朱江峰 单林森 黄建杨

摘 要：为了减少配网设备运行大数据在采集以及传输的过程中容易发生的丢失或者损坏，保证配网设备运行检修工作质量，提高整个电网的安全稳定性。本文结合了不完整信息系统原理、近邻传播聚类原理以及遗传优化算法原理，提出了一种面向配网设备运行状态的遗传聚类数据修复方法，充分有效的对大规模、复杂、不完整的配网设备运行参数进行分析以及修复。通过对实际配电变压器设备运行状态参数数据进行验证，结果表明所提出的方法有效的分析和修复了配电变压器设备运行状态参数数据，具有实际应用价值。

关键词：配网设备；运行参数；近邻传播聚类；遗传优化；数据修复

随着当代电力科学的迅速发展，电力行业的配电变压器设备运行状态参数正以前所未有的速度增长，配电变压器设备运行状态参数处于大数据时代。配网信息的大数据在采集以及传输的过程中都容易发生丢失或者损坏，导致配网设备运行检修工作质量下降，从而影响整个电网的工作质量。因此，针对配电变压器设备的不完整运行状态参数进行模式挖掘与填充修复的相关研究，有助于配电大数据信息的有效利用，对将强、健康智能电网的建设有着重要意义[ 1 ]。

传统数据填充方法没有充分考虑到数据对象之间的相关性，这就会导致填充的精度严重降低，如基于马氏距离的缺失值的填充算法、基于贝叶斯网络的缺失数据填充算法、决策树算法中属性缺失值的研究等[ 2-4 ]。……