配电系统的可靠性和安全性是一个关键的基础设施问题，一旦受到损害，可能会影响许多人的生活。InternationalJournalofPowerandEnergyConversion的研究着眼于如何使用筛选数据集的gSpan方法来确保电力安全。

位于中国北京市海淀区的中国电力科学研究院的刘克彦和北京交通大学电气工程学院的周慧提出了一种检测数字配电设备异常数据的新方法。他们的方法利用了gSpan算法和云计算平台。通过结合模糊关联规则收集异常数据和小波阈值去噪对数据进行清洗和准备。研究人员解释说，他们随后使用gSpan算法筛选处理后的数据，并提取强相关性进行二次筛选，从而为他们提供最终结果。

gSpan算法是一种基于图形的算法，常用于模式挖掘和结构化数据分析。它可以检测数据集中不规则、意外和不完整的模式。模糊关联规则允许处理不确定和不精确的信息，而小波阈值去噪通过提高信噪比来提高数据准确性。

原理验证测试表明，该方法的最短筛选时间为6.2秒，错误率低于0.2%，还表明数据丢失率很低。总的来说，该团队建议他们的方法提供了一种更快、更准确的方法来检测配电设备中的异常数据。该方法改进了传统方法筛选异常数据通常需要的时间长度，它减少了错误数量，并降低了数据丢失率。下一步将是提高该方法的数据处理能力，同时确保保持数据筛选效率。