电网异常数据辨识方法、装置及系统

1.一种电网异常数据辨识方法，其特征在于，包括：获取电网历史量测数据，并进行数据清洗；针对清洗后的数据，结合与不同数据类型对应的异常辨识规则，筛选出异常数据；汇总所有异常数据，完成电网异常数据辨识；当数据类型为线路数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：对于一组线路对端量测的有功值之和以及局部时间段量测值之和分析，根据两侧之和与0的距离筛选，筛选出局部时间段内变化趋势不一致的对端量测值作为异常数据；基于支持向量机二分类模型对所有量测的有功值变化趋势拟合出标准趋势，筛选出变化趋势不符合标准趋势的量测值作为异常数据；所述筛选出变化趋势不符合标准趋势的量测值作为异常数据，具体为：计算出基于标准趋势获得的有功值的取值区间；计算出实际量测的有功值与基于标准趋势获得的有功值之间的最大误差间隔；基于所述取值区间和最大误差间隔，筛选出变化趋势不符合标准趋势的量测值；所述最大误差间隔的计算公式为：其中，Y代表误差间隔距离，y代表量测值，ω代表特征空间超平面的斜率，T代表超平面指数参数，b代表超平面函数的位移参数，x代表输入值；所述取值区间的计算公式为：其中，L是关于ω、b、α的函数，三者都是取值区间函数训练出来的参数，α代表权重系数，x i 代表第i个输入值，y i 代表第i个量测值，α i 代表第i个权重系数；当数据类型为发电机组数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：当发电机组量测大于送出线路线端的量测值超过预设阈值时，需标记为异常，获得异常数据；当送出线路线路端量测超过发电机组端时，需标记为异常，获得异常数据；基于原始量测数据衍生出发电机组与送出线路的有功采样变化率与变化趋势的特征值，使用支持向量机模型学习变化特征值，并筛选变化率异常的点，其中，所述发电机组的总出力与线路端的总有功两个量测，及其相应前后预设时间段的变化，共6个计算值作为输入支持向量机模型的参数，支持向量机模型选用RBF函数为核函数，惩罚系数C在RBF函数中取值为1；当数据类型为变压器数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：当对变压器三侧有功之和与0偏差大于设定阈值时，则将该数据作为异常数据；将前一步筛选出的异常点前后预设时间段内的变化率特征通过支持向量机模型进一步分析，筛选出异常数据；所述支持向量机模型的模型参数中，需要调整分类make_classification的参数为：n_features特征数量。 2.根据权利要求1所述的一种电网异常数据辨识方法，其特征在于，在所述进行数据清洗步骤之前还包括：对数据进行预处理，所述预处理包括以下步骤：根据电网设备类型与D5000表的拓扑结构提取历史量测数据；基于数据类型与想要分析数据的时间段参数，抽取该时间段的历史量测数据；根据所需数据的设备device_id，查询到在D5000表结构中的域field_id，并根据转化公式求得遥测yc_id；根据遥测yc_id读取数据，调整数据的字段名，对齐时标，完成数据的预处理。 3.根据权利要求1或2所述的一种电网异常数据辨识方法，其特征在于：所述数据清洗具体为：对所选时间段内的历史量测数据中缺失的数据、不刷新的数据以及在非正常状态运行的设备数据进行过滤。 4.一种电网异常数据辨识装置，其特征在于，包括：获取模块，用于获取电网历史量测数据，并进行数据清洗；筛选模块，用于针对清洗后的数据，结合与不同数据类型对应的异常辨识规则，筛选出异常数据；汇总模块，用于汇总所有异常数据，完成电网异常数据辨识；当数据类型为线路数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：对于一组线路对端量测的有功值之和以及局部时间段量测值之和分析，根据两侧之和与0的距离筛选，筛选出局部时间段内变化趋势不一致的对端量测值作为异常数据；基于支持向量机二分类模型对所有量测的有功值变化趋势拟合出标准趋势，筛选出变化趋势不符合标准趋势的量测值作为异常数据；所述筛选出变化趋势不符合标准趋势的量测值作为异常数据，具体为：计算出基于标准趋势获得的有功值的取值区间；计算出实际量测的有功值与基于标准趋势获得的有功值之间的最大误差间隔；基于所述取值区间和最大误差间隔，筛选出变化趋势不符合标准趋势的量测值；所述最大误差间隔的计算公式为：其中，Y代表误差间隔距离，y代表量测值，ω代表特征空间超平面的斜率，T代表超平面指数参数，b代表超平面函数的位移参数，x代表输入值；所述取值区间的计算公式为：其中，L是关于ω、b、α的函数，三者都是取值区间函数训练出来的参数，α代表权重系数，x i 代表第i个输入值，y i 代表第i个量测值，α i 代表第i个权重系数；当数据类型为发电机组数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：当发电机组量测大于送出线路线端的量测值超过预设阈值时，需标记为异常，获得异常数据；当送出线路线路端量测超过发电机组端时，需标记为异常，获得异常数据；基于原始量测数据衍生出发电机组与送出线路的有功采样变化率与变化趋势的特征值，使用支持向量机模型学习变化特征值，并筛选变化率异常的点，其中，所述发电机组的总出力与线路端的总有功两个量测，及其相应前后预设时间段的变化，共6个计算值作为输入支持向量机模型的参数，支持向量机模型选用RBF函数为核函数，惩罚系数C在RBF函数中取值为1；当数据类型为变压器数据时，所述结合与不同数据类型对应的异常辨识规则，筛选出异常数据，具体包括以下步骤：当对变压器三侧有功之和与0偏差大于设定阈值时，则将该数据作为异常数据；将前一步筛选出的异常点前后预设时间段内的变化率特征通过支持向量机模型进一步分析，筛选出异常数据；所述支持向量机模型的模型参数中，需要调整分类make_classification的参数为：n_features特征数量。 5.一种电网异常数据辨识系统，其特征在于：包括处理器和存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据权利要求1-3任一项所述方法的步骤。