一种基于数据挖掘技术的电网电压越限成因诊断方法.pptx

(72)发明人段翔兮高剑李熠冯世林滕予非邹琬何锐张华

刘明忠罗荣森李世龙孙永超

龙呈胡蓉

(74)专利代理机构杭州杭诚专利事务所有限公司33109

代理人尉伟敏

(51)Int.Cl.

G06K9/62(2006.01)

权利要求书3页说明书9页附图2页

(54)发明名称

一种基于数据挖掘技术的电网电压越限成

因诊断方法

(57)摘要

本发明涉及电气自动化领域，公开了一种基于数据挖掘技术的电网电压越限成因诊断方法，包括下列步骤：A)提取越限电压，采集越限电压的相关特征；B)删除不良数据，进行数据预处理，得到样本数据；C)构建K-means改进聚类模型，获取电压越限成因聚类结果；D)对电压越限成因聚类结果进行分类标识；E)构建SVM多分类器模型，优化模型参数；F)输入待诊断数据样本到SVM多分类模型，将SVM多分类模型的输出作为待诊断数据样本的电压越限成因。本发明效率高，减少了人为主观因素的影响，快速有效地处理电网低压海量数据，改进了K-means聚类模型，得到好的聚类效果，同时，对SVM模型进行参数优化，增加了电网电压越限成因诊断的准确性。

(21)申请号201910796367.1

(22)申请日2019.08.27

(71)申请人国网四川省电力公司电力科学研究

院

地址610031四川省成都市青羊区青华路

24号25栋1-7号

G06N3/00(2006.01)G06Q10/00(2012.01)G06Q50/06(2012.01)G01D21/02(2006.01)

(10)申请公布号CN110738232A

(43)申请公布日2020.01.31

(19)中华人民共和国国家知识产权局

(12)发明专利申请

CN110738232A

1.一种基于数据挖掘技术的电网电压越限成因诊断方法，其特征是，包括下列步骤：A)设定电压阈值范围，提取超过阈值范围的越限电压，采集所述越限电压的相关特征；

B)删除不良数据，不良数据包括重复数据和不完整数据，进行数据预处理，得到数据样本；

C)构建K-means改进聚类模型，利用数据样本训练该K-means改进聚类模型，获取电压越限成因聚类结果；

D)对电压越限成因聚类结果进行分类标识，获取标识结果；

E)构建SVM多分类模型，使用电压越限成因聚类结果和标识结果训练该SVM多分类模型；

F)输入待诊断数据样本到SVM多分类模型，将SVM多分类模型的输出作为待诊断数据样本的电压越限成因。

2.根据权利要求1所述的一种基于数据挖掘技术的电网电压越限成因诊断方法，其特征是，步骤B)中，数据预处理包括：

B1)计算每一种相关特征的方差值，设定方差阈值，删除方差值低于方差阈值的相关特征，获得高相关特征，所述数据样本总数为m个，所述高相关特征为n种，获得数据样本集合H，记为

xm表示第m个数据样本，xmn第m个数据样本中的第n个高

相关特征；

B2)将所述数据样本转化为数值型，并且将所有数据样本归一化，表达式可以为：

C2)把密度参数最大的数据样本作为K-means改进聚类模型的第一个初始聚类中心z1，z1∈D；

C3)读取高密度集合D，计算高密度集合D中的任意两个数据样本间的距离d(xe,xf)，xe＝[xe1,...,xen]，xf＝[xf1,...,xfn]，e∈1,...,d，f∈1,...,u，把距离第一个初始聚类中心z1距离最远的数据样本作为第二个初始聚类中心z2，z2∈D；

3.根据权利要求2所述的一种基于数据挖掘技术的电网电压越限成因诊断方法，其特征是，步骤C)还包括：

C1)读取数据样本集合H，计算每个数据样本xi的密度参数εi，i∈1,...,m，设定密度阈值，删除低于该密度阈值的数据样本，得到高密度集合D，记为

权利要求书

2

CN110738232A

1/3页

C4)获取满足max(min(d(xg,z1),...,d(xg,zk-1)))的数据样本xg，g∈1,...,d，把该数据样本xg作为第k个聚类中心zk，zk∈D；

C5)重复步骤C4，依次得到k个初始聚类中心，k≥3；

C6)建立目标函数

式中，Sh为第h个聚类中心的离散度，Sl为第l个聚类中心的离散度，d(xh,xl)为第h和第l聚类中心之间的距离，获得使目标函数取得最优的聚类个数k。

4.根据权利要求3所述一种基于数据挖掘技术的电网电压越