基于机器学习的配电网异常缺失数据动态清洗方法

作者：梅玉杰; 李勇^*; 周王峰; 郭钇秀; 邓威; 乔学博

来源：电力系统保护与控制, 2023, 51(07): 158-169.

DOI：10.19783/j.cnki.pspc.221000

• 配电网
• 数据清洗
• 异常数据辨识
• 缺失数据填补
• 高斯混合模型
• 随机森林

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性，提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先，基于局部异常因子检测算法和高斯混合模型，提出一种异常数据动态检测改进算法，实现配电网异常数据阈值的准确自动选择。其次，基于随机森林算法与最小二乘回归法，提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法，在保证数据填补精度的同时降低计算时间。在此基础上，通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证，结果表明所提方法可实现异常辨识阈值准确自动选择，有效检测配电网异常数据，并且实现缺失数据填补精度与速度的平衡，具有较好的工程应用价值。

• 单位
  湖南大学; 国网温州供电公司; 国网湖南省电力有限公司电力科学研究院