[发明专利]一种电压在线监测系统的数据处理方法及装置

说明书

本申请公开了一种电压在线监测系统的数据处理方法及装置，包括：获取电压在线监测系统中待处理的电压数据集及预设聚类数上限，获取当聚类数分别为1和预设聚类数上限时，所对应的误差平方和及相对误差平方和；根据相对误差平方和，确定电压数据集的聚类数下限；最后，在聚类数取值范围内，获取轮廓系数极大值，根据轮廓系数极大值，确定最佳聚类数，再根据最佳聚类数，采用K‑means算法对电压数据集进行分类。本申请解决了由于K‑means算法需要人为确定最佳聚类数，准确率不高，且人为确定聚类数速度慢，不能满足在线监测的需求，导致K‑means算法不够灵活，难以用于电压在线监测系统的问题，保证了配电网的安全性。

技术领域

本申请涉及电压监测技术领域，尤其涉及一种电压在线监测系统的数据处理方法及装置。

背景技术

随着电网规模的不断扩大，对于电网可靠性和安全性的要求也越来越高。近些年，电网开展了配电网电压监测系统的建设，通过对配变电压及电流的数据计算和分析，可以实现对全网电压实时在线监测、问题预警等，提高配电网的安全性，但如何对电压在线监测系统的数据进一步挖掘处理仍有待研究。

目前，常使用K-means算法对电压在线监测系统的数据进行分析与处理，K-means算法是一种效率很高的聚类算法。K-means算法首先通过人为确定最佳聚类数K，在处理数据集中选取K个待处理数据作为聚类中心，然后计算每个待处理数据与各个聚类中心之间的距离，以就近原则进行分类，将待处理数据集分为K个簇，进而将待处理数据集中的正常数据和异常数据分类出来，以便于实现对全网电压实时在线监测、问题预警等。

但是由于K-means算法需要人为确定最佳聚类数，准确率不高，且人为确定聚类数速度慢，不能满足在线监测的需求，导致K-means算法不够灵活，难以用于电压在线监测系统的在线监测，降低配电网的安全性。

发明内容

为了解决由于K-means算法需要人为确定最佳聚类数，准确率不高，且人为确定聚类数速度慢，不能满足在线监测的需求，导致K-means算法不够灵活，难以用于电压在线监测系统的在线监测，降低配电网安全性的问题，本申请通过以下实施例公开了一种电压在线监测系统的数据处理方法及装置。

本申请第一方面公开了一种电压在线监测系统的数据处理方法，包括：

获取所述电压在线监测系统中待处理的电压数据集，所述电压数据集中包括多个电压数据；

获取所述电压数据集的预设聚类数上限；

分别获取第一误差平方和及第二误差平方和，所述第一误差平方和为当所述电压数据集的聚类数为1时，所述电压数据集对应的误差平方和，所述第二误差平方和为当所述电压数据集的聚类数为所述预设聚类数上限时，所述电压数据集对应的误差平方和；

获取第一相对误差平方和，所述第一相对误差平方和的取值为一；

根据所述第一误差平方和及所述第二误差平方和，获取第二相对误差平方和，所述第二相对误差平方和为所述第二误差平方和与所述第一误差平方和的比值；

根据所述第一相对误差平方和及所述第二相对误差平方和，获取第三相对误差平方和，所述第三相对误差平方和为所述第一相对误差平方和与所述第二相对误差平方和相加结果的一半；

根据所述第三相对误差平方和，确定所述电压数据集的聚类数下限；

根据所述预设聚类数上限及所述聚类数下限，获取所述电压数据集的聚类数取值范围；

在所述聚类数取值范围内，获取聚类数所对应的轮廓系数极大值；

根据所述轮廓系数极大值，确定最佳聚类数；

根据所述最佳聚类数，采用K-means算法对所述电压数据集进行分类。