电力数据质量提升方法、装置、电子设备及存储介质与流程

本申请涉及电力数据处理，具体涉及一种电力数据质量提升方法、装置、电子设备及存储介质。

背景技术：

1、随着智能电网的不断发展，电力系统中电力设备的数量规模不断扩大，这些电力设备产生海量电力数据进行交互传输。而海量电力数据的准确采集、传输对电力系统的稳定可靠运行具有重要意义。

2、相关技术中，在电力数据的采集和传输过程中，由于设备故障、传输信道干扰、网络传输异常等不可控因素，可能存在数据错误、数据缺失等异常情况，导致数据质量难以保证，进而对电力系统的稳定可靠运行带来影响。因此，如何对异常数据进行检测修正、提升数据质量，成为一个急需解决的问题。

技术实现思路

1、有鉴于此，本申请实施例提供了一种电力数据质量提升方法、装置、电子设备及存储介质，以解决相关技术中电力数据在采集和传输过程中存在数据异常情况，导致数据质量差的技术问题。

2、第一方面，本申请实施例提供了一种电力数据质量提升方法，包括：获取第一时间段内的历史电力序列，并将历史电力序列输入预先建立的预测模型，得到第二时间段内的预测电力序列；预先建立的预测模型输入一时间段内的电力序列输出另一时间段内的预测电力序列；获取第二时间段内的实时电力序列，根据实时电力序列与预测电力序列，确定实时电力序列中的异常数据和异常数据对应的异常属性；基于异常数据对应的异常属性、预测电力序列和历史电力序列，对异常数据进行修正，得到修正后的实时电力序列。

3、在第一方面的一种可能的实施方式中，异常属性包括数据错误和数据缺失；根据实时电力序列与预测电力序列，确定实时电力序列中的异常数据和异常数据对应的异常属性，包括：基于第二时间段内的各个时刻，将实时电力序列与预测电力序列进行对比；基于对比结果，将实时电力序列中，与预测电力序列中相应时刻的预测数据相比，超出预设阈值范围的实时数据确定为第一异常数据；第一异常数据对应的异常属性为数据错误；将实时电力序列中，与预测电力序列中相应时刻的预测数据相比，缺失的实时数据最相邻的数据确定为第二异常数据；第二异常数据对应的异常属性为数据缺失。

4、在第一方面的一种可能的实施方式中，基于异常数据对应的异常属性、预测电力序列和历史电力序列，对异常数据进行修正，得到修正后的实时电力序列，包括：当异常数据对应的异常属性为数据缺失时，基于第二异常数据对应的第二时刻，将预测电力序列中第二时刻对应的预测数据段和历史电力序列中第二时刻对应的历史数据段进行均值计算，得到平均数据段；对平均数据段进行均值计算和方差计算，得到第一均值和第一方差；对实时电力序列进行均值计算和方差计算，得到第二均值和第二方差；根据第一均值、第一方差、第二均值、第二方差和平均数据段，对缺失的实时数据进行修正，得到第二修正结果，并根据第二修正结果和实时电力序列，得到修正后的实时电力序列。

5、在第一方面的一种可能的实施方式中，根据第一均值、第一方差、第二均值、第二方差和平均数据段，对缺失的实时数据进行修正，得到第二修正结果，包括：根据表达式：

6、确定第二修正结果；

7、式中，为第一均值，为第二均值，为第一方差，为第二方差，为平均数据段。

8、在第一方面的一种可能的实施方式中，基于异常数据对应的异常属性、预测电力序列和历史电力序列，对异常数据进行修正，得到修正后的实时电力序列，包括：当异常数据对应的异常属性为数据错误时，基于第一异常数据对应的第一时刻，将预测电力序列中第一时刻对应的预测数据和相应的第一权重相乘，得到第一加权结果，并将历史电力序列中第一时刻对应的历史数据和相应的第二权重相乘，得到第二加权结果；根据第一加权结果和第二加权结果，对第一异常数据进行修正，得到第一修正结果，并根据第一修正结果和实时电力序列，得到修正后的实时电力序列。

9、在第一方面的一种可能的实施方式中，预先建立的预测模型包括多个子预测模型；其中，一个子预测模型与一个类别的电力序列对应，每一个子预测模型输入一时间段内对应类别的电力序列输出另一时间段内对应类别的预测电力序列；获取第一时间段内的历史电力序列，并将历史电力序列输入预先建立的预测模型，得到第二时间段内的预测电力序列，包括：获取第一时间段内的历史电力序列和历史电力序列对应的类别，根据历史电力序列对应的类别，确定预测模型中对应的子预测模型；将历史电力序列，按照类别输入对应的子预测模型，得到第二时间段内的预测电力序列。

10、在第一方面的一种可能的实施方式中，电力数据质量提升方法还包括：若基于对比结果，确定在实时电力序列中，不存在第一异常数据和第二异常数据，则判定实时电力序列正常。

11、第二方面，本申请实施例提供了一种电力数据质量提升装置，包括：

12、获取模块，用于获取第一时间段内的历史电力序列，并将历史电力序列输入预先建立的预测模型，得到第二时间段内的预测电力序列；预先建立的预测模型输入一时间段内的电力序列输出另一时间段内的预测电力序列。

13、确定模块，用于获取第二时间段内的实时电力序列，根据实时电力序列与预测电力序列，确定实时电力序列中的异常数据和异常数据对应的异常属性。

14、修正模块，用于基于异常数据对应的异常属性、预测电力序列和历史电力序列，对异常数据进行修正，得到修正后的实时电力序列。

15、第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面任一项所述的电力数据质量提升方法。

16、第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一项所述的电力数据质量提升方法。

17、第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的电力数据质量提升方法。

18、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

19、本申请实施例提供的电力数据质量提升方法、装置、电子设备及存储介质，通过获取第一时间段内的历史电力序列，并将历史电力序列输入预先建立的预测模型，得到第二时间段内的预测电力序列，从而，根据第二时间段内的实时电力序列与预测电力序列，确定实时电力序列中的异常数据和异常数据对应的异常属性，并基于异常数据对应的异常属性、预测电力序列和历史电力序列，对异常数据进行修正，得到修正后的实时电力序列，能够准确及时地检测出实时电力序列中的异常数据，并对异常数据进行准确有效地修正，提高数据质量，减少对电力系统的稳定可靠运行的影响。

20、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

技术特征：

1.一种电力数据质量提升方法，其特征在于，包括：

2.根据权利要求1所述的电力数据质量提升方法，其特征在于，所述异常属性包括数据错误和数据缺失；

3.根据权利要求2所述的电力数据质量提升方法，其特征在于，所述基于所述异常数据对应的异常属性、所述预测电力序列和所述历史电力序列，对所述异常数据进行修正，得到修正后的实时电力序列，包括：

4.根据权利要求3所述的电力数据质量提升方法，其特征在于，所述根据所述第一均值、所述第一方差、所述第二均值、所述第二方差和所述平均数据段，对缺失的实时数据进行修正，得到第二修正结果，包括：

5.根据权利要求2所述的电力数据质量提升方法，其特征在于，所述基于所述异常数据对应的异常属性、所述预测电力序列和所述历史电力序列，对所述异常数据进行修正，得到修正后的实时电力序列，包括：

6.根据权利要求1至5任一项所述的电力数据质量提升方法，其特征在于，所述预先建立的预测模型包括多个子预测模型；其中，一个子预测模型与一个类别的电力序列对应，每一个子预测模型输入一时间段内对应类别的电力序列输出另一时间段内对应类别的预测电力序列；

7.根据权利要求2所述的电力数据质量提升方法，其特征在于，所述方法还包括：

8.一种电力数据质量提升装置，其特征在于，包括：

9.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的电力数据质量提升方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电力数据质量提升方法。

技术总结
本申请适用于电力数据处理技术领域，提供了一种电力数据质量提升方法、装置、电子设备及存储介质。该方法包括：获取第一时间段内的历史电力序列，并将历史电力序列输入预先建立的预测模型，得到第二时间段内的预测电力序列；获取第二时间段内的实时电力序列，根据实时电力序列与预测电力序列，确定实时电力序列中的异常数据和异常数据对应的异常属性；基于异常数据对应的异常属性、预测电力序列和历史电力序列，对异常数据进行修正，得到修正后的实时电力序列。本申请能够准确及时地检测出实时电力序列中的异常数据，并对异常数据进行准确有效地修正，提高数据质量，减少对电力系统的稳定可靠运行的影响。

技术研发人员：王兆辉,陈明,曾令康,刘林青,刁首人,底寅龙
受保护的技术使用者：河北思极科技有限公司
技术研发日：
技术公布日：2024/1/15