Page 135 - 电力与能源2024年第六期

薛陶蓓，等：公共资源数据治理在电力能源行业的应用研究 771

剔除。
1 数据治理过程
但是并不是所有从正态分布中抽取的小样本
典型的数据管理系统架构通常包含以下几个 都满足正态分布。这种情况下可以使用四分位距
关键组成部分：数据源、数据处理层、数据存储层 法（IQR）进行一定程度上的异常值剔除，见图 3。
和数据服务层，如图 1 所示。 （1）
Q IR= Q 3 − Q 1
在式（1）中，Q 1 为第 1 四分位数，Q 3 为第 3 四
分 位 数 。 下 限 = Q 1 − 1.5 × Q IR，上 限 = Q 3
+1.5 × Q IR。 低 于 Q 1 − 1.5×Q IR 或 者 高 于 Q 3+
1.5×Q IR 的数据点被视为异常值。

图 1 数据管理系统架构

在数据流转的全过程中，数据治理发挥着重
图 3 四分位距法示意
要的作用，它涵盖了从数据采集、处理、存储到使
四分位距法不仅能有效反映异常值，还能反
用的整个生命周期。数据治理不仅包括数据精
映中间 50% 数据的离散程度。Q IR 值越小，说明
简、转换、传输等预处理过程，也包括数据规范规
中间的数据越集中；反之，则说明中间的数据越
则的制定、数据质量监控与评估、数据资产管理等
分散。
过程。
公共资源数据治理远不止于上述异常值、错
在电力行业数据采集中，通常采用 3σ 法则来
误值的判断和清洗，还涉及根据数据标准和规范
判断数据是否为异常值。3σ 准则是指先假设一组
进行的一系列数据核验、分析、修正和验证等大量
检测数据只含有随机误差，对其进行计算处理得
工作。
到标准偏差，然后按一定概率确定一个区间，认为
凡是超过这个区间的误差，就不属于随机误差而 2 数据治理在电力能源行业的应用

是粗大误差，含有该误差的数据应予以剔除。数
（1）数据治理能够显著提升电网运行的安全
值分布概率如图 2 所示。
性和可靠性。电网系统错综复杂，涉及众多数据
和设备，通过数据整合、管理和治理，可以实时监

控电网状态，及时发现并处理潜在的安全隐患，从
而降低电网故障的风险。
（2）数据治理可优化电力资源配置，对电力能
图 2 数值分布概率 源行业的可持续发展产生积极影响。通过对电力
3σ 法则为：数值分布在（μ−σ，μ+σ）中的概率 生成、输送、使用等各阶段数据进行实时监控和分

为 0.682 7，数值分布在（μ−2σ，μ+2σ）中的概率 析，能够及时发现并处理电能使用过程中的异常
为 0.954 5，数值分布在（μ−3σ，μ+3σ）中的概率为 情况，制定出合理的电能管理方案，从而实现资源
0.997 3。因此，数值超出（μ−3σ，μ+3σ）范围的数 的优化配置和高效利用。
据，其出现的概率仅为 0.27%，为异常值并予以 （3）数据治理可有力促进电力交易的公平、公