[发明专利]一种大规模过电压数据智能自清洗方法

权利要求书

1.一种大规模过电压数据智能自清洗方法，其特征在于，通过稀疏自编码方法提取高维过电压波形的关键特征后，通过CFSFDP法实现特征聚类，用以实现过电压数据清洗，其步骤如下：

S1、获取某地区供电站的原始过电压波形数据；

S2、搭建基于主成分分析法的稀疏自编码网络，对所述原始过电压波形数据进行特征提取，获得过电压数据的二维特征量集合；

S3、采用CFSFDP法对所述二维过电压特征量进行聚类分析，获得若干类聚类簇；

S4、监测每一类聚类簇所表达的波形，进行过电压数据完全清洗。

2.根据权利要求1所述的一种大规模过电压数据智能自清洗方法，其特征在于，所述原始过电压波形数据包括内部过电压波形数据与外部过电压波形数据，所述外部过电压波形数据为雷电过电压波形数据，所述内部过电压包括暂时过电压与操作过电压，所述暂时过电压分为谐振过电压和工频电压升高，工频电压升高的类型有空载长线路的电容效应、不对称接地和突然甩负荷，谐振过电压包括线性谐振，参数谐振和非线性谐振，所述操作过电压包括投切变压器、投切线路、间隙电弧接地过电压。

3.根据权利要求1所述的一种大规模过电压数据智能自清洗方法，其特征在于，步骤S2中，建立包括输入层，隐含层与输出层在内的稀疏自编码神经网络，每层网络有对应的编码器和对应的权重函数，同时构造一个惩罚函数，通过惩罚函数的最小化获得自编码网络中各个参数的值。

4.根据权利要求3所述的一种大规模过电压数据智能自清洗方法，其特征在于，在所建立的稀疏自编码神经网络中，从输入层到隐藏层是编码过程，所述编码过程的表达式为：

a^(k)＝f(W^(k，1)*X^(k-1)+b^(k，1))

从隐藏层到输出层是解码过程，所述解码过程的表达式为：

y^(k)＝f(W^(k，2)*a^(k)+b^(k，2))

式中，W^(k，1)、W^(k，2)表示第k个自编码器对应的权重，、b^(k，1)、b^(k，2)表示第k个自编码器对应的biss参数，f(k)为激活函数。

5.根据权利要求4所述的一种大规模过电压数据智能自清洗方法，其特征在于，在建立稀疏自编码神经网络时，所采用的激活函数f(k)的表达式为：

式中，exp表示以e为底的指数函数。

6.根据权利要求5所述的一种大规模过电压数据智能自清洗方法，其特征在于，在建立稀疏自编码神经网络时，所构造的惩罚函数为：

式中，m为样本个数，β控制权重大小，J(W，b)为均方差项。

7.根据权利要求1所述的一种大规模过电压数据智能自清洗方法，其特征在于，步骤S3中，采用CFSFDP法对所述二维过电压特征量进行聚类分析时，主要分为以下步骤进行：

S31、计算数据点之间的距离；

S32、计算每个数据点的局部密度ρ_i；

S33、计算各个数据点的高密度距离δ_i；

S34、根据局部密度ρ_i和高密度距离δ_i作出决策图，获得二维过电压特征量的聚类簇，并从聚类簇中找到聚类中心。

8.根据权利要求7所述的一种大规模过电压数据智能自清洗方法，其特征在于，所述局部密度ρ_i的计算方法为：

式中，d_c代表截止距离，采用相邻数据点平均百分数P进行代替，所述相邻数据点平均百分数P的计算方法为：第N个数据点*p/100，p的取值范围为(0，100)，d_ij代表相邻数据点的距离。