1. 綜合案例數據預處理

1.1 電力竊漏電綜合案例

• 數據清洗：去掉冗余數據
• 缺失值處理：填充缺失值
• 數據變換：竊漏電評價指標體系
• 構建專家樣本：構建專家樣本

2. 數據清洗

2.1 竊漏電數據預處理

• 原始數據中并不是所有的數據都需要進行分析，因此在數據處理時，需要將冗余的數據進行過濾。
  
• 非居民用電類別不可能存在竊漏電現象，需要將非居民用電類別數據過濾掉；
• 結合本業務的實例，節假日用電了與工作日項目，會明顯降低，可以過濾節假日的用電數據。

竊漏電案例數據集詳細信息

• 在原始計量數據，特別是用戶電量抽取過程中，發現存在缺失的現象。若將這些數據拋棄掉，會嚴重影響供出電量的計算結果。
  

3. 缺失值處理

• 首先從原始數據集中確定因變量和自變量，取出缺失值錢后5個數據，根據取出來的10個數據組成一組，然后采用拉格朗日多項式插值公示：

3.3 資源

資源庫

pandas==0.24.2 scipy==1.1.0

數據集

missing_data.xls

3.3 數據補全代碼

補全后的數據

4 數據變換

4.1 竊漏電評價指標體系的內容

• 通過電力計量系統采集的電量、負荷、雖然在一定程度上能反映用戶竊漏電行為的某些規律，但要作為構建模型的專家樣本，特征不明顯，需要重新構造。
  
  電量趨勢下降指標

• 竊漏電用戶的用電量呈現下降的趨勢
• 考慮前后幾天作為統計窗口
• 利用電量做直線擬合得到斜率作為衡量

告警類指標

1. 與竊漏電相關終端報警主要有電壓缺相、電壓斷相、電流反極性等告警

線損指標
1. 線損率是用于衡量供電線路的損失比例，同時可結合線戶拓撲關系計算出用戶所屬線路在當體的線損率。

5 構建專家樣本

專家樣本數據

• 對2009年1月1日至2014年12月31日所有竊漏電用戶及正常用戶的電量、告警及線損數據和該用戶在當天是否竊漏電的標識，按竊漏電評價指標進行處理并選取其中291個樣本數據，得到專家樣,下圖是樣本數據。
  1日所有竊漏電用戶及正常用戶的電量、告警及線損數據和該用戶在當天是否竊漏電的標識，按竊漏電評價指標進行處理并選取其中291個樣本數據，得到專家樣,下圖是樣本數據。
  

總結

以上是生活随笔為你收集整理的二十七、综合案例数据预处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。