[发明专利]一种多时空数据融合方法

摘要

本发明涉及电力系统中电力设备的状态评价方法，更具体地，涉及基于朴素贝叶斯和D‑S证据理论的多时空数据融合方法，首先对抽取相同时间内的多种配电设备监测数据，用这些数据训练朴素贝叶斯分类器，得到不同地区、不同时间段的基本概率分配值，然后运用D‑S证据融合理论对多时空数据进行融合，得到配电系统状态评估结果，提高了配电网系统处理多源数据的能力，为配电网进行状态检修提供了参考和依据。本发明允许训练样本和新样本中的电力设备监测设备分布在配电系统中的不同位置，设备数据采样周期不同，适应电力设备监测技术的不断发展。

主权项

1.一种多时空数据融合方法，其特征在于，包括以下步骤：步骤1：收集n个监测设备采集的历史数据，作为朴素贝叶斯分类器的训练样本；步骤2：将训练样本输入到朴素贝叶斯分类器中进行训练，对于离散数据和连续数据采用不同的贝叶斯公式计算似然概率，训练得到最终的朴素贝叶斯分类器；步骤3：对于每个实时配电设备状态评估周期均分为m个时段，采集的n个监测设备m个时段内的监测数据，输入到朴素贝叶斯分类器中进行分类预测，运用朴素贝叶斯分类器输出基本概率分配值；步骤4：运用D‑S证据理论将同个时间段内的所有监测设备的基本概率分配值进行融合；步骤5：再次运用D‑S证据理论将m个时间段内的基本概率分配值进行融合，最终得出的分类结果为多时空数据融合后的基本概率分配值对应的类，其中找出最大的基本概率分配值对应的类，该类就是最终评估周期内系统的状态评估结果。