CN117499817B - 一种分布式电表采集系统及采集方法 - Google Patents

Abstract

本申请公开了一种分布式电表采集系统及采集方法，属于电表采集技术领域，包括：服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成第一组合数据，对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；确定替换值对第一组合数据中的异常值进行替换，并对替换值进行准确性评估；将经过准确性评估的替换值替换到第一组合数据中。在本申请的技术方案实施过程中，通过对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置，并确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估，提高替换值的准确性，减少替换值对分析结果产生的影响。

Description

一种分布式电表采集系统及采集方法

技术领域

本申请涉及电表采集技术领域，具体为一种分布式电表采集系统及采集方法。

背景技术

分布式电表是一种用于测量和记录电力消耗的设备，通常由多个电表组成，并且安装到不同的位置，相比于传统的集中式电表，分布式电表具有灵活、智能、便于监测和管理的效果。

在分布式电表的运行过程中，需要对采集的的电力数据进行传输，以进行汇总分析，目前分布式电表的电力数据传输方式大多采用无线传输，因为无线传输方式具有便捷性、灵活性、扩展性等优点，适合用于分布式智能电表中，实现电力数据的传输。

在电力数据传输的过程中，由于数据量大、采集频率高、传输延迟等原因，会不可避免地出现电力数据传输异常，导致分布式电表所采集的电力数据出现缺失、错误等异常情况，目前常采用两种方法来应对此问题，一是采用删除法将异常电力数据删除，满足分析条件，但是这种方法会造成真实数据丢失，导致分析偏差更大；另一种是采用填补法，将电力数据的异常值删除后采用近似值进行填补，这种方法需要保证所填补的近似值满足电力数据的变化规律，当用户的用电信息变化规律不稳定时，所填补的近似值的有效性难以保证。

所以有必要提供一种分布式电表采集系统及采集方法来解决上述问题。

需要说明的是，本背景技术部分中公开的以上信息仅用于理解本申请构思的背景技术，并且因此，它可以包含不构成现有技术的信息。

发明内容

基于现有技术中存在的上述问题，本申请所要解决的问题是：提供一种分布式电表采集系统及采集方法，达到能够在电力数据出现异常值后，对替换值进行准确性判断，减少替换值对分析结果带来的影响。

本申请解决其技术问题所采用的技术方案是：一种分布式电表采集方法，该方法包括：

服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成具有至少一个电力属性的第一组合数据，该监测设备为分布式电表，第一监测数据为各个分布式电表所采集的电力数据；

对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；

确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估；

将经过准确性评估的替换值替换到第一组合数据中。

在本申请的技术方案实施过程中，通过对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置，并确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估，提高替换值的准确性，减少替换值对分析结果产生的影响。

进一步的，所述第一组合数据的生成包括：

选择至少一个电力属性作为基准电力属性；

根据选定的基准电力属性，对第一监测数据进行组合，生成第一组合数据。

进一步的，所述第一组合数据包括前区和后区，所述基准电力属性代表的电力数据设置于前区。

进一步的，所述对第一组合数据进行异常值检测包括：

对第一组合数据中的关联数据进行电力属性识别，根据识别结果对第一组合数据进行重排列；

根据重排列结果选择异常值检测算法，检测第一组合数据中的异常值；

对出现异常值的关联数据进行标记，并进行替换判断。

进一步的，替换值的确定包括：

建立至少两个替换策略，并作为第一替换策略和第二替换策略；

输出第一替换值和第二替换值，并对第一替换值和第二替换值进行均值计算，得到替换值均值；

将第一替换值、第二替换值、替换值均值作为候选替换值。

进一步的，对选用的替换值进行准确性评估包括：

建立模拟分析模型，该模拟分析模型具有输入端和一个输出端；

分别将第一替换值、第二替换值、替换值均值替换掉的电力数据输入到模拟分析模型中，并生成第一分布值、第二分布值和第三分布值；

对第一替换值、第二替换值、替换值均值的输出结果进行比对，选择其中一个作为异常值的替换值。

进一步的，对第一替换值、第二替换值、替换值均值的输出结果进行比对的方法为：

当第一分布值、第二分布值和第三分布值相等时，任意选取其中一个候选替换值作为异常值的替换值；

当第一分布值、第二分布值和第三分布值不相等时，对第一分布值、第二分布值和第三分布值进行两两对比，选择具有最大分布值的候选替换值作为异常值的替换值。

一种分布式电表采集系统，该系统包括：

数据接收模块，用于服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成具有至少一个电力属性的第一组合数据，该监测设备为分布式电表，第一监测数据为各个分布式电表所采集的电力数据；

异常值检测及定位模块，用于对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；

异常值确定与评估模块，用于确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估；

替换模块，用于将经过准确性评估的替换值替换到第一组合数据中。

进一步的，所述数据接收模块包括：

基准电力属性确定模块，用于选择至少一个电力属性作为基准电力属性；

数据组合模块，用于根据选定的基准电力属性，对第一监测数据进行组合，生成第一组合数据。

进一步的，所述异常值检测及定位模块包括：

电力属性识别模块，用于对第一组合数据中的关联数据进行电力属性识别，根据识别结果对第一组合数据进行重排列；

异常值检测模块，用于根据重排列结果选择异常值检测算法，检测第一组合数据中的异常值；

标记模块，用于对出现异常值的关联数据进行标记，并进行替换判断。

本申请的有益效果是：本申请提供的一种分布式电表采集系统及采集方法，通过对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置，并确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估，提高替换值的准确性，减少替换值对分析结果产生的影响。

除了上面所描述的目的、特征和优点之外，本申请还有其它的目的、特征和优点。下面将参照图，对本申请作进一步详细的说明。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请中一种分布式电表采集方法的流程示意图；

图2为模拟分析模型的单元构成示意图；

图3为本申请中一种分布式电表采集系统的模块构成示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

实施例一：本申请提供了一种分布式电表采集方法，该方法适用于分布式电表的采集系统中，分布式电表采集系统是一种用于收集和管理多个电表数据的系统，通常由分布在不同位置的电表组成，这些电表可以是住宅、商业建筑或者工业设施等场景中的电表，该系统主要用于监测和记录电表的运行状况，便于进行电力管理、能源优化和费用计算等工作，实现对电能的有效控制和管理；

分布式电表采集系统的核心是数据传输，电表需要将采集到的电力数据通过有线或无线的方式传输到数据中心进行分析和处理，在本实施例中采用无线的方式对电力数据进行传输，其中无线传输可以为无线局域网、蓝牙、近场通信、全球移动通信系统、第四代移动通信、第五代移动通信、低功耗广域网等，在本实施例中不做限定；

如图1所示，该方法包括以下步骤：

步骤101：服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成具有至少一个电力属性的第一组合数据，该监测设备为分布式电表，第一监测数据为各个分布式电表所采集的电力数据；

分布式电表设置于不同的监测场景中，并持续采集用电数据，其中用电数据具有多个电力属性，例如时间属性，即具有时间序列特征的用电信息；用电量属性，即消耗的电能量大小；用电负荷属性，即单位时间内的用电功率；电压、电流属性，即电路的电压信息和电流信息；功率因数属性，即电网中有用功率与视在功率之间的比例关系；费率属性，即在不同时段的用电量和费用，这些电力属性可以用于负荷预测、用电行为分析、能效评估、费用计算等分析场景；

其中，第一组合数据的生成包括以下步骤：

步骤a：选择至少一个电力属性作为基准电力属性；

在本实施例中，可以选取任意一种电力属性作为基准电力属性，以便对用电数据进行多维度整理和分析，更全面了解电网情况，例如，当以时间属性作为基准电力属性时，用电量属性下的电力数据为一定时间内实际消耗的电能量，用电负荷属性下的电力数据为单位时间内的用电功率，电压属性下的电力数据为某个时间点下电网中的电压大小，通过确定基准电力属性的方式，能够对电力数据在同样的基准下进行评判，方便数据之间的比对和分析；

并且需要说明的是，除了以一种电力属性作为基准电力属性之外，还可以同时选择多个电力属性同时作为基准电力属性，例如以时间属性和电压属性同时作为电力基准属性时，能够获取在相同时间点或时间段下，同一电压下的电力数据，便于对电力系统的状态进行综合评估，提高电力数据的维度；

其中，基准电力属性的选择优先考虑一段时期内运行较平稳的电力数据，例如，某电力系统在一段时间内功率因数变化正常，未出现偏差，那么在选择基准电力属性时就可以优先考虑功率因素电力属性，因为基准电力属性在决定第一组合数据时，需要保持运行稳定，从而使生成的第一组合数据保持稳定，便于在分析过程中发现其他电力属性的异常。

步骤b：根据选定的基准电力属性，对第一监测数据进行组合，生成第一组合数据；

在选定基准电力属性后，需要根据所选的基准电力属性，对电力数据进行组合，并生成多个关联数据，将关联数据的集合作为第一组合数据；

其中，当选定时间属性为基准电力属性后，剩余的其他电力属性代表的电力数据都需要以时间属性为基准，即在某个时间点或时间段内，其余的电力属性所代表的电力数据作为第一组合数据；

当某电力属性被选为基准电力属性时，第一组合数据中不会单独存在该电力属性的电力数据；

例如，时间属性为t，功率因数属性为pf，电压属性为v，电流属性为i，用电负荷属性为l，在选定时间属性t为基准电力属性后，功率因数属性与时间属性的关联数据为（t，pf），电压属性与时间属性的关联数据为（t，v），电流属性与时间属性的关联数据为（t，i），用电负荷属性与时间属性的关联数据为（t，l），这些关联数据的集合作为第一组合数据；同理，当选定时间属性t和功率因数属性pf作为基准电力数据后，电压属性的关联数据为（t-pf，v），电流属性的关联数据为（t-pf，i），用电负荷属性的关联数据为（t-pf，l）；

关联数据中包含前区和后区两个位置，基准电力属性位于前区，在基准电力属性选定的情况下，在对第一组合数据进行分析时，只需要优先考虑后区数据即可，因为基准电力属性在一段时间内为运行较为稳定的电力数据，通常不会对分析结果产生较大的影响，从而实现精简电力数据的效果，并且通过选择基准电力属性的方式，在精简电力数据时不会失去各个电力属性之间的关联性，提高分析结果的准确性，并且后区的数据属性始终唯一，因此关联数据可以根据后区的数据属性确定该关联数据的类型；

步骤102：对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；

在生成第一组合数据后，还需要对第一组合数据进行异常值检测，判断第一组合数据中的各个关联数据是否存在异常值，当存在异常值时，对异常值在第一组合数据中的位置进行定位，以便于后续的异常值处理；

具体的，对第一组合数据进行异常值检测包括：

步骤201：对第一组合数据中的关联数据进行电力属性识别，根据识别结果对第一组合数据进行重排列；

第一组合数据中包含多个关联数据，而关联数据包含前区和后区，其中前区为选定的基准电力属性数据，因此在对关联数据进行电力属性识别时，只需要对关联数据的后区进行电力属性判断即可，并根据识别结果将具有相同电力属性的关联数据归为一类，便于针对性选择异常值检测方法；

步骤202：根据重排列结果选择异常值检测算法，检测第一组合数据中的异常值；

由于电力属性具有多种，因此对关联数据的异常值检测需要根据电力属性进行选择，在本领域中，通常使用异常值检测算法实现数据的异常值检测，异常值检测算法具有多种类型，例如基于统计学的类型，根据数据的统计性质来判断是否存在异常值，如Z-score、箱线图、Grubbs' test等；基于距离的算法，根据数据点与其他点之间的距离判断是否为异常值，例如K近邻算法、局部离群因子（LOF）等；基于聚类的算法，将数据点分为不同的簇，然后通过判断数据点与所属簇的相似度来判断是否为异常值，例如DBSCAN、OPTICS等；基于机器学习的算法，通过使用机器学习模型来判断数据点是否为异常值，例如支持向量机（SVM）、孤立森林（Isolation Forest）、聚类异常检测（Cluster-based OutlierDetection）等；

不同的电力属性下的电力数据具有不同的特点，在进行异常值检测时需要选择合适的方法，例如电压、电流数据具有较强的统计性质，在异常值检测时可以采用基于统计学的算法进行检测，用电负荷具有聚类性质，在异常值检测时可以采用基于聚类的算法进行检测，其他电力属性在本实施例中不再赘述，并且在对关联数据进行异常值检测时，可以选用上述方法的一种或多种组合进行检测，在本实施例中不做限定；

步骤203：对出现异常值的关联数据进行标记，并进行替换判断；

在检测出异常值后，还需要对出现异常值的关联数据进行标记，因为关联数据中包含多个电力数据，但是并非所有电力数据均出现异常值，因此需要先对出现异常值的关联数据进行标记，便于后续处理；

在对出现异常值的关联数据进行标记后，还需要对其进行替换判断，确定该异常值是否属于正常现象，以判断是否需要进行替换，在本实施例中，可以通过设定波动阈值的方式，对不同类型的电力数据设置不同的阈值，当异常值处于设定的阈值范围内时，不对其进行替换，例如，设定电压波动阈值为220V-250V，当电压异常值处于该阈值内时，属于常规的电压波动，不需要对其进行替换处理；

在本实施例中，还可以采用阈值范围自动更新的方法，对每个电力属性下的关联数据进行阈值更新，具体的，以电压属性为例，当需要确定电压波动阈值时，从电力数据中选择电压属性以外的电力属性作为基准电力属性，并生成不同基准电力属性下的组合数据，由于基准电力属性中不包含电压属性，因此在关联数据的后区均会包含电压数据，然后根据波动阈值的自动生成算法计算出不同的波动阈值，对这些波动阈值的范围两端数据进行均值计算，生成最终阈值，每生成一个异常值，都需要进行上述阈值范围自动更新的过程，从而使异常值的波动阈值能够根据采集的电力数据进行更新，更符合电力系统的运行特点；

例如，两个组合数据生成的波动阈值分别为（a，b）、（c，d），则生成的最终阈值为（(a+c)/2，(b+d)/2），当组合数据的数量越多时，最终阈值的准确性越高；

其中，波动阈值的自动生成算法可以采用编程语言实现，例如Python，通过numpy的arange函数生成每段数据的左范围，通过math.sin函数和数据波动特点生成每段数据的右范围，从而自动生成波动阈值范围，具体的生成算法可以参考相关编程语言及应用，本实施例中不再赘述。

步骤103：确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估；

当第一组合数据中出现异常值后，通常需要对其进行处理，目前常用的做法有两种，一是直接删除该异常值，使分类数据中的异常值特征为缺省状态，但是这种方法会带来数据丢失、数据偏差、信息丢失等缺点，无法应用于电力数据中；另一种方法是选择替换值将第一组合数据中的异常值替换，这种方法可以保留数据的完整性，并能够保持数据的原始分布信息，降低异常值对分析结果的影响，在本实施例中采用替换值法对第一组合数据中的异常值进行替换，但是这种方法同样会存在问题，例如选用的替换值与数据整体分布之间存在失真，导致分析结果异常，因此需要对选用的替换值进行准确性评估，其中，确定替换值包括以下步骤：

步骤301：建立至少两个替换策略，并作为第一替换策略和第二替换策略；

替换策略是指根据原有数据确定替换值的方法，例如基于统计学特征的替换策略，根据原始数据的均值、中位数、插值等方式确定替换值；根据模型的替换策略，根据统计学模型，将原始数据作为统计学模型的输入，统计学模型的输出值作为替换值，统计学模型包括线性回归模型、逻辑回归模型、K近邻模型、高斯混合模型、非参数密度估计模型等，在本实施例中可以选择其中一种或多种组合的方式，并且为了提高替换值的准确性，建立至少两个替换策略，生成多个替换值；

步骤303：输出第一替换值和第二替换值，并对第一替换值和第二替换值进行均值计算，得到替换值均值；

第一替换策略输出第一替换值，第二替换策略输出第二替换值，由于替换策略的不同，生成的替换值之间也会存在差异，因此综合考虑第一替换值和第二替换值，对第一替换值和第二替换值进行均值计算，得到替换值均值；

步骤305：将第一替换值、第二替换值、替换值均值作为候选替换值；

在生成第一替换值、第二替换值、替换值均值后，此时还无法确定选用哪个对第一组合数据中的异常值进行替换，因此将上述第一替换值、第二替换值、替换值均值作为候选替换值，等待后续评估；

对选用的替换值进行准确性评估包括以下步骤：

步骤302：建立模拟分析模型，该模拟分析模型具有输入端和一个输出端；

在对替换值的准确性进行评估时，由于候选替换值具有多个，因此需要通过比较法进行选择，建立模拟分析模型，该模拟分析模型具有输入端和输出端，该输入端用于输入包含候选替换值的电力数据，该输出端用于根据输入的电力数据模拟出分析结果，并且该输出端只有一个，仅能输出一个结果；

如图2所示，该模拟分析模型内具有数据接收单元、分布统计单元、汇总单元，其中数据接收单元用于接收来自输入端输入的电力数据，其中电力数据包含候选替换值，分布统计单元用于对接收到的电力数据进行数据分布统计，判断电力数据的统计学特征，汇总单元用于根据分布统计单元的统计结果进行汇总，生成输出值，该输出值的大小代表电力数据的分布情况，并且该输出值越大，表示电力数据在进行替换后的稳定性越好，该输出值越小，表示电力数据再进行替换后的稳定性越差；

步骤304：分别将第一替换值、第二替换值、替换值均值替换掉的电力数据输入到模拟分析模型中，并生成第一分布值、第二分布值和第三分布值；

分别将第一替换值、第二替换值、替换值均值替换异常值，并将替换后的电力数据输入到模拟分析模型中，模拟分析模型中的分布统计单元会根据输入的不同电力数据进行分布统计，并通过汇总单元汇总后，从输出端输出第一分布值、第二分布值和第三分布值；

步骤306：对第一替换值、第二替换值、替换值均值的输出结果进行比对，选择其中一个作为异常值的替换值；

由于生成的第一分布值、第二分布值和第三分布值之间会存在差异，因此还需要进行比对，判断是否可以作为异常值的替换值，并且需要说明的是，候选替换值的大小与生成的第一分布值、第二分布值、第三分布值之间为非线性关系，因此候选替换值之间的线性关系不会影响第一分布值、第二分布值、第三分布值的大小，具体的比对方法为：

当第一分布值、第二分布值和第三分布值相等时，任选第一替换值、第二替换值、替换值均值其中一个作为异常值的替换值；

当第一分布值、第二分布值和第三分布值相等时，说明第一替换值和第二替换值相同，即采用不同方法所得到的候选替换值相同，因此可以任意选取其中一个作为异常值的替换值；

当第一分布值、第二分布值和第三分布值不相等时，对其进行两两对比，选择具有最大分布值的候选替换值作为异常值的替换值，例如，当第一分布值最大时，选择第一替换值作为异常值的替换值，当第二分布值最大时，选择第二替换值作为异常值的替换值，当第三分布值最大时，选择替换值均值作为异常值的替换值，并且由于候选替换值的大小与生成的第一分布值、第二分布值、第三分布值之间为非线性关系，虽然替换值均值介于第一替换值和第二替换值之间，但是所生成的第三分布值仍然有可能最大。

步骤104：将经过准确性评估的替换值替换到第一组合数据中。

在经过准确性评估后，可以确定异常值的替换值，并将该替换值替换到第一组合数据中，使第一组合数据不仅不存在异常值，而且经过替换后的电力数据在进行分析处理时，不会产生分布异常的情况。

实施例二：本实施例中公开了一种分布式电表采集系统，该系统用于运行实施例一中的采集方法，如图3所示，该系统包括：

数据接收模块，用于服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成具有至少一个电力属性的第一组合数据，该监测设备为分布式电表，第一监测数据为各个分布式电表所采集的电力数据；

异常值检测及定位模块，用于对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；

异常值确定与评估模块，用于确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估；

替换模块，用于将经过准确性评估的替换值替换到第一组合数据中；

数据接收模块包括：

基准电力属性确定模块，用于选择至少一个电力属性作为基准电力属性；

数据组合模块，用于根据选定的基准电力属性，对第一监测数据进行组合，生成第一组合数据；

异常值检测及定位模块包括：

电力属性识别模块，用于对第一组合数据中的关联数据进行电力属性识别，根据识别结果对第一组合数据进行重排列；

异常值检测模块，用于根据重排列结果选择异常值检测算法，检测第一组合数据中的异常值；

标记模块，用于对出现异常值的关联数据进行标记，并进行替换判断。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种分布式电表采集方法，其特征在于：该方法包括：

服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成具有至少一个电力属性的第一组合数据，该监测设备为分布式电表，第一监测数据为各个分布式电表所采集的电力数据；

对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；

确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估；

将经过准确性评估的替换值替换到第一组合数据中；

所述第一组合数据的生成包括：

选择至少一个电力属性作为基准电力属性或者同时选择多个电力属性作为基准电力属性；

根据选定的基准电力属性，对第一监测数据进行组合，生成第一组合数据，当某电力属性被选为基准电力属性时，第一组合数据中不会单独存在该电力属性的电力数据；

所述替换值的确定包括：

建立至少两个替换策略，并作为第一替换策略和第二替换策略；

输出第一替换值和第二替换值，并对第一替换值和第二替换值进行均值计算，得到替换值均值；

将第一替换值、第二替换值、替换值均值作为候选替换值；

对选用的所述替换值进行准确性评估包括：

建立模拟分析模型，该模拟分析模型具有输入端和一个输出端；

分别将第一替换值、第二替换值、替换值均值替换掉的电力数据输入到模拟分析模型中，并生成第一分布值、第二分布值和第三分布值；

对第一替换值、第二替换值、替换值均值的输出结果进行比对，选择其中一个作为异常值的替换值。

2.根据权利要求1所述的一种分布式电表采集方法，其特征在于：所述第一组合数据包括前区和后区，所述基准电力属性代表的电力数据设置于前区。

3.根据权利要求2所述的一种分布式电表采集方法，其特征在于：所述对第一组合数据进行异常值检测包括：

对第一组合数据中的关联数据进行电力属性识别，根据识别结果对第一组合数据进行重排列；

根据重排列结果选择异常值检测算法，检测第一组合数据中的异常值；

对出现异常值的关联数据进行标记，并进行替换判断。

4.根据权利要求1所述的一种分布式电表采集方法，其特征在于：对第一替换值、第二替换值、替换值均值的输出结果进行比对的方法为：

当第一分布值、第二分布值和第三分布值相等时，任意选取其中一个候选替换值作为异常值的替换值；

当第一分布值、第二分布值和第三分布值不相等时，对第一分布值、第二分布值和第三分布值进行两两对比，选择具有最大分布值的候选替换值作为异常值的替换值。

5.一种分布式电表采集系统，用于实施如权利要求1至4任一项所述的分布式电表采集方法，其特征在于：该系统包括：

数据接收模块，用于服务器接收来自监测设备所采集的第一监测数据，并对第一监测数据进行组合后，生成具有至少一个电力属性的第一组合数据，该监测设备为分布式电表，第一监测数据为各个分布式电表所采集的电力数据；

异常值检测及定位模块，用于对第一组合数据进行异常值检测，并判断异常值在第一组合数据中的位置；

异常值确定与评估模块，用于确定替换值对第一组合数据中的异常值进行替换，并在替换前对替换值进行准确性评估；

替换模块，用于将经过准确性评估的替换值替换到第一组合数据中。

6.根据权利要求5所述的一种分布式电表采集系统，其特征在于：所述数据接收模块包括：

基准电力属性确定模块，用于选择至少一个电力属性作为基准电力属性；

数据组合模块，用于根据选定的基准电力属性，对第一监测数据进行组合，生成第一组合数据。

7.根据权利要求5所述的一种分布式电表采集系统，其特征在于：所述异常值检测及定位模块包括：

电力属性识别模块，用于对第一组合数据中的关联数据进行电力属性识别，根据识别结果对第一组合数据进行重排列；

异常值检测模块，用于根据重排列结果选择异常值检测算法，检测第一组合数据中的异常值；

标记模块，用于对出现异常值的关联数据进行标记，并进行替换判断。