CN119415504A 一种考虑时空特征的配电网运行数据质量提升方法及系统 （华北电力科学研究院有限责任公司）

一种考虑时空特征的配电网运行数据质量本发明涉及新型配电网运行数据检测技术进DBSCAN聚类算法对运行数据进行异常数据检2采用改进DBSCAN聚类算法对运行数据进行异常获取历史时间段配电网运行数据并进行预处理，利用VMD算法提取出多个本征模态函获取数据源量测装置台区的所有装置的空间位置，结合各量测利用对应时刻的电量预测数据对待检测时间段的异常数据2.如权利要求1所述的一种考虑时空特征的配电网运行数据质量提升方法，其特征在选取一个未被访问的运行数据集p(t)中的样本点pi，检查其设定邻域范围3.如权利要求1所述的一种考虑时空特征的配电网运行数据质量提升方法，其特征在4.如权利要求1所述的一种考虑时空特征的配电网运行数据质量提升方法，其特征在5.如权利要求4所述的一种考虑时空特征的配电网运行数据质量提升方法，其特征在36.如权利要求1所述的一种考虑时空特征的配电网运行数据质量提升方法，其特征在和l4分别表示当前量测装置与每一个临近量测装置之间的线路距离；pA7.如权利要求1所述的一种考虑时空特征的配电网运行数据质量提升方法，其特征在空间特征预测模块，用于获取数据源量测装时空预测模块，用于基于时间特征预测值和空间特异常数据替换模块，用于利用对应时刻的电量预测数据对待端设备的处理器加载并执行权利要求1_7任一项所述的考虑时空特征的配电网运行数据质4[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技方法及系统，通过采用改进的基于密度的聚类算法(DBSCAN)对运行数据进行异常数据检5测；采用了基于变分模态分解(VMD)特征提取和混合神经网络的超短期预测方法来获取数[0014]获取历史时间段配电网运行数据并进行预处理，利用VMD算法提取出多个本征模[0022]对每一组特征向量ai进行VMD分解后都能得到t个长度为τ的子序列，分别命名为6和l4分别表示当前量测装置与每一个临近量测装置之间的线路距[0039]异常数据检测模块，用于采用改进DBSCAN聚类算法对运行数据进行异常数据检理器加载并执行上述的考虑时空特征的配电网运行数据质量[0049](1)本发明采用改进DBSCAN聚类算法对运行数据进行异常数据检测，通过调整输[0050](2)本发明时间预测模型将卷积神经网络CNN与双向长短7[0052](4)本发明采用VMD提取出时序数据特征，经过时间预测模型计算时间特征预测89prepreprepre[0094]对每一组特征向量ai进行VMD分解后都能到到t个长度为τ的子序列，分别命名为[0098](1)CNN层：首先通过卷积神经网络(CNN)对输入数据集F(F是所有Fi的集合)进行[0099]a'=g(a"gw'+b')例直接在卷积层后加入双向长短期记忆网络(B[0107]得到正向隐藏状态矩阵为其中Nm是CNN输出的特征序列长Y,)(9)B于VMD特征提取和CNN_BiLSTM混合神经网络的超短期预测方法来获取数据的时间特征预测[0131]异常数据检测模块，用于采用改进DBSCAN聚类算法对运行数据进行异常数据检需要付出创造性劳动即可做出的各种