适用于广域量测数据质量提升的信息异常识别拟合方法与流程

1.本发明涉及信息异常识别技术领域，尤其涉及适用于广域量测数据质量提升的信息异常识别拟合方法。


背景技术：

2.域测量系统(wide area measurement system,wams)是以同步向量测量技术为基础，以电力系统动态过程检测、分析和控制为目标的实时监控系统。wams具有异地高精度同步向量测量、高速通信和快速反映等技术特点，非常适合大跨度电网，尤其是针对互联电网的动态过程实时监控的使用。
3.现有的技术中，在对广域量测数据进行识别时，对广域量测数据的采集质量现状的分析存在不足，现有的识别方法不能有效地对量测数据的异常进行识别，存在无法准确修正异常数据或填补缺失数据的问题。


技术实现要素：

4.针对现有技术存在的不足，本发明目的是提供适用于广域量测数据质量提升的信息异常识别拟合方法，通过设置多个量测节点，对各个量测节点获取的数据进行比对，并通过历史量测数据和相邻量测节点数据对故障数据和缺失数据进行填补，以解决现有的量测数据质量没有得到提升，对于异常或缺失的量测数据无法填补的问题。
5.为了实现上述目的，本发明是通过如下的技术方案来实现：适用于广域量测数据质量提升的信息异常识别拟合方法，包括如下步骤：
6.步骤s1：对配电网设置多个量测节点，通过量测节点获取广域量测数据的采集结果，所述采集结果包括节点实际电压、节点实际电流、节点电流阈值、节点电压阈值、电压波动值和电流波动值；
7.步骤s2：对广域量测数据的采集结果进行比对分析，获取未采集成功的异常数据的用户特征，构建异常数据特征库；
8.步骤s3：基于异常数据特征库，构建数据提升的信息异常识别模型；
9.步骤s4：利用信息异常数据识别模型，对数据进行异常检测，筛选缺失、采集失败等异常数据；
10.步骤s5：根据量测节点的历史数据，对缺失数据进行全面拟合填补。
11.进一步地，所述步骤s1包括如下子步骤：
12.步骤s101：基于配电网中的元件配置多个量测节点，对每个量测节点的实际电流和电压进行获取，设置为历史节点数据；
13.步骤s102：获取量测节点的历史节点数据，求得节点的历史平均电流，设置为节点电流阈值，求得历史平均电压，设置为节点电压阈值；
14.步骤s103：获取量测节点预设电流和预设电压；将节点电流阈值与预设电流的差值的绝对值设置为电流波动值，将节点电压阈值与预设电压差值的绝对值设置为电压波动
值。
15.进一步地，所述步骤s2包括如下子步骤：
16.步骤s201：获取量测节点采集到的采集结果；对采集结果进行比对分析，获得数据获取正常或数据获取异常信号；
17.步骤s202：当检测到数据获取异常时，对对应的量测节点进行故障分析，得到故障节点，将故障节点的数据设置为异常数据；
18.步骤s203：获取异常数据对应的用户特征，所述用户特征包括用户类型和用电时段，建立异常数据特征库。
19.进一步地，所述步骤s201中的比对分析包括：
20.步骤s20101：获取节点电流阈值和电流波动值，将节点电流阈值与电流波动值的和设置为第一节点电流，将节点电流阈值与电流波动值的差设置为第二节点电流；
21.步骤s20202：获取节点实时电流，当节点实时电流小于等于第一节点电流且大于等于第二节点电流时，判断数据获取正常；
22.当节点实时电流大于第一节点电流或节点实时电流小于第二节点电流时，判断数据获取异常；
23.步骤s20203：获取节点电压阈值和电压波动值，将节点电压阈值与电压波动值的和设置为第一节点电压，将节点电压阈值与电压波动值的差设置为第二节点电压；
24.步骤s20204：获取节点实时电压，当节点实时电压小于等于第一节点电压且大于等于第二节点电压时，判断数据获取正常；
25.当节点实时电压大于第一节点电压或节点实时电压小于第二节点电压时，判断数据获取异常。
26.进一步地，所述步骤s202中的故障分析包括：
27.当检测到数据获取异常时，对对应的量测节点进行故障分析，得到故障节点，将故障节点的数据设置为异常数据；
28.步骤s20201：获取数据出现数据获取异常的量测节点，设置为待检测节点，获取待检测节点相邻的两个量测节点，设置为标准节点；
29.步骤s20202：对标准节点的采集结果进行比对分析；
30.步骤s20203：当两个标准节点的采集结果均为数据获取正常时，将待检测节点判断为故障节点；
31.当两个标准节点的采集结果均为数据获取异常时，将待检测节点判断为正常节点。
32.进一步地，所述步骤s4包括：利用信息异常数据识别模型，对实时获取的节点数据进行异常检测，当检测到故障节点时，对该节点的电压数据和电流数据置空，并设置为异常置空数据，
33.所述步骤s4还包括：对所有缺失数据设置置空，设置为缺失置空数据，并获取缺失置空数据对应的量测节点。
34.进一步地，所述步骤s5包括如下子步骤：
35.步骤s501：获取异常置空数据和对应的故障节点；对故障节点相邻的两个量测节点进行获取；当故障节点相邻的两个量测节点均为正常节点时，将相邻的两个量测节点设
置为补空节点；
36.步骤s502：当故障节点相邻的两个量测节点中有故障节点时，对故障节点再向外取一个量测节点，直至取得的量测节点全部为正常节点，将取得的两个量测节点设置为补空节点；
37.步骤s503：获取两个补空节点的节点电流阈值和节点电压阈值；求得两个补空节点的节点电流阈值的平均值，设置为置空电流；求得两个补空节点的节点电压阈值的平均值，设置为置空电压；将置空电流和置空电压填入异常置空数据中；
38.步骤s504：获取缺失置空数据和对应的量测节点；对量测节点的历史数据进行获取；得到该量测节点的节点电流阈值和节点电压阈值；
39.步骤s505：将节点电流阈值和节点电压阈值填入缺失置空数据中。
40.进一步的，所述步骤s3包括如下子步骤：
41.步骤s301、根据量测节点的拓扑关系构建节点拓扑网络；
42.步骤s302、对所有异常数据进行k-mean聚类分析以得到若干异常数据簇；
43.步骤s303、通过相关度分析每一异常数据簇和故障结果之间的相关度，并根据相关度配置异常数据簇与异常结果之间的相关度优先值；
44.步骤s304、根据相关度优先值的大小对每一异常结果的异常数据簇进行排序以获得异常序列；
45.步骤s305、根据用户特征提取对应的权重修正值，将对应的权重修正值标记于所述异常序列；
46.步骤s306、将异常序列带入节点拓扑网络以生成异常识别路径；
47.步骤s307、提取异常识别路径中的第一个异常识别项作为识别触发项，所述信息异常识别模型为异常识别路径的集合。
48.进一步的，所述步骤s306包括：
49.步骤s30601、将异常序列中第一个异常识别项作为异常识别路径的前序节点；
50.步骤s30602、通过序列识别算法计算异常序列中其他异常识别项的识别代价，所述序列识别算法为p
re
＝β1(r
f-δbn)+β2δb
re
+β3[r
f-d(re，n)*d
re
]，其中，p
re
为识别代价，β1为预设的当前优先权重，β2为预设的相关优先权重，β3为预设的代价优先权重，有β1+β2+β3＝1，rf为预设的基准识别价值，δbn为上一异常识别项的相关度优先值，δb
re
为当前的异常识别项的相关度优先值，rf为预设的基准识别代价，d(re，n)为节点映射函数，反映上一异常识别项在异常序列中的序号和当前异常识别项对应的异常序列中序号对应的调取代价值的映射关系，d
re
为上一异常识别项对应的量测节点相比当前异常识别项对应的量测节点之间的有效距离；
[0051]
步骤s30603、确定识别代价最高异常识别项作为异常识别路径的下一异常识别项，返回步骤s30602直至异常识别路径构建完成。
[0052]
进一步的，步骤s4包括：
[0053]
步骤s401、根据触发识别项识别量测节点的异常数据；
[0054]
步骤s402、每一异常识别路径对应配置有索引价值，根据索引价值生成对应的索引范围，并产生一识别随机数，根据识别随机数落入的索引范围确定下一异常识别项；
[0055]
步骤s403、获取下一异常识别项对应的异常识别项的识别内容并获取对应的量测
数据，以比对获得对应的异常子值；
[0056]
步骤s404、通过预设的异常加权算法计算异常总值，所述异常加权算法为其中ld为异常总值，u为预设的异常触发基准值，k为当前异常识别项的总数量，hm为第m个异常识别项的数据异常值，反映量测数据对应异常识别项的异常程度，αm为第m个异常识别项的预设的识别项权重；
[0057]
步骤s405、若异常总值大于预设的触发上限值，则输出异常结果并进入步骤s4061，若异常总值小于预设的索引下限值，则进入步骤s4062，若异常总值于触发上限值和索引下限值之间，则返回步骤s402；
[0058]
步骤s4061、配置有增益因子以使对应的异常识别项的索引价值增加，所述增益因子随时间减小；
[0059]
步骤s4062、配置有衰减因子以使对应的异常识别项的索引价值减小，所述衰减因子随时间减小。
[0060]
本发明的有益效果：本发明首先通过对配电网设置多个量测节点，通过量测节点获取广域量测数据的采集结果，对采集结果进行对比分析，筛选出异常数据，再通过对异常数据及其相邻量测节点数据的故障分析，实现对故障原因的筛选，为填补数据提供了基础支持；
[0061]
根据故障节点的异常数据建立构建异常数据特征库，以异常数据特征库构建数据提升的信息异常识别模型；利用信息异常数据识别模型，可以对数据进行异常检测，准确筛选出缺失、采集失败等异常数据，为后续填补数据提供了准确定位。
[0062]
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0063]
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：
[0064]
图1为本发明的方法的步骤流程图；
[0065]
图2为本发明的故障节点的判断示意图；
[0066]
图3为本发明的正常节点的判断示意图。
具体实施方式
[0067]
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
[0068]
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
[0069]
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0070]
请参阅图1所示，本发明提供适用于广域量测数据质量提升的信息异常识别拟合方法，通过设置多个量测节点，对各个量测节点获取的数据进行比对，并通过历史量测数据
和相邻量测节点数据对故障数据和缺失数据进行填补，以解决现有的量测数据质量没有得到提升，对于异常或缺失的量测数据无法填补的问题。
[0071]
具体地，适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，包括如下步骤：
[0072]
步骤s1：对配电网设置多个量测节点，通过量测节点获取广域量测数据的采集结果，所述采集结果包括节点实际电压、节点实际电流、节点电流阈值、节点电压阈值、电压波动值和电流波动值；在具体实施过程中，设置多个量测节点，可以避免出现量测节点过少，量测深度不够；导致最后获得的数据不具备全面性的问题；
[0073]
步骤s1包括如下子步骤：
[0074]
步骤s101：基于配电网中的元件配置多个量测节点，对每个量测节点的实际电流和电压进行获取，设置为历史节点数据；
[0075]
步骤s102：获取量测节点的历史节点数据，求得节点的历史平均电流，设置为节点电流阈值，求得历史平均电压，设置为节点电压阈值；
[0076]
步骤s103：获取量测节点预设电流和预设电压；将节点电流阈值与预设电流的差值的绝对值设置为电流波动值，将节点电压阈值与预设电压差值的绝对值设置为电压波动值；
[0077]
步骤s2：对广域量测数据的采集结果进行比对分析，获取未采集成功的异常数据的用户特征，构建异常数据特征库；
[0078]
步骤s2包括如下子步骤：
[0079]
步骤s201：获取量测节点采集到的采集结果；对采集结果进行比对分析，获得数据获取正常或数据获取异常信号；
[0080]
比对分析包括：
[0081]
步骤s20101：获取节点电流阈值和电流波动值，将节点电流阈值与电流波动值的和设置为第一节点电流，将节点电流阈值与电流波动值的差设置为第二节点电流；在具体实施过程中，第一节点电流为量测节点的正常电流波动上限，第二节点电流为量测节点的正常电流波动下限；
[0082]
步骤s20202：获取节点实时电流，当节点实时电流小于等于第一节点电流且大于等于第二节点电流时，判断数据获取正常；
[0083]
当节点实时电流大于第一节点电流或节点实时电流小于第二节点电流时，判断数据获取异常；
[0084]
步骤s20203：获取节点电压阈值和电压波动值，将节点电压阈值与电压波动值的和设置为第一节点电压，将节点电压阈值与电压波动值的差设置为第二节点电压；在具体实施过程中，第一节点电压为量测节点的正常电压波动上限，第二节电压为量测节点的正常电压波动下限；
[0085]
步骤s20204：获取节点实时电压，当节点实时电压小于等于第一节点电压且大于等于第二节点电压时，判断数据获取正常；
[0086]
当节点实时电压大于第一节点电压或节点实时电压小于第二节点电压时，判断数据获取异常；
[0087]
步骤s202：当检测到数据获取异常时，对对应的量测节点进行故障分析，得到故障
节点，将故障节点的数据设置为异常数据；
[0088]
请参阅图2和图3所示，故障分析包括：
[0089]
当检测到数据获取异常时，对对应的量测节点进行故障分析，得到故障节点，将故障节点的数据设置为异常数据；
[0090]
步骤s20201：获取数据出现数据获取异常的量测节点，设置为待检测节点，获取待检测节点相邻的两个量测节点，设置为标准节点；
[0091]
步骤s20202：对标准节点的采集结果进行比对分析；
[0092]
步骤s20203：当两个标准节点的采集结果均为数据获取正常时，将待检测节点判断为故障节点；
[0093]
当两个标准节点的采集结果均为数据获取异常时，将待检测节点判断为正常节点；在具体实施过程中，当一条电网线路出现故障时，电网线路上的若干量测节点均判断出数据获取异常，出现所有量测节点数据异常也证明待检测节点为正常节点；
[0094]
当一条电网线路没有出现故障时，电网线路上的若干量测节点都表现出数据获取正常，只有部分或只有待检测节点判断为数据获取异常时，则待检测节点为故障节点；
[0095]
步骤s203：获取异常数据对应的用户特征，所述用户特征包括用户类型和用电时段，建立异常数据特征库；
[0096]
步骤s3：基于异常数据特征库，构建数据提升的信息异常识别模型；所述步骤s3包括如下子步骤：
[0097]
步骤s301、根据量测节点的拓扑关系构建节点拓扑网络；拓扑网络表示量测节点之间的拓扑关系。
[0098]
步骤s302、对所有异常数据进行k-mean聚类分析以得到若干异常数据簇；通过聚类分析算法可以将相似的异常情况进行聚类，从而得到对应数据的异常识别知识。
[0099]
步骤s303、通过相关度分析每一异常数据簇和故障结果之间的相关度，并根据相关度配置异常数据簇与异常结果之间的相关度优先值；对聚类结果和异常结果之间的进行相关度分析，就可以获得异常数据簇是否是导致异常结果的因素，以及分析出对应的相关程度，优选通过person相关度分析算法实现。
[0100]
步骤s304、根据相关度优先值的大小对每一异常结果的异常数据簇进行排序以获得异常序列；相关度排序的作用是由于数据量非常大，所以需要通过对异常情况对异常结果较为显性的数据入手，从而更加容易配置对应的识别方式和数据监控方式，可以有效减小数据量。
[0101]
步骤s305、根据用户特征提取对应的权重修正值，将对应的权重修正值标记于所述异常序列；通过权重修正值，可以在识别时根据是否有相同的用户特征，从而判断异常事件再次发生的可能性，同样可以快速识别提高识别效率。
[0102]
步骤s306、将异常序列带入节点拓扑网络以生成异常识别路径；由于异常序列中是包括若干个异常数据簇，每一异常数据簇通过对数据特征分析可以通过查询预先构建的异常识别表从而对应一个异常识别项，异常识别项也就是识别数据的变化情况是否符合对应异常识别项的内容，例如对a点数据异常识别，可能需要获取b点的数据，那么这个获取的任务以及比对的任务就可以作为一个异常识别项，所以序列的顺序不能直接代表异常识别的顺序，还要考虑到调取数据的难度，所述步骤s306包括：
[0103]
步骤s30601、将异常序列中第一个异常识别项作为异常识别路径的前序节点；
[0104]
步骤s30602、通过序列识别算法计算异常序列中其他异常识别项的识别代价，所述序列识别算法为p
re
＝β1(r
f-δbn)+β2δb
re
+β3[r
f-d(re，n)*d
re
]，其中，p
re
为识别代价，β1为预设的当前优先权重，β2为预设的相关优先权重，β3为预设的代价优先权重，有β1+β2+β3＝1，rf为预设的基准识别价值，δbn为上一异常识别项的相关度优先值，δb
re
为当前的异常识别项的相关度优先值，rf为预设的基准识别代价，d(re，n)为节点映射函数，反映上一异常识别项在异常序列中的序号和当前异常识别项对应的异常序列中序号对应的调取代价值的映射关系，d
re
为上一异常识别项对应的量测节点相比当前异常识别项对应的量测节点之间的有效距离；识别代价最高，说明调取难度最低，所以依次计算每一异常识别项的识别代价，就可以构建识别路径。
[0105]
步骤s30603、确定识别代价最高异常识别项作为异常识别路径的下一异常识别项，返回步骤s30602直至异常识别路径构建完成。
[0106]
步骤s307、提取异常识别路径中的第一个异常识别项作为识别触发项，所述信息异常识别模型为异常识别路径的集合。
[0107]
步骤s4：利用信息异常数据识别模型，对数据进行异常检测，筛选缺失、采集失败等异常数据；步骤s4包括：
[0108]
步骤s401、根据触发识别项识别量测节点的异常数据；通过触发识别项识别量测节点的异常数据，原理是通过触发识别项的对应内容，快速进行筛选。由于一个异常结果可能会对应多个触发识别项，所以一般情况下这样设置可以增加效率，但是也可以减小遗漏异常事件的可能性。
[0109]
步骤s402、每一异常识别路径对应配置有索引价值，根据索引价值生成对应的索引范围，并产生一识别随机数，根据识别随机数落入的索引范围确定下一异常识别项；因为可能多个异常识别路径会共用异常识别项，所以识别后，每次路径中下一个识别项的位置的确定，是通过随机数生成的额，而索引价值是增益因子和衰减因子以及对应异常识别项的识别代价确定的。
[0110]
步骤s403、获取下一异常识别项对应的异常识别项的识别内容并获取对应的量测数据，以比对获得对应的异常子值；
[0111]
步骤s404、通过预设的异常加权算法计算异常总值，所述异常加权算法为其中ld为异常总值，u为预设的异常触发基准值，所述异常触发基准值根据权重修正值通过查表获得，k为当前异常识别项的总数量，hm为第m个异常识别项的数据异常值，反映量测数据对应异常识别项的异常程度，αm为第m个异常识别项的预设的识别项权重；
[0112]
步骤s405、若异常总值大于预设的触发上限值，则输出异常结果并进入步骤s4061，若异常总值小于预设的索引下限值，则进入步骤s4062，若异常总值于触发上限值和索引下限值之间，则返回步骤s402；
[0113]
步骤s4061、配置有增益因子以使对应的异常识别项的索引价值增加，所述增益因子随时间减小；
[0114]
步骤s4062、配置有衰减因子以使对应的异常识别项的索引价值减小，所述衰减因
子随时间减小。这样设置，可以学习到对应的最优的识别路径，并且动态进行增益或衰减可以保证学习结果不会固化。
[0115]
步骤s4包括：利用信息异常数据识别模型，对实时获取的节点数据进行异常检测，当检测到故障节点时，对该节点的电压数据和电流数据置空，并设置为异常置空数据，
[0116]
所述步骤s4还包括：对所有缺失数据设置置空，设置为缺失置空数据，并获取缺失置空数据对应的量测节点；
[0117]
步骤s5：根据量测节点的历史数据，对缺失数据进行全面拟合填补；
[0118]
步骤s5包括如下子步骤：
[0119]
步骤s501：获取异常置空数据和对应的故障节点；对故障节点相邻的两个量测节点进行获取；当故障节点相邻的两个量测节点均为正常节点时，将相邻的两个量测节点设置为补空节点；在具体实施过程中，故障节点的历史数据可能会存在不准确的情况，如果用节点的历史数据对异常置空数据进行填补，可能会导致最后结果不够精确；相邻量测节点检测到的数据具有相似性；对异常置空数据的填补优先选取相邻量测节点进行计算填补可以很好地缩小误差；
[0120]
步骤s502：当故障节点相邻的两个量测节点中有故障节点时，对故障节点再向外取一个量测节点，直至取得的量测节点全部为正常节点，将取得的两个量测节点设置为补空节点；在具体实施过程中，如果出现多个相邻节点同时故障的情况，对故障节点进行依次向外取正常节点，直至取得正常节点数据；
[0121]
步骤s503：获取两个补空节点的节点电流阈值和节点电压阈值；求得两个补空节点的节点电流阈值的平均值，设置为置空电流；求得两个补空节点的节点电压阈值的平均值，设置为置空电压；将置空电流和置空电压填入异常置空数据中；在具体实施过程中，正常情况下，三个相邻的节点之间的电压和电流基本一致，所以两个补空节点的节点电流阈值的平均值和节点电压阈值的平均值与故障节点正常的数据差异较小；
[0122]
步骤s504：获取缺失置空数据和对应的量测节点；对量测节点的历史数据进行获取；得到该量测节点的节点电流阈值和节点电压阈值；在具体实施过程中，缺失置空数据对应的量测节点为正常节点，当出现缺失置空数据时，可能是由于数据丢失，而不是量测节点故障，一次，量测节点的历史数据依然具有一定的参考价值，可以根据量测节点的历史数据对缺失置空数据进行填补；
[0123]
步骤s505：将节点电流阈值和节点电压阈值填入缺失置空数据中。
[0124]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read only memory，简称eprom)，可编程只读存储器(programmable red-only memory，简称prom)，只读存储器(read-onlymemory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作
的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0125]
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，包括如下步骤：步骤s1：对配电网设置多个量测节点，通过量测节点获取广域量测数据的采集结果，所述采集结果包括节点实际电压、节点实际电流、节点电流阈值、节点电压阈值、电压波动值和电流波动值；步骤s2：对广域量测数据的采集结果进行比对分析，获取未采集成功的异常数据的用户特征，构建异常数据特征库；步骤s3：基于异常数据特征库，构建数据提升的信息异常识别模型；步骤s4：利用信息异常数据识别模型，对数据进行异常检测，筛选缺失、采集失败等异常数据；步骤s5：根据量测节点的历史数据，对缺失数据进行全面拟合填补。2.根据权利要求1所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s1包括如下子步骤：步骤s101：基于配电网中的元件配置多个量测节点，对每个量测节点的实际电流和电压进行获取，设置为历史节点数据；步骤s102：获取量测节点的历史节点数据，求得节点的历史平均电流，设置为节点电流阈值，求得历史平均电压，设置为节点电压阈值；步骤s103：获取量测节点预设电流和预设电压；将节点电流阈值与预设电流的差值的绝对值设置为电流波动值，将节点电压阈值与预设电压差值的绝对值设置为电压波动值。3.根据权利要求2所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s2包括如下子步骤：步骤s201：获取量测节点采集到的采集结果；对采集结果进行比对分析，获得数据获取正常或数据获取异常信号；步骤s202：当检测到数据获取异常时，对对应的量测节点进行故障分析，得到故障节点，将故障节点的数据设置为异常数据；步骤s203：获取异常数据对应的用户特征，所述用户特征包括用户类型和用电时段，建立异常数据特征库。4.根据权利要求3所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s201中的比对分析包括：步骤s20101：获取节点电流阈值和电流波动值，将节点电流阈值与电流波动值的和设置为第一节点电流，将节点电流阈值与电流波动值的差设置为第二节点电流；步骤s20202：获取节点实时电流，当节点实时电流小于等于第一节点电流且大于等于第二节点电流时，判断数据获取正常；当节点实时电流大于第一节点电流或节点实时电流小于第二节点电流时，判断数据获取异常；步骤s20203：获取节点电压阈值和电压波动值，将节点电压阈值与电压波动值的和设置为第一节点电压，将节点电压阈值与电压波动值的差设置为第二节点电压；步骤s20204：获取节点实时电压，当节点实时电压小于等于第一节点电压且大于等于第二节点电压时，判断数据获取正常；
当节点实时电压大于第一节点电压或节点实时电压小于第二节点电压时，判断数据获取异常。5.根据权利要求4所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s202中的故障分析包括：当检测到数据获取异常时，对对应的量测节点进行故障分析，得到故障节点，将故障节点的数据设置为异常数据；步骤s20201：获取数据出现数据获取异常的量测节点，设置为待检测节点，获取待检测节点相邻的两个量测节点，设置为标准节点；步骤s20202：对标准节点的采集结果进行比对分析；步骤s20203：当两个标准节点的采集结果均为数据获取正常时，将待检测节点判断为故障节点；当两个标准节点的采集结果均为数据获取异常时，将待检测节点判断为正常节点。6.根据权利要求5所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s4包括：利用信息异常数据识别模型，对实时获取的节点数据进行异常检测，当检测到故障节点时，对该节点的电压数据和电流数据置空，并设置为异常置空数据，所述步骤s4还包括：对所有缺失数据设置置空，设置为缺失置空数据，并获取缺失置空数据对应的量测节点。7.根据权利要求6所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s5包括如下子步骤：步骤s501：获取异常置空数据和对应的故障节点；对故障节点相邻的两个量测节点进行获取；当故障节点相邻的两个量测节点均为正常节点时，将相邻的两个量测节点设置为补空节点；步骤s502：当故障节点相邻的两个量测节点中有故障节点时，对故障节点再向外取一个量测节点，直至取得的量测节点全部为正常节点，将取得的两个量测节点设置为补空节点；步骤s503：获取两个补空节点的节点电流阈值和节点电压阈值；求得两个补空节点的节点电流阈值的平均值，设置为置空电流；求得两个补空节点的节点电压阈值的平均值，设置为置空电压；将置空电流和置空电压填入异常置空数据中；步骤s504：获取缺失置空数据和对应的量测节点；对量测节点的历史数据进行获取；得到该量测节点的节点电流阈值和节点电压阈值；步骤s505：将节点电流阈值和节点电压阈值填入缺失置空数据中。8.根据权利要求1所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s3包括如下子步骤：步骤s301、根据量测节点的拓扑关系构建节点拓扑网络；步骤s302、对所有异常数据进行k-mean聚类分析以得到若干异常数据簇；步骤s303、通过相关度分析每一异常数据簇和故障结果之间的相关度，并根据相关度配置异常数据簇与异常结果之间的相关度优先值；步骤s304、根据相关度优先值的大小对每一异常结果的异常数据簇进行排序以获得异
常序列；步骤s305、根据用户特征提取对应的权重修正值，将对应的权重修正值标记于所述异常序列；步骤s306、将异常序列带入节点拓扑网络以生成异常识别路径；步骤s307、提取异常识别路径中的第一个异常识别项作为识别触发项，所述信息异常识别模型为异常识别路径的集合。9.根据权利要求1所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，所述步骤s306包括：步骤s30601、将异常序列中第一个异常识别项作为异常识别路径的前序节点；步骤s30602、通过序列识别算法计算异常序列中其他异常识别项的识别代价，所述序列识别算法为p
re
＝β1(r
f-δb
n
)+β2δb
re
+β3[r
f-d(re，n)*d
re
]，其中，p
re
为识别代价，β1为预设的当前优先权重，β2为预设的相关优先权重，β3为预设的代价优先权重，有β1+β2+β3＝1，r
f
为预设的基准识别价值，δb
n
为上一异常识别项的相关度优先值，δb
re
为当前的异常识别项的相关度优先值，r
f
为预设的基准识别代价，d(re，n)为节点映射函数，反映上一异常识别项在异常序列中的序号和当前异常识别项对应的异常序列中序号对应的调取代价值的映射关系，d
re
为上一异常识别项对应的量测节点相比当前异常识别项对应的量测节点之间的有效距离；步骤s30603、确定识别代价最高异常识别项作为异常识别路径的下一异常识别项，返回步骤s30602直至异常识别路径构建完成。10.根据权利要求9所述的适用于广域量测数据质量提升的信息异常识别拟合方法，其特征在于，步骤s4包括：步骤s401、根据触发识别项识别量测节点的异常数据；步骤s402、每一异常识别路径对应配置有索引价值，根据索引价值生成对应的索引范围，并产生一识别随机数，根据识别随机数落入的索引范围确定下一异常识别项；步骤s403、获取下一异常识别项对应的异常识别项的识别内容并获取对应的量测数据，以比对获得对应的异常子值；步骤s404、通过预设的异常加权算法计算异常总值，所述异常加权算法为其中l
d
为异常总值，u为预设的异常触发基准值，k为当前异常识别项的总数量，h
m
为第m个异常识别项的数据异常值，反映量测数据对应异常识别项的异常程度，α
m
为第m个异常识别项的预设的识别项权重；步骤s405、若异常总值大于预设的触发上限值，则输出异常结果并进入步骤s4061，若异常总值小于预设的索引下限值，则进入步骤s4062，若异常总值于触发上限值和索引下限值之间，则返回步骤s402；步骤s4061、配置有增益因子以使对应的异常识别项的索引价值增加，所述增益因子随时间减小；步骤s4062、配置有衰减因子以使对应的异常识别项的索引价值减小，所述衰减因子随时间减小。

技术总结
本发明提供适用于广域量测数据质量提升的信息异常识别拟合方法，涉及信息异常识别技术领域，方法包括，步骤S1：对配电网设置多个量测节点，获取广域量测数据的采集结果；步骤S2：对采集结果进行比对分析，构建异常数据特征库；步骤S3：构建数据提升的信息异常识别模型；步骤S4：筛选缺失、采集失败等异常数据；步骤S5：根据历史数据对缺失数据进行全面拟合填补；本发明通过设置多个量测节点，对各个量测节点获取的数据进行比对，并通过历史量测数据和相邻量测节点数据对故障数据和缺失数据进行填补，以解决现有的量测数据质量没有得到提升，对于异常或缺失的量测数据无法填补的问题。题。题。


技术研发人员：鄢盛腾 夏桃芳 高琛 高强强 林华 詹世安 丁忠安 林胤戎 王雅平 刘佳宁 戴蓉 黄华峰 陈伟寅 郑宏 郑晓晖 陈元珽 刘缵彬
受保护的技术使用者：国网信通亿力科技有限责任公司 国网信息通信产业集团有限公司 福建省供电服务有限责任公司
技术研发日：2023.06.26
技术公布日：2023/8/28