一种面向电网台区的数据修复方法、装置、设备及介质与流程

本发明涉及通信协议解析与信息处理领域，尤其涉及一种面向电网台区的数据修复方法、装置、设备及介质。

背景技术：

1、在电网台区智能化运行管理中，量测数据的完整性与准确性是支撑线损分析、负荷预测、故障研判等高级应用的基础前提。然而，台区实际运行环境复杂，智能终端长期暴露于强电磁干扰、温湿度剧烈变化等恶劣条件，加之无线公网或载波通信链路本身存在的不稳定性，量测数据在采集、传输及解析过程中不可避免地出现数值异常、数据缺失等问题。这些质量受损的数据若直接使用，将严重扭曲下游分析结果，因此，在数据入库或投入应用之前，必须对异常值和缺失值进行有效修复，以恢复数据原本所应表征的物理状态。

2、现有数据修复方法主要分为两类：一类基于单点或局部时序信息，如前向填充、线性插值、移动平均平滑等，这类方法仅利用同一设备的历史序列，在数据连续波动或异常形态复杂时修复误差急剧增大；另一类基于横向对比，如同类设备同时刻数值的中位数替换，此法忽略了个体工况差异及设备间的电气耦合关系。综上所述，现有数据修复方法不仅无法支撑高级应用，反而可能干扰故障定位、线损计算等业务对电气量一致性的基本要求，限制了数据修复环节在电网数据治理中应起的正向作用。

技术实现思路

1、本发明提供了一种面向电网台区的数据修复方法、装置、设备及介质，能够通过电气拓扑物理约束校验和时空邻域聚合修复，使修复结果兼顾物理一致性和时空关联信息，提升修复准确性。

2、本发明实施例提供了一种面向电网台区的数据修复方法，包括：

3、接收电网台区内各智能设备上传的量测数据点，并构建各所述量测数据点对应的第一质量向量；

4、获取所述电网台区的电气拓扑结构，根据所述电气拓扑结构，对各所述量测数据点进行物理约束校验，得到各所述量测数据点对应的校验结果，并根据对应的校验结果对各所述第一质量向量进行修正，得到各所述量测数据点对应的第二质量向量；

5、根据对应的校验结果和第二质量向量对各所述量测数据点进行异常识别，得到所有待修复的目标数据点，并根据各所述目标数据点对应的第二质量向量，以及各所述目标数据点与对应时空邻域内量测数据点之间的拓扑关联关系，构建修复目标矩阵；

6、将所述修复目标矩阵输入至预训练的时空图神经网络模型，以使所述时空图神经网络模型根据所述修复目标矩阵进行时空邻域信息聚合运算，输出各所述目标数据点对应的修复估计值，并根据对应的修复估计值对各所述目标数据点进行数据修复。

7、本发明实施例通过构建各量测数据点的第一质量向量，能够为每个数据点建立初始质量标签，为后续步骤提供基础；通过根据电气拓扑结构对各量测数据点进行物理约束校验并依据校验结果修正第一质量向量得到第二质量向量，能够将电网物理定律引入质量评估过程，使修正后的第二质量向量携带物理一致性信息，以引导后续的异常识别和修复，从而避免修复结果违反电路原理；通过根据校验结果和第二质量向量识别目标数据点，并依据各目标数据点的第二质量向量及其与时空邻域内数据点的拓扑关联关系构建修复目标矩阵，能够将待修复数据点及其时空邻域内各点的数值、质量信息和拓扑关联关系组织为结构化输入，以支撑后续修复运算；通过时空图神经网络模型根据修复目标矩阵进行时空邻域信息聚合运算输出修复估计值并据此进行数据修复，能够使修复过程同时利用空间拓扑邻居信息和时序关联信息，从而避免仅依赖单设备历史信息导致修复误差大的问题。相比于现有技术仅利用单设备历史信息或横向均值进行修复，无法保证修复结果符合电网物理定律的问题，本技术能够通过电气拓扑物理约束校验和时空邻域聚合修复，使修复结果兼顾物理一致性和时空关联信息，提升修复准确性。

8、进一步地，所述根据所述电气拓扑结构，对各所述量测数据点进行物理约束校验，得到各所述量测数据点对应的校验结果，包括：

9、从所述电气拓扑结构中获取由目标智能设备以及与所述目标智能设备电气相邻的智能设备所构成的局部拓扑单元，并根据基尔霍夫电流定律与电压降落关系，建立所述局部拓扑单元的物理约束方程；其中，所述目标智能设备为上传目标量测数据点的智能设备，所述目标量测数据点为接收到的任一量测数据点；

10、将所述局部拓扑单元内各智能设备对应的量测数据点的数值代入所述物理约束方程进行计算，得到第一加权约束残差向量，并将所述局部拓扑单元内除所述目标智能设备之外所有智能设备对应的量测数据点的数值代入所述物理约束方程进行计算，得到第二加权约束残差向量；

11、计算所述第一加权约束残差向量和第二加权约束残差向量之间的差值，并根据所述第二加权约束残差向量的协方差矩阵对所述差值进行投影处理，得到统计检验量；

12、根据所述统计检验量在零假设下服从的概率分布进行概率计算，得到所述目标智能设备的拓扑一致性置信度，将所述拓扑一致性置信度作为所述目标量测数据点的校验结果。

13、本发明实施例通过构造统计检验量并基于其概率分布计算拓扑一致性置信度，能够将目标量测数据与物理约束的一致性量化为一个标量值，为后续质量修正提供明确的物理校验依据。

14、进一步地，所述构建各所述量测数据点对应的第一质量向量，包括：

15、对于任一量测数据点，根据所述量测数据点的物理量类型在预设规则库中进行范围查询，得到所述量测数据点的理论合理范围，并根据所述量测数据点的数值与所述理论合理范围进行非线性指数运算，得到物理规则合理性子分数；

16、对承载所述量测数据点的原始报文进行循环冗余校验，得到循环冗余校验结果，并根据所述循环冗余校验结果和所述原始报文的信道质量参数进行指数衰减运算，得到通信链路状态子分数；

17、将上传所述量测数据点的智能设备的历史量测数据点序列输入至预置的时间序列预测模型，以使所述时间序列预测模型根据所述历史量测数据点序列进行时序一致性预测，输出预测结果，并根据所述预测结果和所述量测数据点的数值进行比例运算，得到时间序列预测一致性子分数；

18、获取与所述智能设备同类型且同工况的其他智能设备在当前时刻的量测数据集，并根据所述量测数据点的数值与所述量测数据集进行指数衰减运算，得到设备集群横向一致性子分数；

19、将所述物理规则合理性子分数、所述通信链路状态子分数、所述时间序列预测一致性子分数和所述设备集群横向一致性子分数进行组合，得到所述量测数据点对应的第一质量向量。

20、本发明实施例通过分别计算物理规则合理性、通信链路状态、时间序列预测一致性和设备集群横向一致性四个维度的子分数并组合为第一质量向量，能够从四个维度全面量化量测数据点的可信程度。

21、进一步地，所述根据对应的校验结果对各所述第一质量向量进行修正，得到各所述量测数据点对应的第二质量向量，包括：

22、对于任一量测数据点，根据所述量测数据点对应的校验结果，对所述量测数据点对应的第一质量向量中的物理规则合理性子分数和设备集群横向一致性子分数分别进行加权几何平均，得到第一物理规则合理性子分数和第一设备集群横向一致性子分数；

23、将所述第一物理规则合理性子分数和第一设备集群横向一致性子分数，与所述第一质量向量中的通信链路状态子分数和时间序列预测一致性子分数，按照预设的维度顺序进行组合，得到所述量测数据点对应的第二质量向量。

24、本发明实施例通过仅对第一质量向量中的物理规则合理性子分数和设备集群横向一致性子分数进行加权几何平均修正，而保持通信链路状态子分数和时间序列预测一致性子分数不变，能够将物理约束校验结论有选择地注入质量向量中与物理正确性直接相关的维度，使修正后的质量向量在不丢失其他维度原始评估信息的同时携带物理一致性信息。

25、进一步地，所述根据对应的校验结果和第二质量向量对各所述量测数据点进行异常识别，得到所有待修复的目标数据点，包括：

26、对于任一量测数据点，将所述量测数据点对应的第二质量向量中各维度的子分数进行加权几何平均，得到综合可信度评分；

27、将所述综合可信度评分与所述量测数据点对应的校验结果进行非线性融合计算，得到修复紧迫度；

28、当所述修复紧迫度大于预设的修复紧迫度阈值且所述综合可信度评分小于预设的综合可信度阈值时，将所述量测数据点识别为目标数据点。

29、本发明实施例通过将第二质量向量各维度子分数加权几何平均得到综合可信度评分，并将其与校验结果非线性融合计算修复紧迫度，在修复紧迫度大于修复紧迫度阈值且综合可信度评分小于综合可信度阈值时识别为目标数据点，能够依据综合可信度评分和物理校验结果双重条件筛选待修复数据点，确保仅将统计上异常且经物理确认存在问题的数据点送入修复流程。

30、进一步地，所述根据各所述目标数据点对应的第二质量向量，以及各所述目标数据点与对应时空邻域内量测数据点之间的拓扑关联关系，构建修复目标矩阵，包括：

31、对于任一目标数据点，根据所述目标数据点对应的修复紧迫度进行邻域范围扩展，得到所述目标数据点对应的时空邻域范围；

32、将所述时空邻域范围内各相邻量测数据点的数值、各所述相邻量测数据点对应的第二质量向量，以及各所述相邻量测数据点与所述目标数据点之间的拓扑关联关系进行组合，得到所述目标数据点对应的特征向量；

33、将所有目标数据点对应的特征向量按照预设顺序进行组合，得到修复目标矩阵。

34、本发明实施例通过根据修复紧迫度扩展时空邻域范围，能够使修复紧迫度越高的数据点获得越大的时空邻域搜索范围，为修复提供与异常程度相匹配的参考信息量。

35、进一步地，所述将所述修复目标矩阵输入至预训练的时空图神经网络模型，以使所述时空图神经网络模型根据所述修复目标矩阵进行时空邻域信息聚合运算，输出各所述目标数据点对应的修复估计值，包括：

36、将所述修复目标矩阵输入至所述时空图神经网络模型，通过图构建模块根据所述修复目标矩阵中的各量测数据点以及各所述量测数据点之间的电气连接关系和时序先后关系，构建异构图，其中，所述时空图神经网络模型包括所述图构建模块、质量引导聚合模块以及解码模块；

37、通过所述质量引导聚合模块对所述异构图各节点的第一特征进行注意力加权更新，输出各所述节点的第二特征；

38、通过所述解码模块对各所述第二特征进行映射，输出各所述目标数据点对应的修复估计值。

39、本发明实施例通过图构建模块根据电气连接关系和时序先后关系构建异构图，质量引导聚合模块对节点特征进行注意力加权更新，解码模块映射输出修复估计值，能够同时在空间拓扑和时间序列两个维度上聚合邻域信息，并通过注意力机制在聚合过程中依据各节点的质量信息差异化融合邻居贡献。

40、本发明另一实施例还提供了一种面向电网台区的数据修复装置，包括：数据接收模块、约束校验模块、异常识别模块和数据修复模块；

41、所述数据接收模块，用于接收电网台区内各智能设备上传的量测数据点，并构建各所述量测数据点对应的第一质量向量；

42、所述约束校验模块，用于获取所述电网台区的电气拓扑结构，根据所述电气拓扑结构，对各所述量测数据点进行物理约束校验，得到各所述量测数据点对应的校验结果，并根据对应的校验结果对各所述第一质量向量进行修正，得到各所述量测数据点对应的第二质量向量；

43、所述异常识别模块，用于根据对应的校验结果和第二质量向量对各所述量测数据点进行异常识别，得到所有待修复的目标数据点，并根据各所述目标数据点对应的第二质量向量，以及各所述目标数据点与对应时空邻域内量测数据点之间的拓扑关联关系，构建修复目标矩阵；

44、所述数据修复模块，用于将所述修复目标矩阵输入至预训练的时空图神经网络模型，以使所述时空图神经网络模型根据所述修复目标矩阵进行时空邻域信息聚合运算，输出各所述目标数据点对应的修复估计值，并根据对应的修复估计值对各所述目标数据点进行数据修复。

45、本发明另一实施例还提供了一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，处理器执行所述计算机程序时，实现如本发明的一种面向电网台区的数据修复方法的步骤。

46、本发明另一实施例还提供了一种计算机可读存储介质项，包括：存储的计算机程序，在计算机程序运行时，控制计算机可读存储介质所在的设备执行如本发明的一种面向电网台区的数据修复方法的步骤。