[發明專利]一種舞動數據的挖掘方法及系統

在審

• 申請號: 201811029046.0
• 申請日: 2018-09-05
• 公開（公告）號: CN109447309A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 張立春;劉彬;唐鳳珍;程永鋒;姬昆鵬;費香澤;漢京善;斯白露;司佳鈞;楊加倫;展雪萍;趙彬;李鵬;李丹煜
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;中國科學院沈陽自動化研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 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

1.一種舞動數據的挖掘方法，其特征在于，包括：

基于輸電線路舞動的潛在影響因子對舞動信息記錄表進行篩選獲得第一類影響因子；

基于所述第一類影響因子對應的相關系數和預先構建的支持向量機模型，對所述第一類影響因子中的各影響因子進行排序，從排序后的第一類影響因子中選擇滿足預設條件的影響因子作為第二類影響因子；

將舞動信息記錄表中所述第二類影響因子對應的輸電線路相關數據作為舞動分析的舞動數據。

2.如權利要求1所述的挖掘方法，其特征在于，所述基于所述第一類影響因子對應的相關系數和預先構建的支持向量機模型，對所述第一類影響因子中的各影響因子進行排序，包括：

從所述舞動信息記錄表中選擇第一影響因子及所述第一影響因子涉及的輸電線路相關數據，生成分析數據表；

基于分析數據表計算所述第一類影響因子中各影響因子對應的均值和均方差；

基于各影響因子對應的均值和均方差計算各影響因子的相關系數；

基于各影響因子的相關系數的絕對值對所述第一類影響因子中的各影響因子進行排序得到第一排序結果；

基于分析數據表和支持向量機模型，對所述第一類影響因子中的各影響因子進行排序得到第二排序結果。

3.如權利要求2所述的挖掘方法，其特征在于，所述從排序后的第一類影響因子中選擇滿足預設條件的影響因子作為第二類影響因子，包括：

比較第一排序結果中第一類影響因子的各影響因子排序結果，和第二排序結果中第一類影響因子的各影響因子排序結果；

當所述第一排序結果和第二排序結果中順序為閾值時的多個影響因子相同，則選擇相同的影響因子作為第二類影響因子。

4.如權利要求3所述的挖掘方法，其特征在于，所述基于分析數據表和支持向量機模型，對所述第一類影響因子中的各影響因子進行排序得到第二排序結果，包括：

將第一類影響因子中的全部影響因子設置為原始特征集合，同時設置一個為空集的特征排序集；

將第一類影響因子和所述第一類影響因子對應的輸電線路相關數據作為訓練樣本；

基于所述訓練樣本和設置的第一公式訓練支持向量機分類器得到超平面的權值向量；

基于所述超平面的權值向量和設置的第二公式計算排序準則分數；

將最小的排序準則分數對應的影響因子從所述原始特征集合中刪除，并將基于所述最小的排序準則分數得到的結果特征添加到所述特征排序集中；

從當前訓練樣本中刪除最小的排序準則分數對應的影響因子及輸電線路相關數據，得到更新后的訓練樣本；

基于所述更新后訓練樣本繼續查找最小的排序準則分數對應的影響因子，直到所述原始特征集合為空集時，將當前特征排序集對應的影響因子作為第二排序結果。

5.如權利要求4所述的挖掘方法，其特征在于，所述超平面的權值向量，按下式計算：

式中：ω：超平面的權值向量；α_i：第i個影響因子的拉格朗日乘子；x_i：第i個影響因子的值；y_i：第i個影響因子的類別標簽；N：訓練樣本個數。

6.如權利要求4所述的挖掘方法，其特征在于，所述排序準則分數，按下式計算：

式中：c_k：第k個影響因子的排序準則分數；第k個影響因子的超平面的權值向量；k的取值為原始特征集合中影響因子的個數。

7.如權利要求4所述的挖掘方法，其特征在于，所述結果特征，按下式計算：

p＝argminc_k

式中：p：由k的值組成的結果特征；c_k：第k個影響因子的排序準則分數。