李绍坚，韦明超，甘静，王国汪，莫江婷

(广西电网有限责任公司南宁供电局，广西 南宁 530001 )

0 引 言

随着智能电网建设的不断深度，电力系统的全面感知和智能量测，为电网安全、稳定和经济运行提供了坚强的信息支持。电网多源数据融合已成为基于大数据分析的电网态势感知和状态辨识的基础。电网电压检测和谐波监测等都是提升电网电能质量的关键。尽管采集技术日新月异，但时常会因为传感器、传输设备和转换设备等故障造成部分采集信号的丢失；又或者是在数据传播过程中由于干扰而导致的数据丢失[1]。由于电网数据采集的时序性，当数据冗余不足时，对电压缺失数据的分析得到的结论将与实际正确值有较大的偏差。因此，如何对缺失的数据进行准确有效的修复，恢复采集数据的原貌，是多源数据融合过程中非常重要的问题。

当前，针对数据缺失和填补算法的较多，文献[2]利用一系列线性和非线性回归模型对缺失值进行填补。文献[3]在KNN 算法的基础上,提出结合机器学习和数据挖掘的优势，进行数据集的异常点检测和填补，进一步提高填补的精度。数据填补算法得到了越来越多研究者的青睐。针对电网数据补全的研究也得到了部分研究人员的广泛关注，正在开展研究。文献[4-5] 分别采用插值法和、k 最邻近法等拟合算法对电网数据中缺失较少且数值变化幅度平缓的情况进行处理。结果表明，以上方法获得了较高的数据填补结果。……