标状态数据；利用目标状态数据、Koopman算子、降维矩阵以及目标基函数，计算与脏数据对应时刻的估计状态数据，并利用估计状态数据替换脏数据。采用本方法能够能得出更加精准的变电站设备的估计状态数据，因此能提高对变电站设备的状态数据清洗的准确度，提高确定变电站设备的运行状态的准确度。

技术领域

本申请涉及变电站设备技术领域，特别是涉及一种变电站设备的状态数据清洗方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

电网的安全运行是保证稳定、可靠的电力供应的基础。电力系统一旦发生大面积停电事故，将会造成巨大的经济损失和不良的社会影响，还会危及公共安全，造成严重的社会损失。因此，变电站设备的稳定运行和异常状态的正确判断与及时处理是电网坚强、可靠运行的前提；通过采集变电站设备的状态数据并对采集的状态数据进行分析，是判断变电站设备是否处于异常状态的常用手段。但是在实际操作中，由于传感器异常、传输设备异常、外部环境干扰等因素干扰，会造成获取到的状态数据出现中断、跳变、超值越限、数值不合理等问题，即出现脏数据，根据脏数据的数据异常情况确定变电站设备异常，将造成对变电站设备运行状态的误判，因此需要确定出变电站设备的状态数据中的脏数据，并对状态数据进行数据清洗。数据清洗是指发现并纠正数据文件中可识别的错误的程序。传统的技术方案中，利用基于Pearson相关系数与回归模型相结合的方法实现插补缺失的配电变压器数据，利用基于最小二乘向量机-贝叶斯网络决策树的继电保护系统故障诊断模型实现解决数据缺失和模糊的问题，但此类方法本质上是在做线性回归，只能对平稳变化的数据进行数据估计，而变电站设备的状态数据是波动的，因此现有技术的方法对变电站设备的状态数据清洗不够准确，因此确定出的变电站设备的运行状态不够准确。

因此，如何提高对变电站设备的状态数据清洗的准确度，提高确定变电站设备的运行状态的准确度，是本领域技术人员目前需要解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种提高对变电站设备的状态数据清洗的准确度，提高确定变电站设备的运行状态的准确度的变电站设备的状态数据清洗方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种变电站设备的状态数据清洗方法。所述方法包括：

获取变电站设备的待检测状态数据序列；其中，所述待检测状态数据序列中的各状态数据为包括多个参量的状态值的数据；

确定所述待检测状态数据序列中的脏数据；

获取与所述脏数据对应的前一时刻的目标状态数据；

利用所述目标状态数据、Koopman算子、降维矩阵以及目标基函数，计算与所述脏数据对应时刻的估计状态数据，并利用所述估计状态数据替换所述脏数据。

在其中一个实施例中，确定所述Koopman算子、所述降维矩阵以及所述目标基函数，包括：

利用基函数的样本参数和深度神经网络训练出所述基函数的目标参数，并根据所述目标参数确定出所述目标基函数；

根据历史正常状态数据集确定相邻两个时刻的历史状态数据序列，并利用所述目标基函数对两个所述历史状态数据序列进行升维操作，得到升维后的所述历史状态数据序列；

利用升维后的所述历史状态数据序列进行扩展动力学模态分解，得到所述Koopman算子和所述降维矩阵。

在其中一个实施例中，所述确定所述待检测状态数据序列中的脏数据，包括：