基于时间序列检测的电力微气象数据清洗方法及处理器与流程

1.本发明涉及一种基于时间序列检测的电力微气象数据清洗方法、处理器及机器可读存储介质。


背景技术：

2.基于电力微气象在线监测数据的灾害预警对于降低极端天气对电网的损害、保障电网的安全稳定运行有重要意义。目前，电力微气象在线监测装置基本能实现对输电杆塔、架空线路的实时监测，但受限于现有传感器技术条件和复杂的观测环境，在线监测装置传回的数据不总是能反映真实的气候参数变化。实际上，在后台的可视化灾情监测系统中时常出现某一参数值异常的突变现象，给灾情预报预警分析带来严重的影响。为提高系统数据库质量，减少异常突变值，数据清洗发挥着关键作用。
3.当前，国内外对数据清洗技术的研究主要集中于统计回归、聚类等方法，但这类方法往往效率较低，不适用于规模庞大、种类属性繁多的电力微气象在线监测数据。近年来，有学者开发了基于时间序列的数据清洗方案，能在保留原始时间序列动态变化的前提下，有效提升系统处理速度，但现有方法往往处理对象单一。此外，在时间一致性检测方面，电力微气象在线监测数据与常规数据有较大差异，无法直接将现有方法应用于电力微气象在线监测数据，因此亟需提出一种高效、可靠的电力微气象数据清洗方法。


技术实现要素：

4.本发明实施例的目的是针对目前电力微气象监测数据中突变值多，对灾情预报预警影响大的问题，通过对电力微气象监测数据进行标准化转换、时间一致性检查，并利用反时间距离插值法对对电力微气象数据进行数据清洗，提出一种基于时间序列检测的电力微气象数据清洗方法、处理器及机器可读存储介质，其利用时间序列上多个时刻的实测值进行插值，模型简洁高效，具有较强的实用性，对提高电力灾情预报预警精度具有重要意义。
5.为了实现上述目的，本发明第一方面提供一种基于时间序列检测的电力微气象数据清洗方法，包括：
6.对气象数据进行标准化转换；
7.检测标准化转换后的气象数据的时间一致性；
8.对标准化转换后的气象数据进行基于反时间距离插值的数据清洗；
9.判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤
10.在本发明实施例中，所述对气象数据进行标准化转换，包括：
11.对所述气象数据进行非标准值检测；
12.基于插值方法对非标准数据进行标准化转换；
13.对标准化转换后的数据进行重复非标准值检测，当存在能进行标准化替换的数据时，返回进行标准化转换的步骤；
14.对标准化的数据进行质量评估，当质量评估分数达到设定阈值时，将质量评估分数达到设定阈值的数据标记为可用。
15.在本发明实施例中，所述非标准值检测包括以下中的至少一者：
16.数据缺失值检测、站台参数的检测、气候界限值检测、内部一致性检测、空间一致性检测。
17.在本发明实施例中，所述检测标准化转换后的气象数据的时间一致性包括：
18.检测标准化转换后的气象数据中的最高温度、最低温度以及相对湿度的时间一致性；
19.检测标准化转换后的气象数据中的降水、风速以及风向的时间一致性。
20.在本发明实施例中，所述检测标准化转换后的气象数据中的最高温度、最低温度以及相对湿度的时间一致性包括：
21.如果一站点在设定时间段内连续预设小时数没有发生变化，则相应数据被判断为错误；
22.如果当前时次气温与上个时次相差8℃以上,则当前时次气温数据作为可疑数据；
23.如果相对湿度1小时变量≥10％，则相应数据判断为错误。
24.在本发明实施例中，所述检测标准化转换后的气象数据中的降水、风速以及风向的时间一致性包括：
25.针对小时降水数据的质量控制，按照降水量属于(0，0.5)mm、[0.5,1.0)mm以及≥1.0mm这3个级别，进行以下的时间一致性检查：
[0026]
连续至少n1个小时降水量相等且小时降水量∈(o,0.5)mm时，则相应的小时降水数据均被判为错误；
[0027]
连续至少n2个小时降水量相等且小时降水量∈[0.5，1.0)mm时，则相应的小时降水数据均被判为错误；
[0028]
连续至少n3个小时降水量相等且小时降水量≥1.0mm时，则相应的小时降水数据均被判为错误；
[0029]
其中n1、n2和n3取值分别为12、10和6；
[0030]
针对风速风向，采用以下判别规则：
[0031]
如果风速在至少10分钟内连续，且在至少300分钟内未发生变化，则相应的风速数据被视为不合理；
[0032]
如果风向在至少10分钟内连续，且在至少300分钟内未发生变化，
[0033]
则相应的风向数据被视为不合理。
[0034]
在本发明实施例中，所述对标准化转换后的气象数据进行基于反时间距离插值的数据清洗包括：
[0035]
对异常值基于反时间距离插值算法进行替换，反时间距离插值算法被定义为公式(1)：
[0036][0037]
其中，z是插值点估计值，z
(t)
是气象站点在待插值时刻t的估算值，d
(ti)
是气象站
点在待插值时刻t所在时间序列上第i个时刻ti与待插值时刻t之间的时间间隔，z
(ti)
是气象站点在ti时刻的实测值，m为气象站点时间序列上有实测值的用于插值的时刻的个数，m取值为时间序列中可用信息个数，i为气象站点时间序列上的用于插值的时刻的序号，i越小，离待插值时刻越近；
[0038]
选用异常数据站点n个时刻的合格数据站点为反时间距离插值算法的样本依据，进行异常数据替换。
[0039]
在本发明实施例中，所述判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤，包括：
[0040]
当异常数据站点相邻时刻合格数据的站点个数大于或等于2个时，确定该站点数据能够被替换；
[0041]
当异常数据站点相邻时刻合格数据的站点个数小于2个时，确定该站点附近合格数据不够，该站点数据不能被替换。
[0042]
本发明第二方面提供一种处理器，被配置成执行上述的基于时间序列检测的电力微气象数据清洗方法。
[0043]
本发明第三方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的基于时间序列检测的电力微气象数据清洗方法。
[0044]
通过上述技术方案，其方法模型简洁高效，具有较强的实用性，对提高电力灾情预报预警分析的精度具有重要意义。
[0045]
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0046]
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
[0047]
图1示意性示出了根据本发明实施例的基于时间序列检测的电力微气象数据清洗方法的流程图。
具体实施方式
[0048]
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
[0049]
在本发明实施例中，术语“站”或“站点”可以指气象站。气象站根据用途、安装及精确度可分为：便携式气象站、高精度气象站、高速公路气象站、森林火险气象站及校园气象站、电力气象站、光伏气象站、景区气象站、社区气象站等。
[0050]
图1示意性示出了根据本发明实施例的基于时间序列检测的电力微气象数据清洗方法的流程图。如图1所示，在本发明实施例中，提供了一种基于时间序列检测的电力微气象数据清洗方法(以下简称方法)，可以包括以下步骤。
[0051]
在步骤s11中，对气象数据进行标准化转换。
[0052]
具体地，步骤s11可以包括：
[0053]
步骤s111，对气象数据进行非标准值检测。非标准值检测的示例可以包括以下中的至少一者：数据缺失值检测，站台参数的检测，气候界限值检测，内部一致性检测，空间一致性检测，但其不限于此，本领域技术人员所知的其他相关非标准值检测的方法也是适用的。
[0054]
步骤s112，基于插值方法对非标准数据进行标准化转换。具体地，可以对步骤s111中的气象数据(其可以为非标准数据)进行标准化转换。
[0055]
步骤s113，对标准化后的数据进行重复非标准值检测，当存在能进行标准化替换的数据时，针对该数据返回步骤s112进行标准化转换；
[0056]
步骤s114，对标准化转换后的数据进行质量评估，当质量评估分数达到设定阈值时，标志该数据可用。
[0057]
在步骤s12中，检测标准化转换后的气象数据的时间一致性。
[0058]
具体地，检测标准化转换后的气象数据的时间一致性可以包括：
[0059]
步骤s121，针对最高温度、最低温度以及相对湿度的时间一致性检测可以包括：
[0060]
(1)如果一站点(某站)在设定时间段内连续预设小时数没有发生变化，则相应数据(例如，相对湿度数据)被判断为错误；
[0061]
(2)如果当前时次气温与上个时次相差8℃以上，则当前时次气温数据作为可疑数据，需要对可疑数据作进一步检查；
[0062]
(3)如果相对湿度1小时变量≥10％，则相应数据(例如，相对湿度数据)判断为错误。
[0063]
步骤s122，针对降水、风速、风向的时间一致性检测可以包括：
[0064]
针对小时降水数据的质量控制，按照降水量属于(0，0.5)mm、[0.5,1.0)mm以及≥1.0mm这3个级别，进行以下的时间一致性检查：
[0065]
连续至少n1个小时降水量(以下简称r)相等且r∈(o,0.5)mm时，则相应的小时降水数据均被判为错误；
[0066]
连续至少n2个小时降水量相等且r∈[0.5，1.0)mm时，则相应的小时降水数据均被判为错误；
[0067]
连续至少n3个小时降水量相等且r≥1.0mm时，则相应的小时降水数据均被判为错误；
[0068]
其中n1、n2和n3取值分别为12、10和6；
[0069]
针对风速风向，采用以下判别规则：
[0070]
如果风速在至少10分钟内连续，且在至少300分钟内未发生变化(例如数据浮动小于0.5m/s)，则相应的风速数据被视为不合理；
[0071]
如果风向在至少10分钟内连续，且在至少300分钟内未发生变化，则相应的风向数据被视为不合理。该判别规则可以用下表1来描述。
[0072]
表1
[0073][0074]
在步骤s13中，对标准化转换后的气象数据进行基于反时间距离插值的数据清洗。
[0075]
具体地，步骤s13可以包括：
[0076]
步骤s131，对异常值基于反时间距离插值算法进行替换，反时间距离插值算法公式如公式(1)：
[0077][0078]
式中：z是插值点估计值，z
(t)
是气象站点在待插值时刻t的估算值，d
(ti)
是气象站点在待插值时刻t所在时间序列上第i个时刻ti与待插值时刻t之间的时间间隔，z
(ti)
是气象站点在ti时刻的实测值，m为气象站点时间序列上有实测值的用于插值的时刻的个数，m取值为时间序列中可用信息个数，i为气象站点时间序列上的用于插值的时刻的序号，i越小，离待插值时刻越近；
[0079]
步骤s132，选用异常数据站点n个时刻的合格数据站点为反时间距离插值算法的样本依据，进行异常数据替换。n的取值可以根据实际需求来定，例如5，10，15，20等。
[0080]
在步骤s14中，判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤(步骤s13)。
[0081]
具体地，步骤s14可以包括：
[0082]
当异常数据站点相邻时刻合格数据的站点个数大于或等于2个时，判断该异常数据站点数据可被替换(进行插值替换)；
[0083]
当异常数据站点相邻时刻合格数据的站点个数小于2个时，判断该站点附近合格数据不够，该异常数据站点数据无法被替换(进行插值替换)。
[0084]
在步骤s15中，如果在步骤s14中判断异常数据不能被插值替换，则完成数据清洗。
[0085]
本发明实施例提供一种处理器，被配置成执行上述实施例的基于时间序列检测的电力微气象数据清洗方法。
[0086]
具体地，处理器可以被配置成：
[0087]
对气象数据进行标准化转换；
[0088]
检测标准化转换后的气象数据的时间一致性；
[0089]
对标准化转换后的气象数据进行基于反时间距离插值的数据清洗；
[0090]
判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤
[0091]
在本发明实施例中，所述对气象数据进行标准化转换，包括：
[0092]
对所述气象数据进行非标准值检测；
[0093]
基于插值方法对非标准数据进行标准化转换；
[0094]
对标准化转换后的数据进行重复非标准值检测，当存在能进行标准化替换的数据时，返回进行标准化转换的步骤；
[0095]
对标准化的数据进行质量评估，当质量评估分数达到设定阈值时，将质量评估分数达到设定阈值的数据标记为可用。
[0096]
在本发明实施例中，所述非标准值检测包括以下中的至少一者：
[0097]
数据缺失值检测、站台参数的检测、气候界限值检测、内部一致性检测、空间一致性检测。
[0098]
在本发明实施例中，所述检测标准化转换后的气象数据的时间一致性包括：
[0099]
检测标准化转换后的气象数据中的最高温度、最低温度以及相对湿度的时间一致性；
[0100]
检测标准化转换后的气象数据中的降水、风速以及风向的时间一致性。
[0101]
在本发明实施例中，所述检测标准化转换后的气象数据中的最高温度、最低温度以及相对湿度的时间一致性包括：
[0102]
如果一站点在设定时间段内连续预设小时数没有发生变化，则相应数据被判断为错误；
[0103]
如果当前时次气温与上个时次相差8℃以上,则当前时次气温数据作为可疑数据；
[0104]
如果相对湿度1小时变量≥10％，则相应数据判断为错误。
[0105]
在本发明实施例中，所述检测标准化转换后的气象数据中的降水、风速以及风向的时间一致性包括：
[0106]
针对小时降水数据的质量控制，按照降水量属于(0，0.5)mm、[0.5,1.0)mm以及≥1.0mm这3个级别，进行以下的时间一致性检查：
[0107]
连续至少n1个小时降水量相等且小时降水量∈(o,0.5)mm时，则相应的小时降水数据均被判为错误；
[0108]
连续至少n2个小时降水量相等且小时降水量∈[0.5，1.0)mm时，则相应的小时降水数据均被判为错误；
[0109]
连续至少n3个小时降水量相等且小时降水量≥1.0mm时，则相应的小时降水数据均被判为错误；
[0110]
其中n1、n2和n3取值分别为12、10和6；
[0111]
针对风速风向，采用以下判别规则：
[0112]
如果风速在至少10分钟内连续，且在至少300分钟内未发生变化，则相应的风速数据被视为不合理；
[0113]
如果风向在至少10分钟内连续，且在至少300分钟内未发生变化，
[0114]
则相应的风向数据被视为不合理。
[0115]
在本发明实施例中，所述对标准化转换后的气象数据进行基于反时间距离插值的
数据清洗包括：
[0116]
对异常值基于反时间距离插值算法进行替换，反时间距离插值算法被定义为公式(1)：
[0117][0118]
其中，z是插值点估计值，z
(t)
是气象站点在待插值时刻t的估算值，d
(ti)
是气象站点在待插值时刻t所在时间序列上第i个时刻ti与待插值时刻t之间的时间间隔，z
(ti)
是气象站点在ti时刻的实测值，m为气象站点时间序列上有实测值的用于插值的时刻的个数，m取值为时间序列中可用信息个数，i为气象站点时间序列上的用于插值的时刻的序号，i越小，离待插值时刻越近；
[0119]
选用异常数据站点n个时刻的合格数据站点为反时间距离插值算法的样本依据，进行异常数据替换。
[0120]
在本发明实施例中，所述判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤，包括：
[0121]
当异常数据站点(即存在或出现异常数据的站点)相邻时刻合格数据的站点个数大于或等于2个时，确定该站点数据能够被替换；
[0122]
当异常数据站点相邻时刻合格数据的站点个数小于2个时，确定该站点附近合格数据不够，该站点数据不能被替换。
[0123]
在本发明实施例中，提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述实施例的基于时间序列检测的电力微气象数据清洗方法。
[0124]
本发明实施例提供的方案，其方法模型简洁高效，具有较强的实用性，对提高电力灾情预报预警分析的精度具有重要意义。
[0125]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0126]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0127]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。
[0128]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0129]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0130]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0131]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0132]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0133]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种基于时间序列检测的电力微气象数据清洗方法，其特征在于，包括：对气象数据进行标准化转换；检测标准化转换后的气象数据的时间一致性；对标准化转换后的气象数据进行基于反时间距离插值的数据清洗；判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤。2.根据权利要求1所述的方法，其特征在于，所述对气象数据进行标准化转换，包括：对所述气象数据进行非标准值检测；基于插值方法对非标准数据进行标准化转换；对标准化转换后的数据进行重复非标准值检测，当存在能进行标准化替换的数据时，返回进行标准化转换的步骤；对标准化的数据进行质量评估，当质量评估分数达到设定阈值时，将质量评估分数达到设定阈值的数据标记为可用。3.根据权利要求2所述的方法，其特征在于，所述非标准值检测包括以下中的至少一者：数据缺失值检测、站台参数的检测、气候界限值检测、内部一致性检测、空间一致性检测。4.根据权利要求1所述的方法，其特征在于，所述检测标准化转换后的气象数据的时间一致性包括：检测标准化转换后的气象数据中的最高温度、最低温度以及相对湿度的时间一致性；检测标准化转换后的气象数据中的降水、风速以及风向的时间一致性。5.根据权利要求4所述的方法，其特征在于，所述检测标准化转换后的气象数据中的最高温度、最低温度以及相对湿度的时间一致性包括：如果一站点在设定时间段内连续预设小时数没有发生变化，则相应数据被判断为错误；如果当前时次气温与上个时次相差8℃以上,则当前时次气温数据作为可疑数据；如果相对湿度1小时变量≥10％，则相应数据判断为错误。6.根据权利要求4所述的方法，其特征在于，所述检测标准化转换后的气象数据中的降水、风速以及风向的时间一致性包括：针对小时降水数据的质量控制，按照降水量属于(0，0.5)mm、[0.5,1.0)mm以及≥1.0mm这3个级别，进行以下的时间一致性检查：连续至少n1个小时降水量相等且小时降水量∈(o,0.5)mm时，则相应的小时降水数据均被判为错误；连续至少n2个小时降水量相等且小时降水量∈[0.5，1.0)mm时，则相应的小时降水数据均被判为错误；连续至少n3个小时降水量相等且小时降水量≥1.0mm时，则相应的小时降水数据均被判为错误；其中n1、n2和n3取值分别为12、10和6；针对风速风向，采用以下判别规则：
如果风速在至少10分钟内连续，且在至少300分钟内未发生变化，则相应的风速数据被视为不合理；如果风向在至少10分钟内连续，且在至少300分钟内未发生变化，则相应的风向数据被视为不合理。7.根据权利要求1所述的方法，其特征在于，所述对标准化转换后的气象数据进行基于反时间距离插值的数据清洗包括：对异常值基于反时间距离插值算法进行替换，反时间距离插值算法被定义为公式(1)：其中，z是插值点估计值，z
(t)
是气象站点在待插值时刻t的估算值，d
(ti)
是气象站点在待插值时刻t所在时间序列上第i个时刻t
i
与待插值时刻t之间的时间间隔，z
(ti)
是气象站点在t
i
时刻的实测值，m为气象站点时间序列上有实测值的用于插值的时刻的个数，m取值为时间序列中可用信息个数，i为气象站点时间序列上的用于插值的时刻的序号，i越小，离待插值时刻越近；选用异常数据站点n个时刻的合格数据站点为反时间距离插值算法的样本依据，进行异常数据替换。8.根据权利要求1所述的方法，其特征在于，所述判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤，包括：当异常数据站点相邻时刻合格数据的站点个数大于或等于2个时，确定该站点数据能够被替换；当异常数据站点相邻时刻合格数据的站点个数小于2个时，确定该异常数据站点附近合格数据不够，则该异常数据站点数据不能被替换。9.一种处理器，其特征在于，被配置成执行根据权利要求1至8中任意一项所述的基于时间序列检测的电力微气象数据清洗方法。10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令用于使得机器执行根据权利要求1至8中任意一项所述的基于时间序列检测的电力微气象数据清洗方法。

技术总结
本发明实施例提供一种基于时间序列检测的电力微气象数据清洗方法、处理器及存储介质，方法包括：对气象数据进行标准化转换；检测标准化转换后的气象数据的时间一致性；对标准化转换后的气象数据进行基于反时间距离插值的数据清洗；判断异常数据所处站点的不同时间段的合格样本个数，并判断是否返回对标准化转换后的气象数据进行基于反时间距离插值的数据清洗的步骤。通过上述技术方案，其方法模型简洁高效，具有较强的实用性，对提高电力灾情预报预警分析的精度具有重要意义。预报预警分析的精度具有重要意义。预报预警分析的精度具有重要意义。


技术研发人员：冯文卿 皮新宇 欧阳亿 何立夫 罗晶 曹启明
受保护的技术使用者：国网湖南省电力有限公司防灾减灾中心 国家电网有限公司
技术研发日：2021.12.06
技术公布日：2022/3/8