[發明專利]一種基于FM-KNN的智能電表運行狀態評價方法

在審

• 申請號: 202210792954.5
• 申請日: 2022-07-05
• 公開（公告）號: CN114997336A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 楊舟;陳玨羽;周政雷;蔣雯倩;李剛;李金瑾
• 申請（專利權）人: 廣西電網有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/215;G06Q10/06
• 代理公司: 河北智酷知創知識產權代理事務所(普通合伙) 13157
• 代理人: 武哲

1.一種基于FM-KNN的智能電表運行狀態評價方法，包括對智能電表數據預處理、數據采樣和構建數據模型，其特征在于：所述構建數據模型為構建FM-KNN模型，具體方法步驟包括，

a、核函數選擇，數據在二維空間不可分時，利用高斯核函數，將數據從低維空間映射到高維空間；

b、數據映射，利用FM特征映射思想，借助泰勒公式展開高斯核函數，化簡后，得到映射公式，通過映射公式將二維空間數據映射到三維空間；

c、構建模型，初始化并設置相關模型超參數，將經過映射處理后的數據納入模型進行迭代，計算新數據點與相鄰現有訓練數據點之間的距離，最后通過投票法確定新數據的具體類別，輸出模型預測結果；

d、根據模型的分類結果，調整參數，得到最終模型。

2.根據權利要求1所述的一種基于FM-KNN的智能電表運行狀態評價方法，其特征在于：所述智能電表數據包括數值型數據和非數值型數據，所述非數值型數據包括有類別型數據和非類別型數據，所述類別型數據中類別存在排序問題為定序型，不存在排序問題為定類型。

3.根據權利要求2所述的一種基于FM-KNN的智能電表運行狀態評價方法，其特征在于：所述數據預處理方式包括數據清洗、數據轉換和數據歸一化。

4.根據權利要求3所述的一種基于FM-KNN的智能電表運行狀態評價方法，其特征在于：所述數據清洗包括，

對于缺失數據，通過自動填補、手動填補、刪除數據的方式進行處理缺失數據；

對于離群點數據，當離群點由隨機因素產生，直接忽略或者剔除離群點數據，當離群點由不同機制產生，結合相應數據分布及業務特征采用OneClassSVM或Isolation Forest或Local Outlier Factor算法進行處理離群點數據；

對于重復數據，根據數據情況可直接刪除或將其中一條數據做隨機處理，以擴充訓練樣本數據量。

5.根據權利要求3所述的一種基于FM-KNN的智能電表運行狀態評價方法，其特征在于：所述數據轉換包括，

對于非數值型數據，進行類別轉換，將非數值型轉換為數值型；

對于定序型數據：使用序號編碼，序號編碼可以按照大小關系對定序型特征賦予一個數值ID；

對于定類型數據：使用獨熱編碼，將其變為一個三維稀疏向量。

6.根據權利要求3所述的一種基于FM-KNN的智能電表運行狀態評價方法，其特征在于：所述數據歸一化是將數值型特征進行歸一化，將所有特征都統一到一個相近的區間內，歸一化方式包括線性函數歸一化和零均值歸一化。