配电网大数据清洗

网损预测精度提升近4%

结合DBSCAN聚类与改进随机森林，可处理任意形状多维数据和各类缺失形态的配电网数据清洗方法。

Jie, Liu · 曹一家 · 李勇 · Guo, Yixiu · Deng, Wei

CSEE Journal of Power and Energy Systems 2024

具体参数

网损预测精度提升

{'zh': '4', 'en': '4'} %

技术优势

异常检测自适应阈值

基于台区和时间动态计算LOF阈值，适应不同数据分布。

填补任意缺失形态

改进随机森林填补算法可处理多种缺失，包括块状缺失和整行/整列缺失。

提升预测精度近4%

清洗后网损预测精度提升近4%，且坏数据比例越高提升越明显。

应用场景

• 配电网台区管理：清洗台区采集数据，支撑精细化管理。
• 线损预测：提升线损预测精度，指导降损决策。
• 电力数据质量管理：修复异常缺失，保障数据质量。