CN114764535A - 用于仿真的电力数据处理方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了用于仿真的电力数据处理方法、装置、设备及存储介质，该方法包括：采集来自不同数据源的电力数据，并对电力数据进行分类，获得多个不同数据类型的电力数据集合，分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合，对各正常数据集合进行精筛选，以从正常数据集合中筛选出异常数据、加入至与正常数据集合属于同一数据类型的异常数据集合中，分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，仿真数据集合用于配电网的仿真计算，减轻人工修正电力数据的劳动量，可以高效处理数据缺失、数据失准以及数据冗余等问题，提高仿真数据的真实性与可靠性。

Description

用于仿真的电力数据处理方法、装置、设备及存储介质

技术领域

本发明涉及数据处理的技术领域，尤其涉及用于仿真的电力数据处理方法、装置、设备及存储介质。

背景技术

在配电网的仿真计算中，需要用到大量来自不同系统的电力数据。在配电网相关系统采集电力数据时，由于通信阻滞、采集装置故障、用户维护等问题，往往存在电力数据缺失或错误等情况，若不加以处理而直接使用这些原始的电力数据，将造成仿真计算无法收敛，导致供电质量分析失败。

发明内容

本发明提供了用于仿真的电力数据处理方法、装置、设备及存储介质，以解决用于仿真的电力数据来自不同的电力系统，存在缺失或错误导致仿真失败的问题。

根据本发明的一方面，提供了一种用于仿真的电力数据处理方法，所述方法包括：

采集来自不同数据源的电力数据，并对所述电力数据进行分类，获得多个不同数据类型的电力数据集合；

分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合；

对各所述正常数据集合进行精筛选，以从所述正常数据集合中筛选出异常数据、加入至与所述正常数据集合属于同一数据类型的异常数据集合中；

分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，所述仿真数据集合用于配电网的仿真计算。

根据本发明的一方面，提供了一种用于仿真的电力数据处理装置，所述装置包括：

电力数据集合确定模块，用于采集来自不同数据源的电力数据，并对所述电力数据进行分类，获得多个不同数据类型的电力数据集合；

粗筛选模块，用于分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合；

精筛选模块，用于对各所述正常数据集合进行精筛选，以从所述正常数据集合中筛选出异常数据、加入至与所述正常数据集合属于同一数据类型的异常数据集合中；

修正模块，用于分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，所述仿真数据集合用于配电网的仿真计算。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种用于仿真的电力数据处理方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种用于仿真的电力数据处理方法。

本发明实施例的技术方案提供了一种用于仿真的电力数据处理方法，该方法包括：采集来自不同数据源的电力数据，并对电力数据进行分类，获得多个不同数据类型的电力数据集合，分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合，筛选出不存在关联关系以及存在违背电学原理的异常数据，对各正常数据集合进行精筛选，以从正常数据集合中筛选出异常数据、加入至与正常数据集合属于同一数据类型的异常数据集合中，可以确定出正常数据集合中存在电学逻辑错误的异常数据，分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，仿真数据集合用于配电网的仿真计算，通过粗筛选和精筛选对电力数据进行双重过滤，最后对异常数据进行修正，得到满足配电网仿真要求的数据集合，可以减轻人工对来自不同数据源的电力数据进行修正的工作量，高效处理数据缺失、数据失准以及数据冗余等问题，提高仿真数据的真实性与可靠性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种用于仿真的电力数据处理方法的流程图；

图2是根据本发明实施例一提供的一种用于仿真的电力数据的处理流程示意图；

图3是根据本发明实施例二提供的一种用于仿真的电力数据处理装置的结构示意图；

图4是实现本发明实施例的一种用于仿真的电力数据处理方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供了一种用于仿真的电力数据处理方法的流程图。

在10kV配电网仿真计算范畴中，主要的仿真对象是10kV线路和配变，数据来源众多、结构各异。其所涉及的数据源端系统有计量自动化系统、调度自动化系统(含配电自动化)、电网GIS系统、安全生产管理系统、电压监测系统等系统，所囊括的数据有用户编号、用户名称、计量方式、产权性质、线路和配变名称、线路和配变参数、设备编号、拓扑连接关系、地理坐标、实时电气量(电压、电流、有功功率、无功功率、功率因数等)和非电气量(温湿度、天气等)，以及巡视情况、检修情况、停电事件、投诉事件等。

各电力系统中主要存在的数据问题有如下几类：

1)数据缺失：包括但不限于，用户编号、配变名称、设备编号等信息缺失，导致不同系统间数据无法关联匹配；线路或配变参数缺失，导致阻抗计算结果不准确；电压、电流、相位等电气量数据缺失，导致缺失时间点的仿真计算无法收敛等；

2)数据失准：包括但不限于，数据颗粒度不同，如计量自动化系统中表计数据为15分钟/点(96点/天)，而配电自动化系统中开关的测量数据为5分钟/点(288点/天)；电压数据与相应的电压等级不匹配；某相电压出现过高或过低的数据(差值超过额定值的30％，其他相未发生明显变化)；配变出现异常过载(负载率达到200％以上)；单相或多相数据为负值等；

3)数据冗余：包括但不限于，同一配变有多套计量数据，主要来自于计量自动化系统中主表、副表和参考表的设置；1个用户编号对应多个配变名称；1个配变名称对应多个用户编号，均需要人工判断；

4)制式问题：包括但不限于，部分数据制式未统一，如非整点时刻(15分钟或1小时)、非数字型、单位错误、未进行变比换算等。

针对上述数据质量问题，本实施例提供的用于仿真的电力数据处理方法可以对异常数据进行剔除或用估算值替代，对缺失的数据进行自动化补全，替代人工判断识别，尽可能真实反映系统运行情况，使得在进行电力仿真时可以对数据分析更加有效。

该方法可以由一种用于仿真的电力数据处理装置来执行，该用于仿真的电力数据处理装置可以采用硬件和/或软件的形式实现。

如图1所示，该方法包括如下步骤：

S110，采集来自不同数据源的电力数据，并对电力数据进行分类，获得多个不同数据类型的电力数据集合。

在进行不同数据源的电力数据的采集时，可以按照指定的时间长度进行采集，例如以月为单位或者以季度为单位进行采集。

采集到来自不同数据源的电力数据后可以上传到数据库中进行存储。在数据库中，可以根据不同的数据源进行分类获得多个数据集，例如计量自动化系统数据集、调度自动化系统数据集(含配电自动化)、电网地理信息系统数据集等。

在每个不同数据源的数据集中，可以对数据按照数据类型进行分类，得到不同数据类型的电力数据集合。其中，数据类型可以为身份信息类、静态参数类、动态运行类和事件类。示例性地，在计量自动化系统数据集中的用户名称、用户编号、计量点编号、产权归属(公用或专用)、负荷性质(一类、二类或三类负荷)等数据属于身份信息类数据。CT变比(电流互感器两侧转化电流之间的比)、PT变比(电压互感器两侧电压之间的比)、容量等属于静态参数类数据。配变总表的电压、电流、有功功率、无功功率、功率因数等属于动态运行类数据。在具体实现中，本实施例旨在修正的是身份信息类、静态参数类和动态运行类数据，事件类数据仅作为辅助参考。

S120，分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合。

对于各电力数据集合中的电力数据，可以先进行粗筛选以快速将存在明显异常的数据进行确定，示例性的，明显异常的数据可以指数据缺失、单位错误等数据。将各电力数据集合划分成各自对应的正常数据集合以及异常数据集合，以将电力数据集合中的正常数据存储至对应的正常数据集合中，将电力数据集合中的异常数据存储至对应的异常数据集合中。需要注意的是，由于该步骤完成的只是粗筛选，筛选出来的正常数据集合中的正常数据并不代表全部可用于最后的仿真计算，还需进行进一步筛选以确保使用数据时的有效性。

在一种实施例中，S120包括如下步骤：

S120-1，针对各电力数据集合，判断各电力数据集合中的电力数据是否存在关联关系；

S120-2，将判定为不存在关联关系的电力数据确定为异常数据，并将异常数据存储至与当前电力数据集合对应的异常数据集合中；

S120-3，将判定为存在关联关系的电力数据确定为正常数据，并将正常数据存储至与当前电力数据集合对应的正常数据集合中。

在针对采集用于仿真的来自不同数据源的电力数据而言，由于仿真时输入的电力数据之间必须要有至少一个关键字段将来自不同系统的电力数据关联起来以指示数据之间的关联关系，因此，所有的电力数据都应该存在特定的关联关系。在具体实现中，可以按照身份信息类数据对不同数据源的电力数据确定关联关系。示例性的，身份信息类数据可以包括用户编号，通过用户编号将各电力数据集合进行关联，将不存在关联关系的电力数据确定为异常数据，不存在关联关系可以包括如下情况：指示关联关系的关键字段缺失；指示关联关系的关键字段与预先确定的关键字段不一致。

在一种实施例中，在步骤S120-3之后，还包括如下步骤：

利用预先设定的筛选条件对正常数据集合中的电力数据进行筛选，其中，筛选条件是基于电学原理，针对不同数据类型的电力数据集合进行设定的；

将不符合筛选条件的电力数据确定为异常数据，并将异常数据存储至与当前正常数据集合属于同一数据类型的异常数据集合中。

在确定了正常数据集合中的电力数据均存在关联关系之后，可以基于电学原理，针对不同数据类型的电力数据集合设定筛选条件，电学原理可以是电力数据的格式要求、正常值范围等。在具体实现时，可以根据电力数据集合中的不同电力数据进行筛选条件的设定，示例性地，当前正常数据集合中包含实时电气量，当实时电气量出现空值、单相电压高于2p.u.(电压限值)、负载率大于200％等情况时，可以将当前实时电气量确定为该电力数据集合的异常数据，并将异常数据存储至与当前正常数据集合属于同一数据类型的异常数据集合中。

S130，对各正常数据集合进行精筛选，以从正常数据集合中筛选出异常数据、加入至与正常数据集合属于同一数据类型的异常数据集合中。

经过对各电力数据集合进行粗筛选后，各正常数据集合中的电力数据均处于存在关联关系，没有明显不符合电学原理情况。此时，在正常数据集合中的部分电力数据可能存在处于正常范围内，但是存在逻辑错误的情况，这种逻辑错误可以通过不同数据源的电力数据进行交叉验证从而筛选出。从当前正常数据集合中筛选出的异常数据可以加入至与该正常数据集合属于同一数据类型的异常数据集合中，实现对正常数据集合的精筛选。

在一种实施例中，S130中对各正常数据集合进行精筛选，包括如下步骤：

S130-1，获取各电力数据之间的影响关系以及影响逻辑；

S130-2，确定与各正常数据集合中的电力数据存在影响关系的电力数据；

S130-3，基于影响逻辑，利用存在影响关系的电力数据对各正常数据集合中的电力数据进行验证，并将验证不通过的电力数据确定为异常数据。

表示不同信息的电力数据之间存在不同的影响关系以及影响逻辑，当验证正常数据集合中的电力数据是否存在逻辑错误时，可以先根据预先配置的影响关系，调取会对该电力数据造成影响的指示其他信息的电力数据，并根据影响逻辑来进行验证。

在具体实现时，为了确保验证的可靠信，在调取会对该电力数据造成影响的指示其他信息的电力数据时，还可以分别针对指示其他信息的电力数据进行冗余度的确认，也就是数据的重复度的确认。如果某个电力数据在不同数据源中冗余度达到某个指定阈值，表示指示该信息的电力数据可靠，可以用于数据验证。在具体计算冗余度时，可以将电力数据按照时间轴进行数据排列，按时间轴d和电力数据b进行排列，采用如下公式：

R＝1-(Q/bd)

其中，R为冗余度，Q为相邻属性值变化次数的累加和，b为电力数据，d为时间轴。

示例性地，在冗余度符合条件的情况下，当对某时间点配变总表有功功率、无功功率值进行验证时，若此时配变总表有功功率、无功功率值为负数时，可以调取计量自动化系统数据集中与该配变存在影响关系的低压分布式电源(低压光伏)的报装记录、调度自动化系统数据集中该时间点该配变所处地点的天气情况等进行验证，如果无报装记录或天气非晴，则证明此时为负数值的该时间点配变总表有功功率、无功功率值为异常数据值。在另一个示例中，当出现1个用户编号对应多台配变时，验证用户编号与多台配变的对应关系，调取计量自动化系统数据集中该用户的总报装容量、电网GIS系统数据集中各台配变的容量进行验证，如果用户总报装容量与多台配变容量之和不一致则将用户总报装容量以及多台配变容量的数据确定为异常数据；又例如，出现1个用户编号对应多个主表计量点编号时，调取电网GIS系统数据集中的拓扑连接关系进行验证，如果该用户不存在双电源连接，则将多个主表计量点编号确定为异常数据。

S140，分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，仿真数据集合用于配电网的仿真计算。

通过对来自不同数据源的电力数据做粗筛选以及精筛选以后，得到多个不同数据类型的异常数据集合，可以对各异常数据集合中的电力数据进行修正，以使得在仿真时有完整、正确的仿真数据集合可以使用。在对异常数据进行修正时，可以针对不同的异常数据的特点从而制定不同的修正策略，以使得修正的结果更加科学、准确。

在一种实施中，数据类型包括：静态参数类以及身份信息类；

S140中分别对各异常数据集合中的电力数据进行修正，包括如下步骤：

根据各异常数据集合的数据类型确定修正策略，其中，当数据类型为静态参数类或者身份信息类时，修正策略相同；

采用修正策略对各异常数据集合中的电力数据进行修正。

可以根据各异常数据集合的不同数据类型确定不同的修正策略。对于数据类型为身份信息类和静态参数类的电力数据，由于这两种数据类型的电力数据均存在一定的语义和逻辑关联，在确定修正策略时，可以根据贝叶斯算法对异常数据进行计算，对异常数据用估算值替代，得到缺失数据的可能取值，计算异常数据可能取值的概率。例如，对于某线路上存在用户编号与配变名称无法对应的多个异常数据，可根据配变所处线段发生停电事件时各用户编号对应计量数据的缺失概率，以推断用户编号与配变名称的对应关系，已完成数据的修正。

在对异常数据进行修正，判断某个数据y_i是否可以替代异常数据时，可以利用贝叶斯算法，公式如下：

其中，p(y_j|x)代表后验概率，p(x|y_j)代表似然函数，p(y_j)代表先验概率，x代表正常数据，y_j代表待判断数据，j代表待判断数据的索引下标，n代表待判断数据的数量。

异常数据可能取值p的概率计算公式为；

其中，m为所采集到的所有电力数据总量，K(p)为异常数据可能取值p在每个异常电力数据集合中同一异常位置出现的次数，P(p)为异常数据可能取值p的概率。

数据类型还包括动态运行类，针对动态运行类数据存在连续变化的性质，对应的修正策略可以是，首先统一动态运行类数据的时间颗粒度，例如统一至96点/天，其次按电气基本规则统一数据单位和制式，再采用佐证估算法、历史匹配法、最小二乘法等方法进行修正。

示例性的，可以采用基于最小二乘法的负荷分摊计算方法对有功和无工功率的异常数据进行修正，修正过程为：可以根据10kV线路总的有功和无功功率数据和已知的有功和无功功率数据的节点(称为真实量测点，即正常数据集合中对应的有功和无功功率数据)，计算出剩余的有功功率和无功功率，再将其按照配变容量等比例分摊到各未知有功功率无功功率的节点(称为伪量测点，即可以用于替代异常数据的数据)，然后将真实量测点和伪量测点数据一起，采用最小二乘法实现数据误差纠正，选取误差最小一组作为修正数据。

在一种实施例中，S140中基于修正后的异常数据集合生成仿真数据集合，包括如下步骤：

将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并，并基于合并得到的结果生成所述仿真数据集合。

在完成异常数据的修正后，可以将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并，合并的结果得到所有数据类型的合并后的正常数据集合，将所有数据类型的正常数据集合合并为仿真数据集合。

在另一种实现中，也可以每次修正完成一个异常数据即存储至属于同一数据类型的正常数据集合中，直至所有的异常数据集合中不存在异常数据，则将所有数据类型的正常数据集合合并为仿真数据集合。

在一种实施例中，在将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并之前，还包括如下步骤：

获取参考修正数据集合，并确定参考修正数据集合中的数据数量，参考修正数据集合通过对电力数据进行抽样，并对针对抽样得到的电力数据中的异常数据进行人工修正后生成；

将所有修正后的异常数据集合中的电力数据与参考修正数据集合中的电力数据进行匹配，并确定匹配成功的匹配数据对数量；

将数据数量与匹配数据对数量进行除法计算，并根据得到的计算结果确定修正成功率；

当修正成功率大于或等于指定阈值时，则执行将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并的步骤。

在对异常数据修正结束后，还需要对修正的结果进行验证，如果验证通过，则可以认为修正后的数据可靠，可以作为后续的仿真数据，则执行将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并的步骤。如果验证不通过，即当修正成功率小于指定阈值时，可以认为本次修正后的数据不可靠，同时，也可以认为此次采集的来自不同数据源的电力数据不可靠，不能用作仿真数据，可以把此次采集的来自不同数据源的电力数据舍弃。

在对修正的结果进行验证时，可以先建立参考修正数据集合，参考修正数据集合可以通过对一开始采集的来自不同数据源的电力数据进行抽样，为了确保抽样的电力数据的随机性以及有效性，可以是按照数据源进行分类后从每个数据源中抽取若干电力数据，例如从每个数据源的电力数据中抽取10％的样本数据。在得到样本数据之后，可以通过人工对样本数据进行异常数据的识别并修正，所有修正后的异常数据组成参考修正数据集合。

将所有修正后的异常数据集合中的电力数据与参考修正数据集合中的电力数据进行匹配，匹配的结果可以反映出修正后的异常数据集中包含多少参考修正数据集合中的电力数据，能匹配成功的越多，证明修正后的异常数据集中包含越多的参考修正数据集合中的电力数据，也就证明修正的成功率越高。

在计算修正成功率时，修正成功率(％)＝匹配数据对数量/参考修正数据集合中的数据数量*100％。

在具体实现时，如果修正成功率≥95％，则所有修正后的异常数据集合中的电力数据可用于10kV配电网仿真计算，否则对本次处理的所有电力数据进行舍弃，选取另一个时间范围的电力数据重新开始数据处理，例如另一个月的电力数据。

为了对本实施例有更清晰理解，可以参考图2的一种用于仿真的电力数据的处理流程示意图，电力数据处理过程如下：

在采集到指定时间段，来自不同数据源的电力数据后，可以在各数据源的电力数据中按照数据类型对电力数据进行分类，得到分类后的电力数据集合；

可以从不同数据类型的电力数据集合中抽取部分电力数据进行人工识别异常数据以及修正，形成参考修正数据集合，该参考修正数据集合用于S208的修正结果验证中，需要注意的是，在抽取部分电力数据作为样本时，并不会对原采集的数据造成影响，即所讲的抽取只是在原采集的数据中进行数据的拷贝；

对各电力数据集合进行初筛(相当于上述的粗筛选)，目的是筛选出不存在关联关系，以及存在明显不符合电学原理的异常数据，得到的异常数据用于S207中的异常数据修正；

对于通过初筛的电力数据，可以继续进行数据精筛，通过调用不同数据源的电力数据对各电力数据进行交叉验证，确保所有的电力数据符合电学逻辑，将精筛不通过的电力数据确定为异常数据；

通过初筛以及精筛确定出所有的异常数据以后，可以开始对异常数据进行修正，修正策略可以根据各电力数据的数据类型而有所不同；

在对异常数据修正结束后，通过确定所有修正的数据与S202中形成的参考修正数据集合中的匹配情况，可以确定修正成功率；

当修正成功率超过指定阈值，例如95％时，可以将通过精筛选后的电力数据与修正后的电力数据一同用于仿真计算，若修正成功率较低，则可以将本次采集的所有数据舍弃，采用其他时间段的电力数据重新进入S201的步骤进行数据处理。

本发明实施例中，公开了一种用于仿真的电力数据处理方法，该方法包括：采集来自不同数据源的电力数据，并对电力数据进行分类，获得多个不同数据类型的电力数据集合，分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合，筛选出不存在关联关系以及存在违背电学原理的异常数据，对各正常数据集合进行精筛选，以从正常数据集合中筛选出异常数据、加入至与正常数据集合属于同一数据类型的异常数据集合中，可以确定出正常数据集合中存在电学逻辑错误的异常数据，分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，仿真数据集合用于配电网的仿真计算，通过粗筛选和精筛选对电力数据进行双重过滤，最后对异常数据进行修正，得到满足配电网仿真要求的数据集合，可以减轻人工对来自不同数据源的电力数据进行修正的工作量，高效处理数据缺失、数据失准以及数据冗余等问题，提高仿真数据的真实性与可靠性。

实施例二

图3为本发明实施例二提供的一种用于仿真的电力数据处理装置的结构示意图，所述装置包括：

电力数据集合确定模块310，用于采集来自不同数据源的电力数据，并对所述电力数据进行分类，获得多个不同数据类型的电力数据集合；

粗筛选模块320，用于分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合；

精筛选模块330，用于对各所述正常数据集合进行精筛选，以从所述正常数据集合中筛选出异常数据、加入至与所述正常数据集合属于同一数据类型的异常数据集合中；

修正模块340，用于分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，所述仿真数据集合用于配电网的仿真计算。

在一种实施例中，所述粗筛选模块320，包括如下子模块：

关联关系判断子模块，用于针对各电力数据集合，判断各电力数据集合中的电力数据是否存在关联关系；

第一异常数据确定子模块，用于将判定为不存在关联关系的电力数据确定为异常数据，并将所述异常数据存储至与当前电力数据集合对应的异常数据集合中；

正常数据确定子模块，用于将判定为存在关联关系的电力数据确定为正常数据，并将所述正常数据存储至与当前电力数据集合对应的正常数据集合中。

在一种实施例中，还包括如下模块：

筛选执行模块，用于利用预先设定的筛选条件对所述正常数据集合中的电力数据进行筛选，其中，所述筛选条件是基于电学原理，针对不同数据类型的电力数据集合进行设定的；

异常数据确定模块，用于将不符合所述筛选条件的电力数据确定为异常数据，并将所述异常数据存储至与当前正常数据集合属于同一数据类型的异常数据集合中。

在一种实施例中，所述精筛选模块330，包括如下子模块：

影响关系以及影响逻辑获取子模块，用于获取各电力数据之间的影响关系以及影响逻辑；

电力数据确定子模块，用于确定与各所述正常数据集合中的电力数据存在所述影响关系的电力数据；

验证子模块，用于基于所述影响逻辑，利用存在所述影响关系的电力数据对各所述正常数据集合中的电力数据进行验证，并将验证不通过的电力数据确定为异常数据。

在一种实施例中，所述数据类型包括：静态参数类以及身份信息类；所述修正模块340，包括如下子模块：

修正策略确定子模块，用于根据各异常数据集合的数据类型确定修正策略，其中，当所述数据类型为静态参数类或者身份信息类时，所述修正策略相同；

修正子模块，用于采用所述修正策略对各异常数据集合中的电力数据进行修正。

在一种实施例中，所述修正模块340，包括如下子模块：

仿真数据集合确定子模块，用于将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并，并基于合并得到的结果生成所述仿真数据集合。

在一种实施例中，所述装置还包括如下模块：

参考修正数据集合获取模块，用于获取参考修正数据集合，并确定所述参考修正数据集合中的数据数量，所述参考修正数据集合通过对所述电力数据进行抽样，并对针对抽样得到的电力数据中的异常数据进行人工修正后生成；

匹配模块，用于将所有修正后的异常数据集合中的电力数据与所述参考修正数据集合中的电力数据进行匹配，并确定匹配成功的匹配数据对数量；

修正成功率确定模块，用于将所述数据数量与所述匹配数据对数量进行除法计算，并根据得到的计算结果确定修正成功率；

调用模块，用于当所述修正成功率大于或等于指定阈值时，则调用所述仿真数据集合确定子模块。

本发明实施例所提供的一种用于仿真的电力数据处理装置可实现本发明实施例一所提供的一种用于仿真的电力数据处理方法，具备执行方法相应的功能模块和有益效果。

实施例三

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如一种用于仿真的电力数据处理方法。

在一些实施例中，一种用于仿真的电力数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时，可以执行上文描述的一种用于仿真的电力数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种用于仿真电力数据处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种用于仿真的电力数据处理方法，其特征在于，所述方法包括：

采集来自不同数据源的电力数据，并对所述电力数据进行分类，获得多个不同数据类型的电力数据集合；

分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合；

对各所述正常数据集合进行精筛选，以从所述正常数据集合中筛选出异常数据、加入至与所述正常数据集合属于同一数据类型的异常数据集合中；

分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，所述仿真数据集合用于配电网的仿真计算。

2.根据权利要求1所述的方法，其特征在于，所述分别对各电力数据集合进行粗筛选，包括：

针对各电力数据集合，判断各电力数据集合中的电力数据是否存在关联关系；

将判定为不存在关联关系的电力数据确定为异常数据，并将所述异常数据存储至与当前电力数据集合对应的异常数据集合中；

将判定为存在关联关系的电力数据确定为正常数据，并将所述正常数据存储至与当前电力数据集合对应的正常数据集合中。

3.根据权利要求2所述的方法，其特征在于，在将所述正常数据存储至与当前电力数据集合对应的正常数据集合中之后，还包括：

利用预先设定的筛选条件对所述正常数据集合中的电力数据进行筛选，其中，所述筛选条件是基于电学原理，针对不同数据类型的电力数据集合进行设定的；

将不符合所述筛选条件的电力数据确定为异常数据，并将所述异常数据存储至与当前正常数据集合属于同一数据类型的异常数据集合中。

4.根据权利要求1-3任一所述的方法，其特征在于，所述对各所述正常数据集合进行精筛选，包括：

获取各电力数据之间的影响关系以及影响逻辑；

确定与各所述正常数据集合中的电力数据存在所述影响关系的电力数据；

基于所述影响逻辑，利用存在所述影响关系的电力数据对各所述正常数据集合中的电力数据进行验证，并将验证不通过的电力数据确定为异常数据。

5.根据权利要求4所述的方法，其特征在于，所述数据类型包括：静态参数类以及身份信息类；所述分别对各异常数据集合中的电力数据进行修正，包括：

根据各异常数据集合的数据类型确定修正策略，其中，当所述数据类型为静态参数类或者身份信息类时，所述修正策略相同；

采用所述修正策略对各异常数据集合中的电力数据进行修正。

6.根据权利要求1、2、3、5任一所述的方法，其特征在于，所述基于修正后的异常数据集合生成仿真数据集合，包括：

将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并，并基于合并得到的结果生成所述仿真数据集合。

7.根据权利要求6所述的方法，其特征在于，在所述将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并之前，还包括：

获取参考修正数据集合，并确定所述参考修正数据集合中的数据数量，所述参考修正数据集合通过对所述电力数据进行抽样，并对针对抽样得到的电力数据中的异常数据进行人工修正后生成；

将所有修正后的异常数据集合中的电力数据与所述参考修正数据集合中的电力数据进行匹配，并确定匹配成功的匹配数据对数量；

将所述数据数量与所述匹配数据对数量进行除法计算，并根据得到的计算结果确定修正成功率；

当所述修正成功率大于或等于指定阈值时，则执行所述将修正后的异常数据集合与属于同一数据类型的正常数据集合进行合并的步骤。

8.一种用于仿真的电力数据处理装置，其特征在于，所述装置包括：

电力数据集合确定模块，用于采集来自不同数据源的电力数据，并对所述电力数据进行分类，获得多个不同数据类型的电力数据集合；

粗筛选模块，用于分别对各电力数据集合进行粗筛选，以将各电力数据集合划分成正常数据集合以及异常数据集合；

精筛选模块，用于对各所述正常数据集合进行精筛选，以从所述正常数据集合中筛选出异常数据、加入至与所述正常数据集合属于同一数据类型的异常数据集合中；

修正模块，用于分别对各异常数据集合中的电力数据进行修正，并基于修正后的异常数据集合生成仿真数据集合，所述仿真数据集合用于配电网的仿真计算。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的一种用于仿真的电力数据处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的一种用于仿真的电力数据处理方法。

Images