| 操千曲而后晓声，观千剑而后识器。看过大量的电流图像之后，我们发现，所有的接入的支路的电流形态是一个抛物线，在晴天的时候，连续而饱满。这是由于太阳在一天的时间内，日出，正午，日落，是一个自然而连续的过程，作用在面板上之后，产生的电流同样是自然而连续的。如下图可以看到。
而没有接入面板的支路则仍然处于小幅波动状态，如下所示。
从图片看来，最明显的差别在于一个是有规律的、饱满的，一个是没有规律的、随机波动的。人眼可以很轻易的辨别其中的差别。如果可以使用机器学习的方法把每个图片进行识别，就能够鉴别出是否接入。 从数据看来，最明显的差别就在于不同电流值的个数。可以看到晴天已接入的支路的电流值从0A - 4.5A均匀分布，而晴天未接入的电流值则分布散乱而无规律。发现这样的差别，我们就可以通过每路支路电流不重复的点的个数，即可判断是否接入。 四、数据解决方案的实现与验证 基于上述观察与发现，我们运用机器学习的深度算法，判断出分界点的阈值、计数点的时间区间，以及计算时采用的数据来源，终于得到一个通用的解决方案，并对方案的准确性进行了验证。 首先，我们对得到授权的汇流箱数据进行计算，得到接入的信息，并与站主提供的备案信息进行比较，得到结果如下：
从图中可以看到，计算结果与备案结果相比，有超过90%的相同，在与线下确认之后，发现实际情况与计算结果相同。也就是说，通过对数据的分析与挖掘，我们发现了备案信息与实际情况存在不符。 五、总结 一个清晰准确的电站拓扑结构图是电站数据化的基础，是电站数据应用的基石。我们通过对汇流箱的接入数据进行分析与挖掘，找到了一个线上判断汇流箱接入情况的解决方案，并且对大量的汇流箱进行了可行性验证，可以相信，在经过不懈的努力之后，我们从数据空间里找到了一个解。即通过对汇流箱的数据进行深入的分析与挖掘，可以准确判定该汇流箱的接入路数，进而可以描绘出该电站的拓扑结构图，为后面的数据分析提供坚固的支撑。 |
