基于换流阀的数据处理方法、装置以及计算机设备

技术领域

本申请涉及数据分析技术领域，特别是涉及一种基于换流阀的数据处理方法、装置以及计算机设备。

背景技术

由于换流阀内部结构复杂，且包含较多元器件，因此，换流站在应用过程中会产生大量的热量，为保证了换流阀能够长期稳定进行运作，需要保证对换流阀进行及时有效的降温操作。

由于影响换流阀温度的因素较多，因此为保证有效获知换流阀的温度，可通过确定影响换流阀温度的因素分别对应的权重，进而根据各影响因素对应的权重以及各影响因素对应的数据确定换流阀的温度是否异常；现有技术中，需要人工对影响换流阀温度的因素进行逐步排查，进而确定每个影响因素对于换流阀温度的影响权重。

但是，现有技术中确定每个影响因素对于换流阀温度的影响权重的操作较为繁琐，需要消耗较长时间。

发明内容

基于此，有必要针对上述技术问题，提供一种能够快速确定每个影响因素对于换流阀温度的影响权重的基于换流阀的数据处理方法、装置以及计算机设备。

第一方面，本申请提供了一种基于换流阀的数据处理方法。该方法包括：

根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重；待预测数据集为与换流阀相互关联的设备在运行过程中所产生数据的集合；

根据初始权重和待预测数据集，确定预测换流阀温度数据；

确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，并根据偏差值，对初始权重进行调整，得到目标权重；目标权重用于预测换流阀是否存在温度异常。

在其中一个实施例中，根据偏差值，对初始权重进行调整，得到目标权重，包括：

确定待预测数据集与实际换流阀温度数据的相关类别；

基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

在其中一个实施例中，根据待预测数据集中各待预测数据间的距离，确定待预测数据集对应的正常区间范围，以及待预测数据集对应的邻域圆半径值；

基于正常区间范围对待预测数据集进行第一筛选，得到异常数据中的第一异常数据；

基于邻域圆半径值对待预测数据集进行第二筛选，得到异常数据中的第二异常数据。

在其中一个实施例中，基于邻域圆半径值对待预测数据集进行第二筛选，得到异常数据中的第二异常数据，包括：

将待预测数据集中的各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆；

基于各待预测数据对应的邻域圆内包含的待预测数据的数据量，确定各待预测数据是否为第二异常数据。

在其中一个实施例中，根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重，包括：

确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值；

基于异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值，确定待预测数据集与实际换流阀温度数据对应的初始权重。

在其中一个实施例中，确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，包括：

获取偏差初始值；

基于预先设定的迭代次数，根据异常数据和初始权重，对偏差初始值进行迭代更新，得到迭代更新后的偏差值。

第二方面，本申请还提供了一种基于换流阀的数据处理装置。该装置包括：

第一确定模块，用于根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重；待预测数据集为与换流阀相互关联的设备在运行过程中所产生数据的集合；

第二确定模块，用于根据初始权重和待预测数据集，确定预测换流阀温度数据；

第三确定模块，用于确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，并根据偏差值，对初始权重进行调整，得到目标权重；目标权重用于预测换流阀是否存在温度异常。

在其中一个实施例中，第三确定模块，还包括：

第一确定单元，用于确定待预测数据集与实际换流阀温度数据的相关类别；

调整单元，用于基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一方面任一实施例的基于换流阀的数据处理方法。

第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一实施例的基于换流阀的数据处理方法。

根据本申请的技术方案，通过获取待预测数据集中的异常数据，实现了对于初始权重的获取，保证了后续可以通过对初始权重进行调整从而得到目标权重，实现了为确定目标权重提供数据基础，保证了目标权重获取的准确性；通过确定预测换流阀温度，保证了后续能够根据实际换流阀温度数据确定偏差值，实现了后续对初始权重的调整操作顺利进行；通过偏差值对初始权重进行调整，保证了目标权重的准确性，让目标权重更加贴合实际情况，降低了确定目标权重所需要的操作难度，简化了确定目标权重的过程。

附图说明

图1为本申请实施例提供的一种基于换流阀的数据处理方法的应用环境图；

图2为本申请实施例提供的一种基于换流阀的数据处理方法的流程图；

图3为本申请实施例提供的一种确定目标权重的步骤流程图；

图4为本申请实施例提供的一种确定异常数据的步骤流程图；

图5为本申请实施例提供的一种确定初始权重的步骤流程图；

图6为本申请实施例提供的一种确定偏差值的步骤流程图；

图7为本申请实施例提供的另一种基于换流阀的数据处理方法的流程图；

图8为本申请实施例提供的第一种基于换流阀的数据处理装置的结构框图；

图9为本申请实施例提供的第二种基于换流阀的数据处理装置的结构框图；

图10为本申请实施例提供的第三种基于换流阀的数据处理装置的结构框图；

图11为本申请实施例提供的第四种基于换流阀的数据处理装置的结构框图；

图12为本申请实施例提供的第五种基于换流阀的数据处理装置的结构框图；

图13为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

由于换流阀由晶闸管、阻尼电容、均压电容、阻尼电阻、均压电阻、饱和电抗器、晶闸管控制单元等零部件组成。并且，换流阀由于内部结构复杂，所以在运行过程中会产生大量的热量，为保证了换流阀能够长期稳定进行运作，需要保证对换流阀进行及时有效的降温操作，主要的散热方法包括水循环冷却和环境冷却。

由于影响换流阀温度的因素较多，因此为保证有效获知换流阀的温度，可通过确定影响换流阀温度的因素分别对应的权重，进而根据各影响因素对应的权重以及各影响因素对应的数据确定换流阀的温度是否异常；但是，现有技术中，需要人工对影响换流阀温度的因素进行逐步排查，进而确定每个影响因素对于换流阀温度的影响权重。

但是，现有技术中，确定每个影响因素对于换流阀温度的影响权重的操作较为繁琐，需要消耗较长时间。

本申请实施例提供的基于换流阀的数据处理方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于换流阀的数据处理的获取数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于换流阀的数据处理方法。

本申请公开了基于换流阀的数据处理方法、装置以及计算机设备。工作人员的计算机根据待预测数据集中的异常数据，确定待预测数据集的初始权重；并根据初始权重和待预测数据集确定预测换流阀温度数据；根据预测换流阀温度数据和实际换流阀温度数据，对初始权重进行调整，得到目标权重。

在一个实施例中，如图2所示，图2为本申请实施例提供的一种基于换流阀的数据处理方法的流程图，提供了一种基于换流阀的数据处理方法，图1中的计算机设备执行的基于换流阀的数据处理方法可以包括以下步骤：

步骤201，根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重。

其中，待预测数据集为与换流阀相互关联的设备在运行过程中所产生数据的集合。

需要说明的是，可根据预先设定的筛选条件，对待预测数据集中的数据进行筛选，从而确定待预测数据集中的异常数据；其中，预先设定的筛选条件可以包括但不限于：正常数据属于预先设定待预测数据集对应的安全取值范围，正常数据不大于预先设定异常数据阈值，以及正常数据与其他数据的数据差小于预先设定的数据差阈值。综上数据，确定待预测数据集中的异常数据方法有很多，下面将对上述三种确定待预测数据集中的异常数据的方法进行详细说明：

作为一种实现方式，当需要确定待预测数据集中的异常数据时，预先确定待预测数据集对应的安全取值范围，根据待预测数据集对应的安全取值范围，判断待预测数据集中每一数据是否属于安全取值范围，若该数据属于待预测数据集对应的安全取值范围，则该数据即为正常数据；若该数据不属于待预测数据集对应的安全取值范围，则该数据即为异常数据。

作为一种实现方式，当需要确定待预测数据集中的异常数据时，预先确定异常数据阈值；根据异常数据阈值，判断待预测数据集中每一数据与异常数据阈值的大小关系，若该数据大于异常数据阈值，则该数据即为异常数据；若该数据小于或者等于异常数据阈值，则该数据即为正常数据。

作为一种实现方式，当需要确定待预测数据集中的异常数据时，预先确定数据差阈值，确定待预测数据集中每一数据相对于其他数据的数据差，判断该数据对应的数据差中是否存在某一数据差大于或等于数据差阈值，若该数据存在某一数据差大于或等于数据差阈值，则该数据即为异常数据；若该数据不存在某一数据差大于或等于数据差阈值，则该数据即为正常数据。

需要说明的是，初始权重用于体现该待预测数据集中异常数据对于换流阀温度的影响程度。因此，当需要确定待预测数据集对应的初始权重时，可通过确定待预测数据集对应的数据分布曲线，并且，获取实际换流阀温度数据对应的数据分布曲线，通过计算待预测数据集对应的数据分布曲线与实际换流阀温度数据对应的数据分布曲线的相似度，确定目标相似度；根据该目标相似度即可确定初始权重。

在本申请的一种实施例中，当通过目标相似度确定初始权重时；可根据工作人员的历史经验和实际情况，对目标相似度进行赋值处理，从而确定初始权重；举例说明，若根据目标相似度可知该待预测数据集与实际换流阀温度数据的相似度较高，则该待预测数据集对应的初始权重较高；若根据目标相似度可知该待预测数据集与实际换流阀温度数据的相似度较低，则该待预测数据集对应的初始权重较低。

步骤202，根据初始权重和待预测数据集，确定预测换流阀温度数据。

需要说明的是，由于初始权重用于体现该待预测数据集中异常数据对于换流阀温度的影响程度，进而可知，初始权重是通过实际换流阀温度数据和待预测数据集中的数据确定的；因此，可通过初始权重和待预测数据集中的数据推导出初始权重对应的预测换流阀温度数据；进一步说明，可通过预测换流阀温度数据与实际换流阀温度数据之间的差距，对初始权重的准确性进行判断。

在本申请的一种实施例中，当需要确定预测换流阀温度数据时，可通过获取待预测数据集中的异常数据，并根据初始权重确定异常数据与实际换流阀温度数据的对应关系；基于对应关系和异常数据，实现确定预测换流阀温度数据。

步骤203，确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，并根据偏差值，对初始权重进行调整，得到目标权重。

其中，目标权重用于预测换流阀是否存在温度异常。

需要说明的是，当需要对初始权重进行调整时，可根据偏差值确定初始权重与目标权重之间的差异；根据差异对初始权重进行调整，从而得到目标权重；进一步说明，若偏差值较大，则表示初始权重与目标权重之间的差异较大，则需要对初始权重进行较大调整；若偏差值较小，则表示初始权重与目标权重之间的差异较小，则需要对初始权重进行较小调整。

进一步说明，偏差值可以包括正偏差值和负偏差值；其中，正偏差值表示待预测数据集与实际换流阀温度数据之间为正相关关系；负偏差值表示待预测数据集与实际换流阀温度数据之间为负相关关系。其中，正相关关系指的是待预测数据集的异常数据越大，则实际换流阀温度数据越高；待预测数据集的异常数据越小，则实际换流阀温度数据越低；负相关关系指的是待预测数据集的异常数据越大，则实际换流阀温度数据越低；待预测数据集的异常数据越小，则实际换流阀温度数据越高。

根据本申请的基于换流阀的数据处理方法，通过获取待预测数据集中的异常数据，实现了对于初始权重的获取，保证了后续可以通过对初始权重进行调整从而得到目标权重，实现了为确定目标权重提供数据基础，保证了目标权重获取的准确性；通过确定预测换流阀温度，保证了后续能够根据实际换流阀温度数据确定偏差值，实现了后续对初始权重的调整操作顺利进行；通过偏差值对初始权重进行调整，保证了目标权重的准确性，让目标权重更加贴合实际情况，降低了确定目标权重所需要的操作难度，简化了确定目标权重的过程。

需要说明的是，可通过待预测数据集与实际换流阀温度数据的相关类别，对初始权重进行调整，得到目标权重。可选地，如图3所示，图3为本申请实施例提供的一种确定目标权重的步骤流程图；具体的，确定目标权重可以包括以下步骤：

步骤301，确定待预测数据集与实际换流阀温度数据的相关类别。

其中，相关类别可以包括：正相关、负相关和不相关；进一步说明，若相关类别为正相关，则表示待预测数据集的异常数据越大，则实际换流阀温度数据越高；待预测数据集的异常数据越小，则实际换流阀温度数据越低；若相关类别为负相关，则表示待预测数据集的异常数据越大，则实际换流阀温度数据越低；待预测数据集的异常数据越小，则实际换流阀温度数据越高；若相关类别为不相关，则表示待预测数据集与实际换流阀温度数据之间不存在对应关系。

需要说明的是，可根据待预测数据集的数据分布曲线和实际换流阀温度数据的数据分布曲线，确定待预测数据集与实际换流阀温度数据的相关类别；具体的：若待预测数据集的数据分布曲线呈上升趋势时，实际换流阀温度数据的数据分布曲线也呈上升趋势；并且，若待预测数据集的数据分布曲线呈下降趋势时，实际换流阀温度数据的数据分布曲线也呈下降趋势，则待预测数据集与实际换流阀温度数据的相关类别为正相关；若待预测数据集的数据分布曲线呈上升趋势时，实际换流阀温度数据的数据分布曲线呈下降趋势；并且，若待预测数据集的数据分布曲线呈下降趋势时，实际换流阀温度数据的数据分布曲线呈上升趋势，则待预测数据集与实际换流阀温度数据的相关类别为负相关；若待预测数据集的数据分布曲线呈上升趋势时，实际换流阀温度数据的数据分布曲线呈平稳趋势；和/或，若待预测数据集的数据分布曲线呈下降趋势时，实际换流阀温度数据的数据分布曲线呈平稳趋势，则待预测数据集与实际换流阀温度数据的相关类别为不相关。

步骤302，基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

需要说明的是，通过将相关类型、初始权重和偏差值输入至预测模型，并且，根据均方误差计算公式(1)，通过不断调整初始权重和偏差，使得均方误差计算公式(1)的结果最小；进一步的，当均方误差值最小时，可确定预测换流阀温度数据与实际换流阀温度数据的偏差较小；且当均方误差值最小时对应的权重即为目标权重。

均方误差计算公式如下式所示：

其中，w指的是初始权重；x为输入数据对应的X轴取值；b为实际换流阀温度数据与预测换流阀温度数据之间的偏差值；N为输入数据的总量；y为输入数据对应的Y轴取值。

进一步说明，可通过设置若干换流阀温度异常样本数据输入至预测模型进行训练，使得预测模型能够根据换流阀的异常温度确定换流阀的温度异常原因；其中，换流阀温度异常样本数据至少包括但不限于：换流阀温度、换流阀温度异常原因和换流阀温度变化曲线等。

根据本申请的基于换流阀的数据处理方法，通过确定的该相关类别，保证了为后续对初始权重进行调整提供了调整方向，保证了确定目标权重的准确性，使得目标权重能够准确体现待预测数据集与实际换流阀温度数据的关系；通过预测模型，实现对于目标权重的快速确定，提高了确定目标权重的效率，进一步保证了确定目标权重的准确性。

需要说明的是，可通过对待预测数据集进行第一筛选和第二筛选，确定异常数据。可选地，如图4所示，图4为本申请实施例提供的一种确定异常数据的步骤流程图；具体的，确定异常数据可以包括以下步骤：

步骤401，根据待预测数据集中各待预测数据间的距离，确定待预测数据集对应的正常区间范围，以及待预测数据集对应的邻域圆半径值。

需要说明的是，正常区间范围的确定可根据待预测数据集对应的是数据分布情况进行确定，进一步说明，可将待预测数据集中数据分布较为集中的区域确定为正常区间范围；相对的，将待预测数据集中数据分布较为分散的区域确定为异常区间范围。

在本申请的一种实施例中，可通过knn(K Nearest Neighbors，K近邻算法)算法对待预测数据集进行计算，确定待预测数据集对应的数据上界限和数据下界限；数据上界限和数据下界限之间的区域即为正常区间范围。

需要说明的是，待预测数据集对应的邻域圆半径值可根据待预测数据集的数据分布情况进行确定；若待预测数据集的数据分布较为分散，则邻域圆半径值可相对较大；若待预测数据集的数据分布较为集中，则邻域圆半径值可相对较小；进一步说明，待预测数据集对应的邻域圆半径值的选取可根据工作人员的历史经验进行判断，在此不对邻域圆半径值的选取进行限定。

步骤402，基于正常区间范围对待预测数据集进行第一筛选，得到异常数据中的第一异常数据。

在本申请的一种实施例中，当需要对待预测数据集进行第一筛选时，可通过判断待预测数据集中的每一数据是否位于正常区间范围内，若该数据位于正常区间范围内，该数据即为正常数据；若该数据不位于正常区间范围内，则该数据即为异常数据中的第一异常数据。

步骤403，基于邻域圆半径值对待预测数据集进行第二筛选，得到异常数据中的第二异常数据。

需要说明的是，当对待预测数据集进行第二筛选时，将待预测数据集中的各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆；基于各待预测数据对应的邻域圆内包含的待预测数据的数据量，确定各待预测数据是否为第二异常数据。

在本申请的一种实施例中，可预先设定邻域圆内包含的待预测数据的数量阈值，若邻域圆内包含的待预测数据的数据量大于或者等于数量阈值，则表示作为该领域圆圆心的待预测数据为异常数据；若邻域圆内包含的待预测数据的数据量小于数量阈值，则表示作为该领域圆圆心的待预测数据为正常数据。举例说明，若预先设定数量阈值为6个，假设待预测数据集中各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆；其中，三个邻域圆内分别包含的待预测数据的数据量为10个、5个和3个；根据数量阈值可知，包含的待预测数据的数据量为10个的领域圆的圆心即为异常数据。

根据本申请的基于换流阀的数据处理方法，通过确定待预测数据集对应的异常数据，保证了后续初始权重的确定，为确定的该初始权重提供的数据基础，保证了初始权重更加贴合待预测数据集的实际情况，并且通过第一筛选和第二筛选，保证了异常数据确定的准确性。

需要说明的是，可通过异常数据对应的离散程度和期望值，确定初始权重。可选地，如图5所示，图5为本申请实施例提供的一种确定初始权重的步骤流程图；具体的，确定初始权重可以包括以下步骤：

步骤501，确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值。

需要说明的是，当需要确定异常数据对应的离散程度和实际换流阀温度数据对应的离散程度；可通过确定异常数据和实际换流阀温度数据的方差、极差、标准差和平均差等，从而实现异常数据对应的离散程度和实际换流阀温度数据对应的离散程度的确定。

需要说明的是，当需要确定异常数据对应的期望值和实际换流阀温度数据对应的期望值时，可通过将异常数据和实际换流阀温度数据代入标准差计算公式，实现异常数据对应的期望值和实际换流阀温度数据对应的期望值的确定。

步骤502，基于异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值，确定待预测数据集与实际换流阀温度数据对应的初始权重。

需要说明的是，可通过确定待预测数据集中异常数据与实际换流阀温度数据相似度，从而实现根据相似度，确定初始权重；进一步说明，可根据异常数据对应的期望值、实际换流阀温度数据对应的期望值、异常数据和实际换流阀温度数据确定异常数据与实际换流阀温度数据对应协方差；根据异常数据对应的离散程度、实际换流阀温度数据对应的离散程度、异常数据和实际换流阀温度数据确定异常数据与实际换流阀温度数据对应的标准差。

可通过将异常数据与实际换流阀温度数据对应的标准差和异常数据与实际换流阀温度数据对应协方差代入皮尔森相关性计算公式(2)；实现确定待预测数据集中异常数据与实际换流阀温度数据相似度。

其中，皮尔森相关性计算公式(2)如下式所示：

其中，ρX，Y指的是输入的异常数据与实际换流阀温度数据对应的相似度；cov(X，Y)指的是输入的异常数据与实际换流阀温度数据对应协方差；σXσY指的是输入的异常数据与实际换流阀温度数据对应的标准差；X、Y分别指的是异常数据与实际换流阀温度数据；μX指的是异常数据对应的均值；μY指的是实际换流阀温度数据对应的均值。

根据本申请的基于换流阀的数据处理方法，通过确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值；实现了对于初始权重的获取，保证了初始权重更加贴合待预测数据集的实际情况；提高了后续基于初始权重确定目标权重的准确性。

需要说明的是，可通过偏差初始值，得到更新后的偏差值。可选地，如图6所示，图6为本申请实施例提供的一种确定偏差值的步骤流程图；具体的，确定偏差值可以包括以下步骤：

步骤601，获取偏差初始值。

需要说明的是，偏差初始值的获取可根据工作人员的经验以及历史数据进行判断，可理解为，偏差初始值的设定需要满足符合实际情况的需求，以保证后续确定偏差值的准确性，在此不对偏差初始值的获取方法进行限定。

步骤602，基于预先设定的迭代次数，根据异常数据和初始权重，对偏差初始值进行迭代更新，得到迭代更新后的偏差值。

在本申请的一种实施例中，当需要得到偏差值时，可通过获取多组待预测数据集及其对应的初始权重；并将多组待预测数据集中某一异常数据及其对应的初始权重和偏差初始值代入偏差值计算公式(3)；偏差值计算公式(3)的输出结果，即为更新一次后的偏差值；当需要对偏差初始值进行迭代处理时，可将更新一次后的偏差值作为新的偏差初始值，并将多组待预测数据集中某一异常数据及其对应的初始权重和新的偏差初始值重新代入偏差值计算公式(3)，从而实现对于偏差值的迭代更新。

进一步说明，对偏差值的迭代更新次数可根据工作人员的历史经验和实际需求进行判定。

其中，偏差值计算公式(3)如下式所示：

b

需要说明的是，b

根据本申请的基于换流阀的数据处理方法，通过获取偏差初始值，并对偏差初始值进行迭代更新，保证了更新后偏差值的准确性，为后续对初始权重进行调整提供的数据基础，保证了后续目标权重确定的准确性。

在本申请的一种实施例中，如图7所示，图7为本申请实施例提供的另一种基于换流阀的数据处理方法的流程图，当对换流阀的数据进行处理时：

步骤701，根据待预测数据集中各待预测数据间的距离，确定待预测数据集对应的正常区间范围，以及待预测数据集对应的邻域圆半径值。

步骤702，基于正常区间范围对待预测数据集进行第一筛选，得到异常数据中的第一异常数据。

步骤703，将待预测数据集中的各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆。

步骤704，基于各待预测数据对应的邻域圆内包含的待预测数据的数据量，确定各待预测数据是否为第二异常数据。

步骤705，确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值。

步骤706，基于异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值，确定待预测数据集与实际换流阀温度数据对应的初始权重。

步骤707，根据初始权重和待预测数据集，确定预测换流阀温度数据。

步骤708，获取偏差初始值。

步骤709，基于预先设定的迭代次数，根据异常数据和初始权重，对偏差初始值进行迭代更新，得到迭代更新后的偏差值。

步骤710，确定待预测数据集与实际换流阀温度数据的相关类别。

步骤711，基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

根据本申请的基于换流阀的数据处理方法，通过获取待预测数据集中的异常数据，实现了对于初始权重的获取，保证了后续可以通过对初始权重进行调整从而得到目标权重，实现了为确定目标权重提供数据基础，保证了目标权重获取的准确性；通过确定预测换流阀温度，保证了后续能够根据实际换流阀温度数据确定偏差值，实现了后续对初始权重的调整操作顺利进行；通过偏差值对初始权重进行调整，保证了目标权重的准确性，让目标权重更加贴合实际情况，降低了确定目标权重所需要的操作难度，简化了确定目标权重的过程。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于换流阀的数据处理方法的基于换流阀的数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于换流阀的数据处理装置实施例中的具体限定可以参见上文中对于基于换流阀的数据处理方法的限定，在此不再赘述。

在一个实施例中，如图8所示，图8为本申请实施例提供的第一种基于换流阀的数据处理装置的结构框图，提供了一种基于换流阀的数据处理装置，包括：第一确定模块10、第二确定模块20和第三确定模块30，其中：

第一确定模块10，用于根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重；待预测数据集为与换流阀相互关联的设备在运行过程中所产生数据的集合。

第二确定模块20，用于根据初始权重和待预测数据集，确定预测换流阀温度数据。

第三确定模块30，用于确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，并根据偏差值，对初始权重进行调整，得到目标权重；目标权重用于预测换流阀是否存在温度异常。

根据本申请的基于换流阀的数据处理装置，通过获取待预测数据集中的异常数据，实现了对于初始权重的获取，保证了后续可以通过对初始权重进行调整从而得到目标权重，实现了为确定目标权重提供数据基础，保证了目标权重获取的准确性；通过确定预测换流阀温度，保证了后续能够根据实际换流阀温度数据确定偏差值，实现了后续对初始权重的调整操作顺利进行；通过偏差值对初始权重进行调整，保证了目标权重的准确性，让目标权重更加贴合实际情况，降低了确定目标权重所需要的操作难度，简化了确定目标权重的过程。

在一个实施例中，如图9所示，图9为本申请实施例提供的第二种基于换流阀的数据处理装置的结构框图，提供了一种基于换流阀的数据处理装置，该基于换流阀的数据处理装置中第三确定模块30包括：第一确定单元31和调整单元32，其中：

第一确定单元31，用于确定待预测数据集与实际换流阀温度数据的相关类别。

调整单元32，用于基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

根据本申请的基于换流阀的数据处理装置，通过确定的该相关类别，保证了为后续对初始权重进行调整提供了调整方向，保证了确定目标权重的准确性，使得目标权重能够准确体现待预测数据集与实际换流阀温度数据的关系；通过预测模型，实现对于目标权重的快速确定，提高了确定目标权重的效率，进一步保证了确定目标权重的准确性。

在一个实施例中，如图10所示，图10为本申请实施例提供的第三种基于换流阀的数据处理装置的结构框图，提供了一种基于换流阀的数据处理装置，该基于换流阀的数据处理装置中还包括：第四确定模块40、第五确定模块50和第六确定模块60，其中：

第四确定模块40，用于根据待预测数据集中各待预测数据间的距离，确定待预测数据集对应的正常区间范围，以及待预测数据集对应的邻域圆半径值。

第五确定模块50，用于基于正常区间范围对待预测数据集进行第一筛选，得到异常数据中的第一异常数据。

第六确定模块60，用于基于邻域圆半径值对待预测数据集进行第二筛选，得到异常数据中的第二异常数据。

需要说明的是，将待预测数据集中的各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆；基于各待预测数据对应的邻域圆内包含的待预测数据的数据量，确定各待预测数据是否为第二异常数据。

根据本申请的基于换流阀的数据处理装置，通过确定待预测数据集对应的异常数据，保证了后续初始权重的确定，为确定的该初始权重提供的数据基础，保证了初始权重更加贴合待预测数据集的实际情况，并且通过第一筛选和第二筛选，保证了异常数据确定的准确性。

在一个实施例中，如图11所示，图11为本申请实施例提供的第四种基于换流阀的数据处理装置的结构框图，提供了一种基于换流阀的数据处理装置，该基于换流阀的数据处理装置中第一确定模块10包括：第二确定单元11和第三确定单元12，其中：

第二确定单元11，用于确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值。

第三确定单元12，用于基于异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值，确定待预测数据集与实际换流阀温度数据对应的初始权重。

根据本申请的基于换流阀的数据处理装置，通过确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值；实现了对于初始权重的获取，保证了初始权重更加贴合待预测数据集的实际情况；提高了后续基于初始权重确定目标权重的准确性。

在一个实施例中，如图12所示，图12为本申请实施例提供的第五种基于换流阀的数据处理装置的结构框图，提供了一种基于换流阀的数据处理装置，该基于换流阀的数据处理装置中第三确定模块30包括：获取单元33和更新单元34，其中：

获取单元33，用于获取偏差初始值。

更新单元34，用于基于预先设定的迭代次数，根据异常数据和初始权重，对偏差初始值进行迭代更新，得到迭代更新后的偏差值。

根据本申请的基于换流阀的数据处理装置，通过获取偏差初始值，并对偏差初始值进行迭代更新，保证了更新后偏差值的准确性，为后续对初始权重进行调整提供的数据基础，保证了后续目标权重确定的准确性。

上述基于换流阀的数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图13所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于换流阀的数据处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重；待预测数据集为与换流阀相互关联的设备在运行过程中所产生数据的集合；

根据初始权重和待预测数据集，确定预测换流阀温度数据；

确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，并根据偏差值，对初始权重进行调整，得到目标权重；目标权重用于预测换流阀是否存在温度异常。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

确定待预测数据集与实际换流阀温度数据的相关类别；

基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据待预测数据集中各待预测数据间的距离，确定待预测数据集对应的正常区间范围，以及待预测数据集对应的邻域圆半径值；

基于正常区间范围对待预测数据集进行第一筛选，得到异常数据中的第一异常数据；

基于邻域圆半径值对待预测数据集进行第二筛选，得到异常数据中的第二异常数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将待预测数据集中的各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆；

基于各待预测数据对应的邻域圆内包含的待预测数据的数据量，确定各待预测数据是否为第二异常数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值；

基于异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值，确定待预测数据集与实际换流阀温度数据对应的初始权重。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取偏差初始值；

基于预先设定的迭代次数，根据异常数据和初始权重，对偏差初始值进行迭代更新，得到迭代更新后的偏差值。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据待预测数据集中的异常数据，确定待预测数据集相对于实际换流阀温度数据的初始权重；待预测数据集为与换流阀相互关联的设备在运行过程中所产生数据的集合；

根据初始权重和待预测数据集，确定预测换流阀温度数据；

确定实际换流阀温度数据与预测换流阀温度数据之间的偏差值，并根据偏差值，对初始权重进行调整，得到目标权重；目标权重用于预测换流阀是否存在温度异常。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

确定待预测数据集与实际换流阀温度数据的相关类别；

基于预测模型，根据相关类别和偏差值，对初始权重进行调整，得到目标权重。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据待预测数据集中各待预测数据间的距离，确定待预测数据集对应的正常区间范围，以及待预测数据集对应的邻域圆半径值；

基于正常区间范围对待预测数据集进行第一筛选，得到异常数据中的第一异常数据；

基于邻域圆半径值对待预测数据集进行第二筛选，得到异常数据中的第二异常数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将待预测数据集中的各待预测数据作为邻域圆圆心，根据邻域圆圆心和邻域圆半径值确定各待预测数据对应的邻域圆；

基于各待预测数据对应的邻域圆内包含的待预测数据的数据量，确定各待预测数据是否为第二异常数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

确定异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值；

基于异常数据对应的离散程度和期望值，以及实际换流阀温度数据对应的离散程度和期望值，确定待预测数据集与实际换流阀温度数据对应的初始权重。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取偏差初始值；

基于预先设定的迭代次数，根据异常数据和初始权重，对偏差初始值进行迭代更新，得到迭代更新后的偏差值。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。