Application创新应用254电子技术第52卷第5期（总第558期）2023年5月等系统都正常的情况下，由操作、故障、电网方式短时调整等特殊事件引起发生。在负荷数据的数值上就表现为基于正常的负荷数据，叠加上随机量值，形成负荷波动，从而导致负荷数据发生畸变。畸变数据中又可分为可还原数据及冲击负荷数据。（1）可还原数据主要是由于电网设备停电检修、大用户设备停电检修及电网方式变更导致的潮流转移，这些数据可根据。（2）冲击负荷数据主要是受台风、寒流、山火等自然因素或人们从事社会活动导致的突发事件造成，这些数据具有临时性、冲击性。如台风天气造成的负荷下降，设备故障继电保护、安全自动装置动作所引起的短时负荷跃变，多年一次的民俗活动引起的负荷突变等。2识别异常数据异常数据识别方法的现状。对于异常数据的识别，目前主流的方法有通过预测或者量测进行对比，找出不良数据；也有通过从时间角度，结合气象、负荷等因素的时序关系并分析相关性；还有基于大数据，通过特征分析，将小波分析法、数据库知识发现（KnowledgeDiscoveryinDatabases）等新方法引入异常辨识，以提升数据辨识效率。基于统计分析的异常数据识别方法。在实际应用中，考虑异常数据处理的快捷性及实时性，需考虑更加简单易行的方法。观察每日负荷曲线具有相似性，也即是不同日同一时刻的负荷幅值近似，具0引言电力系统的运行产生大量负荷数据，这些数据的准确性关系到电力系统运行的安全及可靠，一旦个别数据出现异常，不仅影响正常电网的监视，间接影响电力系统运行，甚至会让调度人员误判，导致决策失误，威胁到整个电网安全。因此，电网负荷数据的质量好坏，将直接影响到电力系统运行的效率及安全程度，而辨别及检测出这些负荷异常数据，对提升电力系统运行，开展电网状态评估都具有重要意义。所以，对错误遥信数据进行检测、辨识与修正是十分必要的。本文将主要讨论异常数据的类别及处理方法，通过对主流异常负荷数据方法进行总结，并对几种常用方法进行数据验证对比，提出更符合实际电网运行的处理方法。1研究背景异常数据的出现具有不确定性，在系统测量、传输、存储中都会随机发生。这些异常数据在时间上可单独或连续出现，在空间上可在同个设备或相关联设备出现。对于这些负荷异常数据，可分为两大类，分别是错误数据、畸变数据[1]。（1）错误数据。错误数据通常是设备采集过程或存储过程中，出现的与实际不符或不合理的值，常常表现为在超出设备正常承载...
