[發明專利]過電壓數據清洗方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110808226.4
• 申請日: 2021-07-16
• 公開（公告）號: CN113377761A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 孟令雯;張銳鋒;林呈輝;席禹;于力;蔣理;辛明勇;王宇;汪明媚;李鑫卓;張俊杰;席光輝;郭思琪;古庭赟;顧威
• 申請（專利權）人: 貴州電網有限責任公司電力科學研究院;南方電網數字電網研究院有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/28;G06K9/62;G06F17/18
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 黃恕

1.一種過電壓數據清洗方法，其特征在于，所述方法包括：

獲取原始過電壓數據；

基于t-SNE與KPCA技術，對所述原始過電壓數據進行故障特征提取與降維，得到降維故障特征集；

對所述降維故障特征集進行聚類識別，得到聚類結果；

根據所述聚類結果，對所述原始過電壓數據進行清洗。

2.根據權利要求1所述的方法，其特征在于，所述基于t-SNE與KPCA技術，對所述原始過電壓數據進行故障特征提取與降維，得到降維故障特征集包括：

對所述原始過電壓數據進行故障特征提取，得到原始高維故障特征集；

對所述原始高維故障特征集進行t-SNE處理，提取所述原始高維故障特征集的全局結構信息，得到一次降維故障特征集；

利用KPCA對所述一次降維故障特征集進行處理，得到二次降維故障特征集。

3.根據權利要求2所述的方法，其特征在于，所述對所述原始高維故障特征集進行t-SNE處理，提取所述原始高維故障特征集的全局結構信息，得到一次降維故障特征集包括：

計算所述原始高維故障特征集在低維空間下的低維流形Y的概率密度函數；

隨機初始化低維數據，利用預設自由度的t分布計算低維空間中樣本概率密度；

根據所述概率密度，計算Kullback-Leiber散度定義的高維數據分布與低維數據分布相似度的代價函數的梯度；

根據所述高維數據分布與低維數據分布相似度的代價函數的梯度，得到低維數據；

返回隨機初始化低維數據的步驟開始迭代，記錄迭代次數；

當迭代次數達到預設迭代次數閾值時，根據最新的低維數據，得到一次降維故障特征集。

4.根據權利要求2所述的方法，其特征在于，所述利用KPCA對所述一次降維故障特征集進行處理，得到二次降維故障特征集包括：

確定徑向基函數作為KPCA的核函數；

利用KPCA對所述一次降維故障特征集進行處理，計算所述一次降維故障特征集的累計貢獻率；

選擇所述一次降維故障特征集中累計貢獻率大于預設貢獻率閾值的前f個主成分特征，構成二次降維故障特征集。

5.根據權利要求4所述的方法，其特征在于，所述預設貢獻率閾值為95％。

6.根據權利要求1所述的方法，其特征在于，所述對所述降維故障特征集進行聚類識別，得到聚類結果包括：

基于OPTICS聚類算法對所述降維故障特征集進行聚類識別，得到聚類結果。

7.根據權利要求1所述的方法，其特征在于，所述根據所述聚類結果，對所述原始過電壓數據進行清洗包括：

根據所述聚類結果，確定聚類簇對應的實測波形；

在所述原始過電壓數據中隔離所述聚類簇對應的實測波形的數據，得到清洗后的過電壓數據。

8.一種過電壓數據清洗裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取原始過電壓數據；

降維處理模塊，用于基于t-SNE與KPCA技術，對所述原始過電壓數據進行故障特征提取與降維，得到降維故障特征集；

聚類模塊，用于對所述降維故障特征集進行聚類識別，得到聚類結果；

清洗模塊，用于根據所述聚類結果，對所述原始過電壓數據進行清洗。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。