[发明专利]一种基于数据挖掘技术的电网电压越限成因诊断方法

权利要求书

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

x_m表示第m个数据样本，x_mn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：

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x_i的密度参数ε_i，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

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(x_e,x_f)，x_e＝[x_e1,...,x_en]，x_f＝[x_f1,...,x_fn]，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；

C4)获取满足max(min(d(x_g,z₁),...,d(x_g,z_k-1)))的数据样本x_g，g∈1,...,d，把该数据样本x_g作为第k个聚类中心z_k，z_k∈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，S_h为第h个聚类中心的离散度，S_l为第l个聚类中心的离散度，d(x_h,x_l)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限成因诊断方法，其特征是，步骤E)还包括：

E1)将标识结果记为标识集y＝[y₁,...,y_d]'；

E2)将电压越限成因聚类结果相同的数据样本作为同类样本，在每一种同类样本中选取q个数据样本，构成同类样本集合k种同类样本构成训练集合Q＝{Q₁,Q₂,...,Q_k}；

E3)在训练集合Q的任意两个元素之间设计一个SVM模型，k种电压越限成因聚类结果设计k(k-1)/2个SVM模型，构建SVM多分类模型。