文 旭，王 浩，黄 刚，颜 伟，张爱枫，赵国富，刘高群，曾星星

(1．国家电网公司西南分部，成都 610041；2．重庆大学 输配电装备及系统安全与新技术国家重点实验室，重庆 400044；3．重庆电力交易中心有限公司, 重庆 400013)

高质量的监测数据对电网数字化发展具有重要现实意义[1]，然而量测系统中母线负荷数据存在的各类异常影响了电力系统状态估计[2]、负荷预测[3]等高级数字化应用。如何有效地辨识出母线负荷异常数据，提高数据质量一直是工程界和学术界关注的焦点[4]。

现有母线负荷异常数据辨识方法主要有3类：基于时间序列、基于聚类和基于时频域变换的方法。基于时间序列的方法以负荷数据时序变化规律为基础，通过B样条函数[5]、多项式[6]等基函数将样本中的部分节点拟合成一条光滑曲线；然后在该光滑曲线上下划定时序负荷数据的正常波动范围，将超出该范围的负荷数据辨识为异常数据。该类方法过分依赖序列的平滑特征，只对毛刺类异常较为有效。基于聚类的方法以负荷曲线簇为样本，首先应用k-均值聚类算法[7-8]、模糊C均值聚类算法[9-11]等聚类方法将负荷曲线归为几类；然后各自提取其典型负荷曲线；最后将待辨识的负荷曲线与各典型负荷曲线对比，根据二者差异的大小判断负荷曲线中是否含有异常数据。该类方法以欧氏距离或隶属度作为负荷曲线类别划分依据，忽略了负荷曲线的形状信息，可能导致曲线错误分类，进而影响异常数据辨识准确率。……