黄福兴 周广山 郑宽昀 冯泽佳 袁培森

摘要： 提出了一种基于灰度模型的电能量异常数据修复方法， 以经过识别的正常历史电能量数据作为输入变量， 以异常点所处的时间节点电能量数据作为输出变量， 经过一次累加， 级比检验， 求解预测方程得到预测值， 动态地对电能量数据进行迭代预测， 最终对预测值进行精度检验， 预测的平均相对残差为2.182%，根据结果对原始数据进行修改， 从而达到修复电能量异常数据的目的. 以某区域实际电能量数据进行模型预测修复， 并对结果以及误差进行分析， 验证了该方法的可行性.

关键词： 电能量; 异常数据; 灰度模型; 数据修复

中图分类号： TP391 文献标志码： A DOI： 10.3969/j.issn.1000-5641.201921016

0 引言

随着智能化、数字化、信息化电网的全面建设， 电网数据量呈几何级数增长[1]， 电力行业步入大数据时代[2]. 与此同时， 电力用户对电量数据的质量要求相应提高. 电力网络中信息系统与物理系统的深度融合， 导致现代电力系统易受异常数据的影响[3]. 由于电能计量装置运行过程中， 不可避免受到各种因素的影响， 电网系统及其采集系统中会出现电能计量装置故障、配电网异常、计量装置接线错误以及采集系统档案数据错误等问题， 这些问题将影响电网的安全稳定运行和用电数据的准确采集[4]. 因此， 对各类异常数据进行及时的检测和修复是提高电量数据质量的重要措施.

大数据是信息时代的重要产物， 在智能电网运用中融入大数……