南京邮电大学学报(自然科学版)

作者：徐　欢,张喜铭,杨秋勇,陈韩霏,张艳红

单位：南方电网有限责任公司，广东 广州 510000南方电网有限责任公司，广东 广州 510000南方电网有限责任公司，广东 广州 510000广州信安数据有限公司，广东 广州 510000广州信安数据有限公司，广东 广州 510000

关键词：数据治理；神经网络；智能电网

基金：南方电网公司科技项目（0002200000086700）资助项目

电网数据治理需要从海量信息中提取有价值的部分，并且去除异常数据。然而，由于缺失值、数据差异和非线性数据关系等问题，现有的数据治理方法在处理大型用电数据集时可能无法应对，并且缺乏协调电力数据分析程序的综合基础设施。为了解决这些问题，开发了一个简单而有效的数据治理模型。首先，将3个模块组合到该模型中，第一个模块部署了数据归因、离群点处理、规范化和类平衡算法，以增强时间序列特征，并产生更好的数据质量，以改善分类器的训练和学习。其次，使用3种不同的机器学习方法作为基础学习模型，这些方法互不相关，对问题各有侧重。然后，使用时间卷积网络整合机器学习算法的输出，以提高分类精度。实验结果表明，与其他方法相比，所提出的方法实现了高度准确、稳健的数据治理性能，验证了该方法的有效性。

来源：2023年第06期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2023年第06期