智能电网电量异常数据的识别和修复研究

为了提升智能电网电量数据质量、保证电网安全运行，对智能电网电量异常数据的识别和修复进行了研究。创新性地采用粒子群优化(PSO)算法优化可能性模糊C均值(PFCM)聚类算法，组成PSO-PFCM算法。通过指标函数确定最优聚类数目和最优聚类中心、聚类电量特征曲线，结合各类别电量曲线特征识别异常电量数据。建立径向基函数(RBF)神经网络修复模型，输入识别到的异常电量样本数据。经归一化预处理、神经网络训练后，用输出结果替换异常电量值，以实现异常电量数据的修复。试验结果表明：该算法的异常电量数据检测率高于0.82、误检率低于0.06,修复后电量值更接近实际值，异常修复相对误差低于20%。以上数据证明所提算法可智能识别和修复异常电量数据，保证电网安全运行。