[发明专利]电力网络设备拓扑识别方法、电子设备和计算机存储介质

权利要求书

1.一种电力网络设备拓扑识别方法，其特征在于，所述方法包括：

获取电力网络中的数据包，形成预设格式的报文；

从所述报文中提取特征值；

基于所述特征值，分别通过监督式的分类算法和无监督式的聚类算法对所述电力网络中各电力设备的拓扑进行识别；

对于电力网络中任一电力设备，若其监督式的分类算法的识别结果和无监督式的聚类算法的识别结果相同，则将相同的识别结果作为所述电力网络中任一电力设备的最终拓扑结果；

对于电力网络中任一电力设备，若其监督式的分类算法的识别结果和无监督式的聚类算法的识别结果不相同，则通过所述无监督式的聚类算法对所述监督式的分类算法进行修正，得到所述电力网络中任一电力设备的最终拓扑结果；

其中，通过监督式的分类算法对所述电力网络中各电力设备的拓扑进行识别，包括：

获取已知变电站中的设备数据包交互信息，将其作为样本数据；

通过如下模型对所述电力网络中各电力设备的拓扑进行识别：

需要满足的条件

样本集X和样本分类数K，对于样本集X中的每个元素x；

若x∈K：

损失函数：

当x属于类别k时，y_k＝1，否则y_k＝0；

梯度下降：

其中，F_k(x)为样本x的估计值，p_k(x)为x属于类别k的概率，y_k为输入的样本数据的估计值；i表示迭代次数，y_ik为第i次迭代的y_k，y_k为输入的样本数据的估计值，为第i次迭代的y_k的无穷小量，p_k(x_i)为第i次迭代中p_k(x)，F_l(x_i)为第i次迭代中l＝1，......，K时的F_l(x)，F_k(x_i)为第i次迭代样本x的估计值，y_il为第i次迭代中，l＝1，......，K时的输入的样本数据的估计值，F_l(x)＝F_l-1(x)为第i-1至第i次的迭代过程；

其中，通过无监督式的聚类算法对所述电力网络中各电力设备的拓扑进行识别，包括：

通过如下模型对所述电力网络中各电力设备的拓扑进行识别：

5.1、选择K个初始中心点；

5.2、确定电力设备i与各中心点的距离，将所述电力设备i归于距离最小的中心点所在类；

5.3、对于中心点j所在类，计算c[j]＝{j所在类的所有电力设备值的和}/j所在类的所有电力设备数量；

5.4、重复5.2和5.3直至连续两次执行的c[j]之差小于预设阈值；

5.5、确定当前各类的中心点，通过监督式的分类算法对将当前各类的中心点的拓扑进行识别；

5.6、将各类的中心点的识别结果作为各类中电力设备的拓扑结果；

所述通过所述无监督式的聚类算法对所述监督式的分类算法进行修正，得到所述电力网络中任一电力设备的最终拓扑结果，包括：

6.1、确定无监督式的聚类算法的第t类识别结果k_t在监督式的分类算法中对应的识别结果r_t；

6.2、确定diff(k_t，r_t)＝a_t+b_t，所述a_t为属于无监督式的聚类算法的第t类，但不属于监督式的分类算法对应的类的电力设备数量，b_t为属于监督式的分类算法对应的类，但不属于无监督式的聚类算法的第t类的电力设备数量；

6.3、计算各类diff的最大值max(diff)；

6.4、利用稀疏规则算子L1范数对max(diff)所在类进行规则化，重新通过无监督式的聚类算法对所述电力网络中各电力设备的拓扑进行识别，确定重新得到的无监督式的聚类算法的识别结果与监督式的分类算法的识别结果的相似度是否达到预设值，若达到，则将重新得到的无监督式的聚类算法的识别结果作为所述电力网络中任一电力设备的最终拓扑结果，若未达到，则重新执行6.1至6.4直至重新得到的无监督式的聚类算法的识别结果与监督式的分类算法的识别结果的相似度达到预设值。