随着信息技术的发展和电网的日渐智能化,海量数据的时代已经到来。为了满足全社会对于电力能源的需求,架构安全有效的智能电网成为国家发展的重中之重。电网规划是电力建设的龙头,其中的统计数据是进行电网规划的重要依据,然而电网规划的各类数据良莠不齐,需要一套科学有效的数据质量评估方法,为电网规划提供有效的数据支撑。电网规划数据具有数据量大、质量参差不齐等多重问题,这些都给电网规划的准确性带来了严重的影响。鉴于以上原因,能够对电网规划数据进行有效评估的电网规划数据质量评估方法就成为制约电网规划准确度的难题。目前主流的电网数据质量评估方法是采用主观评价法和客观评价法对数据本身的特征及联系进行分析,从而构造数据质量评估方法。现有评估方法还只是针对数据的评价指标进行研究,本文主要基于数据特征对数据质量评估进行研究。电网规划统计数据的表征质量和内层含义质量对于电网负荷预测准确度影响极大,而负荷预测的结果又会反作用于电网规划的决策。因此本文着重对电网规划的统计数据的表征质量和内层含义质量进行评估。本文首先提出了改进层次分析的电网规划数据表征质量评估方法,同时考虑了电网影响因素节点本身和节点链接造成的间隔因素对权重的影响,解决了层次分析法忽略间隔节点链接数量的影响而使其对数据表征质量评估不准确的问题。其次,提出了基于改进卷积神经网络的数据内层含义质量评估方法。该方法通过注意力机制赋予隐含重要信息的数据及关联特征更高的关注度,捕获数据之间的关联。通过该方法得出的结果反映输入数据的异常情况,从而找出由于数据之间存在协调关系等内部因素导致的表面无法发现的数据质量问题。最终,本论文综合电网规划数据的表征质量结果和内层含义质量结果,提出了基于模糊推理的电网规划数据质量综合评估方法。该方法以数据可信度指标作为数据质量的替代度量,不仅从表层特征维度对数据质量进行了评估,而且通过神经网络算法捕获数据间依赖关系发现数据的内层含义质量,解决了数据质量评估时的完全补偿性问题,更全面精准地达到数据质量评估的效果。采用真实的电网规划数据集进行了实验,结果显示本文提出的电网规划数据质量综合评估方法能够更准确地学习到数据及选取的指标特征,使得数据质量的评估结果更可信,为电网规划提供更加精准的数据支撑。