基于低秩模型的电力能源大数据异常修正方法研究

2021-05-11马草原

自动化仪表 2021年3期

关键词：方法

马草原

(国网天津市电力公司,天津 300000)

0 引言

电力系统含有庞大的实时数据。这些数据与电力系统的安全运行有着密切联系，对电力系统的安全与可靠起到决定性作用。电力系统工作过程中需要产生和消耗大量电力能源，在正常工作的情况下依然会产生不良数据影响系统的决策，威胁整个电力系统的安全[1-3]。因此，利用专业技术检测出不良数据并修正，有助于保证电力系统的正常运行和电力能源的正常供给。

到目前为止，国内外学者对电力能源大数据的检测和修正作了很多理论与实际研究，总结出两种使用比较广泛的修正方法。一种是基于Spark框架的电网运行异常数据辨识与修正方法，通过聚类或神经网络等数据挖掘算法在大数据中提取出异常数据，在Spark框架下对其进行修正[4]。另一种是基于改进低秩矩阵补全的电网数据缺失值修正方法。这种方法主要根据一定的置信度水平设置阈值，结合概率论相关知识进行假设检验，然后通过改进低秩矩阵补全数据缺失值，实现异常修正[5]。

以上两种方法中存在因过多重复的搜索次数导致数据辨识异常，或将正常数据误判为不良数据的情况。针对这种情况，设计基于低秩模型的电力能源大数据异常修正方法，解决以往修正方法中存在的问题。