一种适用于电力数据质量评估与规则校验的方法与流程

技术领域

本发明涉及一种适用于电力数据质量评估与规则校验的方法，属电力数据管理技术领域。

背景技术：

随着清洁能源的和电动汽车的大规模接入，电力系统的物理结构和运行特征发生了根本性的变化，表征电力系统设备、运行和计算的数据更加丰富，数据的维度越来越高，且来源更加多样化，影响数据传输和精度的因素更加难以确定。目前现有的基于传统数据库系统和计算平台的数据质量校验系统的处理能力已经出现严重的瓶颈，难以快速完成数据质量的监测和校验。另一方面，电力系统实时运行和控制的特征对数据的利用提出了更高的要求，同时信息通信系统的建设为数据的实时传输提供了平台，如何基于电网的物理特性，对电力数据进行综合评价和规则校验，使其更好的反应电网本身的设备属性、运行特征和事件过程具有重要意义。

技术实现要素：

本发明的目的是，为解决上述技术问题，合理准确的评估差异化种类的电力数据的质量，本发明提出一种适用于电力数据质量评估与规则校验的方法。

本发明的技术方案是，一种适用于电力数据质量评估与规则检验的方法，所述方法根据电力数据类型，构建差异化的电力数据质量综合评价体系和数据质量校验规则库；根据校验数据的对象，自动生成多层次的数据校验规则集，实现自动的多层次数据质量监测和综合评估。

所述一种适用于电力数据质量评估与规则检验的方法包含以下的步骤：

（1）确定电力数据质量评估维度，构建包含完整性、准确性、一致性、可用性、时效性、智能性和合理性的数据质量的综合评价指标体系和数据质量规则校验库；

（2）根据输入的电力数据类型，自动生成层次化的数据质量校验规则集；

（3）基于规则集的对比，分析得出电力数据质量综合评价指标的计算结果，自动生成全面的电力数据质量评价结果。

所述完整性指标表征数据的完备性维度，包含信息的字段数据格式和字段数据内容的完整性；

所述准确性指标表征数据的精确程度，包含信息的数据格式、数据位数和数据结构的准确性；

所述一致性指标表征数据关联关系的维度，包含数据来源、处理方法、触发条件和变化趋势方面；

所述可用性指标表征数据量测系统以及数据传输系统的可用性和可靠性维度，包含字段、流程和事件数据的可用性；

所述及时性指标表征数据维护的及时性，包含数据接入、数据上传、数据维护和数据应用的及时性；

所述智能性指标表征数据来源的自动化程度，包括自动上传数据的转化效率以及自动化上传数据的占比；

所述合理性指标表征数据是否在科学合理的范围内，包含格式的合理性和数值的合理性。

所述数据质量校验规则集的生成流程如下：

（1）基础数据类规则：数据的特征较为简单，只对完整性、可用性、合理性等简单的指标进行校核；

（2）运行数据规则，首先关联到基础数据类规则，通过设备定位，校验相关的基础数据类规则，然后校验运行数据本身的规则集，包括一致性、及时性、智能性；

（3）事件数据规则，事件数据关联到基础数据规则，对基础数据进行校验，，再进一步关联到运行数据规则，分析运行数据内部之间的特征，最后，结合电力系统本身的事件，深入分析事件数据之间的内部关联度，对事件数据规则进行校核。

本发明的有益效果在于，本发明通过构建的电力数据质量综合评价指标体系和数据规则校验库，对电力数据的质量进行综合评估和规则校验，为电力大数据系统的质量评价、数据挖掘和数据清洗提供决策依据。

附图说明

图1是本发明一种电力数据质量评估和规则校验方法的流程图；

图2是本发明数据质量综合评价指标体系的结构图；

图3是本发明自动生成数据质量规则校验集的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

以故障状态下的中压馈线的电压波动数据为实施例，这是典型的电能质量问题，其数据类型属于事件数据，本发明实施例电力数据质量评价和规则校验方法的具体流程图如图1所示，包括：

步骤S1：构建电力数据质量评估体系和数据规则校验库；

（1）首先构建完整的电力数据质量评价体系，针对数据种类、数据属性、数据表现形式，数据交换规范和数据共享流程等多个方面，形成基础数据、运行数据和事件数据等差异化数据的综合评价指标体系，本实施例提出的差异化数据的综合评价体系以及之间的关联和映射关系如图2所示。

（2）挖掘差异化数据类型之间的数据映射关系，形成全面覆盖的数据类型规则库。例如，基础数据的规则包含：设备名称、设备编号、设备参数、设备字段、数据格式、数据结构等多个方面，而运行数据的规则包含：变量计算关系、变量之间的映射关系、变量之间的互联关系等方面；事件数据规则包含：事件数据的编码规则、事件数据的逻辑规则、发生事件的表达规则、结束事件的表达规则、事件上传的规则、事件关联设备的映射规则、事件与运行数据的关联规则等

步骤S2：基于电力数据的类型和格式信息，从数据质量规则校验库中自动生成与数据对应的校验规则集；

（1）首先对中压馈线拓扑结构和设备台帐进行关联度分析，定位各个设备所关联的拓扑结构中各个节点编号Ni，对基础类的数据格式和数据长度进行规则的定义；其中的数据质量综合评价体系的指标包括完整性（是否包含了所有的节点）、一致性（是否具有一致的数据格式和设备台帐数据管理形式）、准确性（设备和节点之间的关联度是否准确）等。

（2）其次系统梳理电力数据各个物理变量之间的关系，构建运行数据与基础数据之间的纵向关联度以及运行数据之间的横向关联度，例如节点i的电压Vi、电流Ii、有功Pi、无功Qi与对应的配变电压Vti、电流Iti、有功Pti和无功Qti之间具有一致性，属于基础数据和运行数据的纵向关联度，而节点i本身的功率Pi和Qi与Vi和Ii之间的等式计算关系属于横向的关联度，可以作为准确性和合理性的评级校验标准；

（3）再次，深入挖掘事件数据与运行数据和基础数据之间内部联系，实例系统发生短路故障时，记录事件的数据质量具有多维的特征，例如，完整性（事件类别，发生时间、结束时间，事件范围）、一致性（指标动态变化、告警信息、历史断面的运行数据推理）、及时性（上报时间的跟踪，各种装置的动作情况等）、智能性（信息来源人工输入、自动上传）、合理性（物理元件的运行数据的动态变化、电压波动符合基本规律）。

基于电力数据的格式、类型和变化趋势，判定故障状态下的电压数据为事件数据，事件数据的规则获取流程为分为三个阶段，如图3所示。对于事件数据，首先分析事件对象与基础数据之间的纵向关联关系，提取相关的规则集{S1}；其次，研究事件数据和运行数据之间的内在关联度，数据之间是否满足各种电力系统本身的计算关系和固定对应关系，提取相关的规则集{S2}；然后研究事件数据本身的横向关联度，事件数据的时间维度、空间维度、多场景维度和时间断面维度等，提取相关的规则集{S3}，三个子规则集进行整合，提取出事件数据的校验规则集为{ S1，S2，S3}

步骤S3：基于规则集的对比，分析得出数据质量综合评价指标的计算结果，形成全面的数据质量评价结果。