买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司东莞供电局

摘要：本发明涉及一种多源数据接入下电力数据标准化清洗方法，包括：S10、数据初步聚类处理，使用K均值算法对采集到的数据进行读取，根据数据的属性值特征对采集到的数据进行分类，S20、多源数据清洗采用聚类处理后的数据作为数据清洗的数据来源，将处理后的数据设定为数据库形式，并采用现有的数据清洗工具完成多源数据清洗工作。本发明的有益效果是：根据数据的属性值特征对采集到的数据进行分类，采用聚类处理后的数据作为数据清洗的数据来源，将处理后的数据设定为数据库形式，采用现有的数据清洗工具完成多源数据清洗工作，提高数据库数据处理结果的精确度，进而提高清洗数据的准确率。

主权项：1.一种多源数据接入下数据标准化清洗方法，其特征在于，包括：S10、电力数据初步聚类处理，所述电力数据包括年度、月度以及单日的电力生产数据和用电数据，使用K均值算法对采集到的数据进行读取，根据数据的属性值特征对采集到的数据进行分类，完成数据聚类处理，数据进行分类的工作处理复杂性表示为An，将采集到的数据采用字符串的形式体现，其数据聚类计算复杂性表示为Am·I，其中m表示不同属性数据的个数，I表示相同属性的数据个数，为保证数据聚类的可行性，设定初步聚类处理中的约束条件表示为： ；式中，S表示聚类核心距离，对此公式进行变换，得到适用于多源数据聚类约束条件，则有： ；采用杰卡德相似度计算公式，控制聚类核心距离的计算精度，将计算结果的误差值控制在0.5%之内，以此保证后续计算的有效性；设G表示数据类型出现的次数，H表示此数据类型出现的权重，则计算中此类型数据出现的频率R表示为： ；将以上公式融入数据聚类模块中，完成数据聚类处理；S20、电力多源数据清洗，采用聚类处理后的数据作为数据清洗的数据来源，将处理后的数据设定为数据库形式，设定在数据库Y中具有两组数据，其中一组为无需清洗的数据集合，另一组为需要清洗的数据，无需清洗的数据设定为C，C中包含的数据全部由数据库Y中元素组成，fCa表示C在数据库中出现的次数，QCa为待清洗数据在数据库中与无需清洗数据的相似度，则有： ；设定QCv表示数据库中子集V在数据库中的相似度，则有： ；设定V1∈C，V2∈C，则数据V2与V1的关系表示为： ；通过以上公式可对数据库中需要拆分出的数据进行处理，并采用现有的数据清洗工具完成多源数据清洗工作。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司东莞供电局 一种多源数据接入下数据标准化清洗方法和装置