[發明專利]一種基于電力系統在線歷史數據的數據約簡方法

有效

• 申請號: 201610771830.3
• 申請日: 2016-08-30
• 公開（公告）號: CN107784015B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 戴紅陽;于之虹;張軍;史東宇;楊超平;魯廣明;張爽;黃彥浩;高峰;邱健;田蓓;李偉;馬軍;嚴劍峰;馬天東
• 申請（專利權）人: 中國電力科學研究院;國家電網公司;國網寧夏電力公司電力科學研究院;國網寧夏電力公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/28;G06K9/62;G06Q50/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種基于電力系統在線歷史數據的數據約簡方法，其特征在于，所述方法包括：

步驟I、根據在線歷史數據生成原始數據集；

步驟II、對原始數據集進行特征提取；

步驟III、對原始數據集進行樣本篩選；

所述步驟III中所述樣本的篩選包括：

步驟(1)重復性篩選：根據步驟II得到的數據集，進行第一次樣本重復性篩選；

步驟(2)基于SVM算法的樣本篩選：根據步驟(1)得到的數據集，利用SVM算法進行第二次樣本篩選；

步驟(3)基于最近樣本對的樣本篩選：根據步驟(2)基于SVM算法的樣本篩選得到的數據集，利用最近樣本對進行第三次樣本篩選；

所述最近樣本對定義如下所示：

利用歐氏距離公式計算得到距離樣本α最近的樣本為β，若樣本β的最近樣本為α，則樣本α與樣本β互為最近樣本對；

所述基于最近樣本對的篩選包括：

(5-1)計算數據集S中每個樣本x的最近樣本x’，標記為最近樣本；

(5-2)標記S中所有樣本的最近樣本；

(5-3)尋找S中所有互為最近樣本對的樣本；

(5-4)判斷每個樣本對中類別是否相同，若相同，則刪除其中一個樣本；若不相同，則將兩個樣本都刪除；

(5-5)得到的S即為壓縮后數據集；

所述基于SVM算法的樣本篩選包括：

(4-1)將訓練樣本通過SVM方法，得到超平面；

(4-2)將訓練樣本作為待分類樣本輸入，得到分類結果；

(4-3)刪除訓練樣本中分類錯誤的樣本；

(4-4)重復以上步驟，直到沒有分類錯誤的樣本。

2.如權利要求1所述的一種基于電力系統在線歷史數據的數據約簡方法，其特征在于，所述步驟I中所述歷史數據包括：作為分析數據集的屬性變量的電網狀態變量和作為分析數據集的類別變量的臨界切除時間。

3.如權利要求2所述的一種基于電力系統在線歷史數據的數據約簡方法，其特征在于，所述電網狀態變量包括靜態設備的狀態量和電氣量，按區域或廠站的統計量。

4.如權利要求1所述的一種基于電力系統在線歷史數據的數據約簡方法，其特征在于，所述步驟II中所述特征提取包括：利用下式所示的Pearson相關系數γ_A,B進行特征提取：

其中：

n—元組的個數；

a_i—元組i在A上的數值；

b_i—元組i在B上的數值；

—A的均值；

—B的均值；

σ_A—A的標準差；

σ_B—B的標準差。

5.如權利要求1所述的一種基于電力系統在線歷史數據的數據約簡方法，其特征在于，所述步驟(1)包括：刪除相同的樣本，僅保留其中一個樣本。

6.如權利要求1所述的一種基于電力系統在線歷史數據的數據約簡方法，其特征在于，所述步驟(2)包括：

用SVM算法進行樣本分類訓練，得到如下式所示的分類函數：

其中，sgn為符號函數，K為核函數，a和b是由訓練得到的參數，x_i和y_i分別為支持向量及其分類，其中y_i＝1或-1，x為待判別樣本；

核函數K如下式所示：

其中，σ為參數。