摘要
本发明涉及电力系统数据处理技术领域,公开了基于电力系统的异常数据评估与修复方法,包括以下步骤:S1、数据预处理;S2、异常数据评估模型,S2.1、利用K‑近邻算法辨识不完整数据;S2.2、采用基于滑动窗口的时间序列异常检测方法辨识不及时数据;S2.3、通过孤立森林算法辨识不精确数据;S3、异常数据修复,S3.1、采用加权均值修正模型对标记的不完整和不精确数据进行修复;S3.2、利用ARIMA预测模型对不及时数据进行修复;S4、修正结果融合,利用加权ARIMA融合修正模型结合加权均值修正与ARIMA预测的结果,形成对不同类型异常数据的综合修正。通过这种多算法融合的策略避免了单一算法可能带来的局限性,从而提高了异常数据辨识的准确性和针对性。
技术关键词
修复方法
电力系统
孤立森林算法
近邻算法
滑动窗口
加权欧氏距离
多算法融合
辨识标签
异常数据点
标记
统计特征
序列
特征值
矩阵
邻居
分段
系统为您推荐了相关专利信息
清洁能源
电力系统模型
网络安全约束
电力系统调度优化
机组运行约束
多环芳烃污染物
SERS检测方法
深度学习模型
卷积神经网络模型
拉曼光谱仪
电力设备
在线分析方法
电力系统
时间段
时序特征
BP神经网络
定位分析系统
变电站故障
电气特征分析
拓扑特征