电力时序数据异常检测方法及其填补方法

技术领域

本发明属于电气自动化领域，具体涉及一种电力时序数据异常检测方法及其填补方法。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，电力系统的稳定可靠运行，就成为了电力系统最重要的任务之一。

在电力系统中，终端采集设备按照设定的时间频率，对电力时序数据，如有功功率、用电量等，进行采集，并将采集到的数据保存并统一上传。但是，由于设备故障、传输信道干扰等不可控因素，电力数据缺失的异常情况不可避免。由于电网数据采集的不可重复性，就需要对缺失的电力数据，进行填补和异常检测。

但是，目前电力系统中，并没有一套完整、可靠且效率较高的针对电力时序数据异常的检测方法和对应的填补方法。

发明内容

本发明的目的在于提供一种稳定可靠、精确性高且效率较高的电力时序数据异常检测方法。

本发明的目的之二在于提供一种包括了所述电力时序数据异常检测方法的填补方法。

本发明提供的这种电力时序数据异常检测方法，包括如下步骤：

S1.获取待分析的电力时序数据；

S2.对步骤S1获取的数据，进行缺失值判定；

S3.针对步骤S2判定的缺失值，采用日间数据移动平均算法进行缺失数据填充；

S4.针对步骤S3得到的填充后的数据，采用短期环比异常检测算法进行数据的异常判定；

S5.针对步骤S3得到的填充后的数据，采用同比振幅异常检测算法进行数据的异常判定；

S6.根据步骤S4和步骤S5得到的异常判定结果，进行最终的电力时序数据异常检测。

步骤S2所述的对步骤S1获取的数据，进行缺失值判定，具体为采用如下步骤进行缺失值判定：

若电力时序数据完整，则不需要进行缺失值异常填充；

若电力时序数据缺失的比例高于设定的阈值，则直接该组电力时序数据丢弃；

若电力时序数据缺失的比例在设定的阈值范围内，则再次进行如下判定：

若缺失的数据为NA，则再根据变电站所在地区和收集数据的实际情况，进行缺失值判定；

若缺失的数据为0，则再次根据数据采集来源的粒度划分进行判定：

若数据是在台区或更细粒度的设备上采集到的数据，则认定数据正常，不需要对其进行缺失异常情况处理；

若数据是在各类不同电压等级的变电站或更粗粒度的设备上采集的数据，则认定数据异常，需要对其进行缺失异常情况处理。

步骤S3所述的针对步骤S2判定的缺失值，采用日间数据移动平均算法进行缺失数据填充，具体为采用如下步骤进行处理：

采用历史数据中同一时刻的数据，对缺失数据进行填充：

式中val

步骤S4所述的针对步骤S3得到的填充后的数据，采用短期环比异常检测算法进行数据的异常判定，具体为采用如下步骤进行异常判定：

设定时间窗口T，将填充后的数据与时间窗口T内的每一个数据进行比较：若填充后的数据与时间窗口T内的数据之间的差值大于设定的差值阈值的次数超过了设定的次数阈值，则认定为填充后的数据为异常点：

式中H为异常点第一判定值，且H＝0判定为正常，H＝1判定为异常；count()为判定括号中式子成立次数的操作；val

步骤S5所述的针对步骤S3得到的填充后的数据，采用同比振幅异常检测算法进行数据的异常判定，具体为采用如下步骤进行异常判定：

将填充后的数据中时刻c的数据，与过去若干天的同时刻c的数据，采用如下算式进行同比振幅异常检测：

式中V为为异常点第二判定值，且V＝0判定为正常，V＝1判定为异常；val

步骤S6所述的根据步骤S4和步骤S5得到的异常判定结果，进行最终的电力时序数据异常检测，具体为采用如下规则进行异常判定：

若步骤S4得到的异常点第一判定值H与步骤S5得到的异常点第二判定值V均为0，则认定所判定的电力时序数据为正常数据；

若步骤S4得到的异常点第一判定值H与步骤S5得到的异常点第二判定值V中，有任意一个数值为1，则认定所判定的电力时序数据为异常数据。

本发明还公开了一种包括所述电力时序数据异常检测方法的填补方法，还包括如下步骤：

S7.若判定为异常数据，则采用如下算式计算得到的值val

式中val

本发明提供的这种电力时序数据异常检测方法及其填补方法，对电力时序数据的缺失情况判定是否需要填充数据，利用日间数据的移动平均方法对数据填充；同时对填充后的数据考虑是否填充异常，采用横向短期环比结合动态阈值和纵向同比振幅结合静态阈值的异常检测方法进行异常点检测；最后对检测异常的数据使用日内数据的移动平均方法进行修正；因此本发明方法能够实现电力时序数据的异常检测和填补，而且稳定可靠、精确性高且效率较高。

附图说明

图1为本发明方法的异常检测方法的方法流程示意图。

图2为本发明方法的异常判定示意图。

图3为本发明方法的填补方法的方法流程示意图。

具体实施方式

如图1所示为本发明方法的异常检测方法的方法流程示意图：本发明提供的这种电力时序数据异常检测方法，包括如下步骤：

S1.获取待分析的电力时序数据；

获取数据后，需要确定其涉及的变量数目，对于单变量的时序数据可以直接进行缺失数据处理操作；但对于多变量，需要进行变量单一性处理，防止多个变量在缺失数据填充处理操作中变量之间互相影响；

S2.对步骤S1获取的数据，进行缺失值判定；具体为采用如下步骤进行缺失值判定：

若电力时序数据完整，则不需要进行缺失值异常填充；

若电力时序数据缺失的比例高于设定的阈值，则直接该组电力时序数据丢弃；

若电力时序数据缺失的比例在设定的阈值范围内，则再次进行如下判定：

若缺失的数据为NA，则再根据变电站所在地区和收集数据的实际情况，进行缺失值判定；

若缺失的数据为0，则再次根据数据采集来源的粒度划分进行判定：

若数据是在台区或更细粒度的设备上采集到的数据，则认定数据正常，不需要对其进行缺失异常情况处理；

若数据是在各类不同电压等级的变电站或更粗粒度的设备上采集的数据，则认定数据异常，需要对其进行缺失异常情况处理；

S3.针对步骤S2判定的缺失值，采用日间数据移动平均算法进行缺失数据填充；具体为采用如下步骤进行处理：

采用历史数据中同一时刻的数据，对缺失数据进行填充：

式中val

S4.针对步骤S3得到的填充后的数据，采用短期环比异常检测算法进行数据的异常判定；具体为采用如下步骤进行异常判定：

设定时间窗口T，将填充后的数据与时间窗口T内的每一个数据进行比较：若填充后的数据与时间窗口T内的数据之间的差值大于设定的差值阈值的次数超过了设定的次数阈值，则认定为填充后的数据为异常点：

式中H为异常点第一判定值，且H＝0判定为正常，H＝1判定为异常；count()为判定括号中式子成立次数的操作；val

S5.针对步骤S3得到的填充后的数据，采用同比振幅异常检测算法进行数据的异常判定；具体为采用如下步骤进行异常判定：

将填充后的数据中时刻c的数据，与过去若干天的同时刻c的数据，采用如下算式进行同比振幅异常检测：

式中V为为异常点第二判定值，且V＝0判定为正常，V＝1判定为异常；val

S4和S5的检测思路，如图2所示；

S6.根据步骤S4和步骤S5得到的异常判定结果，进行最终的电力时序数据异常检测；具体为采用如下规则进行异常判定：

若步骤S4得到的异常点第一判定值H与步骤S5得到的异常点第二判定值V均为0，则认定所判定的电力时序数据为正常数据；

若步骤S4得到的异常点第一判定值H与步骤S5得到的异常点第二判定值V中，有任意一个数值为1，则认定所判定的电力时序数据为异常数据；

采用算式表示，即为：

如图3所示为本发明方法的填补方法的方法流程示意图：本发明提供的这种包括了上述电力时序数据异常检测方法的填补方法，还包括如下步骤：

S7.若判定为异常数据，则采用如下算式计算得到的值val

式中val