[發(fā)明專利]過電壓數(shù)據(jù)清洗方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110808226.4
• 申請日: 2021-07-16
• 公開（公告）號: CN113377761A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）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(quán)）人: 貴州電網(wǎng)有限責(zé)任公司電力科學(xué)研究院;南方電網(wǎng)數(shù)字電網(wǎng)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(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 黃恕

本申請涉及一種過電壓數(shù)據(jù)清洗方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，其中，方法包括：獲取原始過電壓數(shù)據(jù)；基于t?SNE與KPCA技術(shù)，對原始過電壓數(shù)據(jù)進(jìn)行故障特征提取與降維，得到降維故障特征集；對降維故障特征集進(jìn)行聚類識別，得到聚類結(jié)果；根據(jù)聚類結(jié)果，對原始過電壓數(shù)據(jù)進(jìn)行清洗。整個(gè)過程中，基于t?SNE與KPCA技術(shù)對原始過電壓數(shù)據(jù)進(jìn)行故障特征提取與降維，充分考慮了樣本數(shù)據(jù)的全局和局部結(jié)構(gòu)特征，通過融合數(shù)據(jù)的不同結(jié)構(gòu)特征信息，使得t?SNE與KPCA在特征提取過程中實(shí)現(xiàn)優(yōu)勢互補(bǔ)，實(shí)現(xiàn)準(zhǔn)確的過電壓數(shù)據(jù)清洗。

技術(shù)領(lǐng)域

本申請涉及智能電網(wǎng)技術(shù)領(lǐng)域，特別是涉及一種過電壓數(shù)據(jù)清洗方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

變電站的發(fā)展要求其系統(tǒng)安全可靠運(yùn)行，而變電站系統(tǒng)的開關(guān)操作、外部雷擊所產(chǎn)生的電磁暫態(tài)，也稱變電站過電壓，會(huì)在發(fā)變電站通過各種耦合方式在弱電系統(tǒng)內(nèi)產(chǎn)生相應(yīng)的干擾電壓。在特殊情況下會(huì)損壞設(shè)備，導(dǎo)致電氣設(shè)備損壞、供電中斷、大面積停電等嚴(yán)重后果，造成巨大的經(jīng)濟(jì)損失。由此可見，過電壓對于電力系統(tǒng)的穩(wěn)定、可靠運(yùn)行有著巨大威脅。

為了能夠精確了解過電壓產(chǎn)生與傳播特性，從源頭減少由于過電壓而導(dǎo)致的事故危險(xiǎn)，需對變電站過電壓進(jìn)行在線監(jiān)控，實(shí)時(shí)追蹤其波形數(shù)據(jù)的產(chǎn)生、傳播狀態(tài)，形成真實(shí)、可靠的過電壓數(shù)據(jù)庫，并開展變電站過電壓數(shù)據(jù)的特征分析與統(tǒng)計(jì)挖掘，得到變電站過電壓關(guān)鍵特征與統(tǒng)計(jì)分布規(guī)律，對于提高電氣設(shè)備絕緣可靠性、加強(qiáng)系統(tǒng)絕緣配合、減少事故發(fā)生率意義重大。

隨著數(shù)據(jù)采集、存儲(chǔ)和傳輸技術(shù)的發(fā)展，過電壓在線監(jiān)測系統(tǒng)的構(gòu)建已較為成熟，且已形成國際標(biāo)準(zhǔn)，國內(nèi)外機(jī)構(gòu)已研發(fā)了各種過電壓在線監(jiān)測系統(tǒng)，并在實(shí)際變電站中得到應(yīng)用。雖然這些在線監(jiān)測數(shù)據(jù)均捕獲到了一些變電站的過電壓數(shù)據(jù)，但由于數(shù)據(jù)傳輸鏈路上影響因素眾多，數(shù)據(jù)庫中可能存在噪聲和較多異常、錯(cuò)誤數(shù)據(jù)，導(dǎo)致整體的過電壓波形數(shù)據(jù)庫數(shù)據(jù)質(zhì)量降低，難以滿足后續(xù)和分析研究需求。因此，目前急需一種準(zhǔn)確的過電壓數(shù)據(jù)清洗方案。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種準(zhǔn)確的過電壓數(shù)據(jù)清洗方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種過電壓數(shù)據(jù)清洗方法，方法包括：

獲取原始過電壓數(shù)據(jù)；

基于t-SNE與KPCA((Kernel Principal Component Analysis,核主成分分析))技術(shù)，對原始過電壓數(shù)據(jù)進(jìn)行故障特征提取與降維，得到降維故障特征集；

對降維故障特征集進(jìn)行聚類識別，得到聚類結(jié)果；

根據(jù)聚類結(jié)果，對原始過電壓數(shù)據(jù)進(jìn)行清洗。

在其中一個(gè)實(shí)施例中，基于t-SNE與KPCA技術(shù)，對原始過電壓數(shù)據(jù)進(jìn)行故障特征提取與降維，得到降維故障特征集包括：

對原始過電壓數(shù)據(jù)進(jìn)行故障特征提取，得到原始高維故障特征集；

對原始高維故障特征集進(jìn)行t-SNE處理，提取原始高維故障特征集的全局結(jié)構(gòu)信息，得到一次降維故障特征集；

利用KPCA對一次降維故障特征集進(jìn)行處理，得到二次降維故障特征集。

在其中一個(gè)實(shí)施例中，對原始高維故障特征集進(jìn)行t-SNE處理，提取原始高維故障特征集的全局結(jié)構(gòu)信息，得到一次降維故障特征集包括：

計(jì)算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(shù)；

隨機(jī)初始化低維數(shù)據(jù)，利用預(yù)設(shè)自由度的t分布計(jì)算低維空間中樣本概率密度；

根據(jù)概率密度，計(jì)算Kullback-Leiber散度定義的高維數(shù)據(jù)分布與低維數(shù)據(jù)分布相似度的代價(jià)函數(shù)的梯度；

根據(jù)高維數(shù)據(jù)分布與低維數(shù)據(jù)分布相似度的代價(jià)函數(shù)的梯度，得到低維數(shù)據(jù)；