二、项目方案：
1）国家重点研发计划，综合能源高效协同运行关键技术及应用示范，主持。
2）国家自然科学基金面上项目，风电渗透下柔性负荷实施低频减载的机理与策略，主持。
3）国家自然科学基金面上项目，电力需求侧电动汽车调频控制机理与控制策略研究，主持。
4）国家自然科学基金地区项目，分布式能源系统多能协同建模、优化与控制研究，主持。
5）国家自然科学基金青年项目，发电机组复杂相似组合多目标分散协调能量稳定控制研究，主持。
三、学校提供条件：
①为组建本项目提供思路。②为本项目数据清洗的基本算法提供指导。③为本项目出现难以解决的问题，提供解决思路以及方法。
四、预期成果：
随着电力工业的迅猛发展，电力系统的网络和结构变得越来越复杂，这对于电力系统运行的稳定性和可靠性提出了新要求。近年来，一些电网发达国家发生过一些由于电网稳定性遭受重大破坏导致大停电的事故，一个典型的例子就是2003年“美加大停电”事故。
事故原因调查表明：造成事故的原因是设备故障和人为原因，由于检测区外的供电线缆由于长过热下垂碰到周围树木，警报系统未能及时反馈故障，操作人员无法及时获得状态的准确信息，因此无法对电力系统做出正确判断。此后引起一系列连锁反应最终导致事故发生。造成电力系统发生大型事故的原因除了由于未测量量发生故障，导致未能发现故障并反映外，还会因为电力系统中产生的不良数据引起的错误反馈，使操作人员根据不良数据做出错误判断。
图1 造成电力系统事故原因
因此，为确保电力系统的稳定安全运行，对不良数据的处理和及时发现电力系统中的微小故障有着非常重要的意义。
数据清洗可以发现数据之间的新关系，潜在问题以及预测接下来的趋势。将数据清洗技术应用于检测和辨识电力系统中的不良数据，可以很好地改善电力系统中元件发生故障未能及时发现和由于不良数据误导工作人员作出错误判断的问题。
本项目通过清洗PMU上传到数据中心的原始数据，构建一个平台，对原始数据进行缺失值处理、重复值处理、噪声处理等数据清洗步骤。将“原始数据”与清洗后的“干净数据”以图像的形式直观地展现出来，可以涉及到离群点警告和电能质量指标分析。这样可以方便工作人员依据平台上现有直观数据和预警作出更为合理的判断和操作，提高判断合理性以及及时发现电力系统中的故障。
五、经费预算：
1. 数据清洗
（1）利用聚类分析法、神经网络法和关联规则分析法实现对不良数据的检测与辨识。
（2）对数据进行缺失值清洗、格式内容清洗、逻辑错误清洗、非需数据清洗的清洗步骤。
2. 平台建设
（1）实现基于Python的可视化界面，对数据清洗的结果以可视化图形直观地展示给用户。
（2）实现基于Python的离群点警告功能。
实现数据清洗算法与平台的对接，利用公式(10)、(11)、(12)、(13)、(14)、(15)计算出电能质量指标。