[發明專利]一種基于兩階段特征選擇和格拉姆角場的拓撲辨識方法

在審

• 申請號: 202210222760.1
• 申請日: 2022-03-07
• 公開（公告）號: CN114912338A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 秦超;潘毓笙
• 申請（專利權）人: 天津大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F113/04
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

1.一種基于兩階段特征選擇和格拉姆角場的拓撲辨識方法，其特征在于，所述方法包括以下步驟：

S1、基于XGBoost方法，計算所有候選節點量測的重要度；

S2、基于最大信息系數，判定所有不同節點量測之間的相關度；

S3、依據所有節點量測之間的相關度判斷不同量測是否強相關，若兩個候選量測強相關，則依據所有節點量測的重要度刪除重要程度較低的量測；

S4、基于格拉姆角場特征變換，將一維的配電網時間斷面量測數據變換為二維的格拉姆角場；

S5、根據三卷積層的神經網絡模型，對格拉姆角場所蘊含的拓撲特征信息進行穩定提取，完成拓撲辨識。

2.根據權利要求1所述的一種基于兩階段特征選擇和格拉姆角場的拓撲辨識方法，其特征在于，所述步驟S1計算所有候選節點量測的重要度的步驟包括：

101、XGBoost是由K棵決策樹組成的加法集成模型：

其中，f_k(x_i)表示第i個樣本x_i在第k棵樹所對應葉子節點的權重；x_i∈R^N，表示K棵樹組成的函數空間；表示樣本x_i的預測值；

102、對于第k棵樹而言，通過k個損失函數來衡量預測值與拓撲標簽之間的差距，損失函數為：

其中，y_i表示樣本x_i拓撲標簽，表示樣本x_i的訓練殘差，Ω表示懲罰項，反映模型復雜度；N_s表示樣本總數；

103、XGBoost的學習策略是采用貪心算法來尋找第k棵樹式(5)的最優解，損失函數需改寫為：

其中，g_i、h_i分別是的一階導數和二階導數，T表示葉子節點個數，w_j表示第j個葉子節點的權重，γ表示懲罰項；X_j表示葉子節點j的樣本集合；

104、確定第k棵樹的結構，方法是從樹的深度為0開始，每一節點都遍歷所有的量測，最終選取信息增益最大的量測作為分裂量測，分裂葉子節點；信息增益的計算方式為：

其中，Opt_L、Opt_R和Opt_L+R分別表示葉子節點左子樹、右子樹、無分裂時式(6)的最優解，衡量葉子節點對總體損失的貢獻，若G＜0時，樹停止分裂；

105、遍歷K棵樹，將每個量測作為分裂量測時的得出的信息增益進行加和，作為該量測的重要程度。