[发明专利]一种有源配电网下不良数据的识别方法及装置

权利要求书

1.一种有源配电网下不良数据的识别方法，其特征在于，包括以下步骤：

对采集的有源配电网数据提取特征值；对提取的特征值所对应数据的连续属性进行离散化，得到离散化数据序列；

对所得到的离散化数据序列进行多尺度的离散二进小波变换,得到第一、第二、第三尺度下的小波变换序列，及计算得到第一、第二、第三尺度的离散小波变换值；

将第一、第二、第三尺度的离散小波变换值进行相乘后归一化处理，得到其中一个尺度下的小波变换系数，并将其与所得该尺度的离散小波变换值比较，判断该系数属于有效系数类或无效系数类；

重构所判断属于有效系数类的小波变换系数，进行离散二进小波逆变换，及采用拉普拉斯模型和最大后验概率估计得到降噪后数字信号；

采用模糊ISODATA算法对降噪后数字信号进行聚类，经自迭代获得最优解，得到降噪后数字信号的普通分类结果；并利用KNN分类算法对普通分类结果进行分类，获得最终分类结果；

对所得最终分类结果进行投票筛选，识别出数据属于不良数据或良数据，并标识出不良数据。

2.根据权利要求1所述有源配电网下不良数据的识别方法，其特征在于，所述方法中对离散化数据序列进行三个尺度的离散二进小波变换。

3.根据权利要求1所述有源配电网下不良数据的识别方法，其特征在于，所述方法中对相乘的第一、第二、第三尺度的离散小波变换值归一化处理，得到第一尺度下的小波变换系数。

4.根据权利要求1所述有源配电网下不良数据的识别方法，其特征在于，所述方法中采用模糊ISODATA算法对降噪后数字信号进行聚类，经自迭代获得最优解，包括：

对降噪后数字信号中的每个元素抽取若干个特征得到特征集合；

定义喜好指标来度量对模糊子集的所属程度；

将降噪后数字信号分类得到布尔矩阵，及定义不良数据集合的喜好度和良数据集合的喜好度，将布尔矩阵带入聚类中心迭代公式，计算聚类中心并经迭代获得最优解。

5.根据权利要求1所述有源配电网下不良数据的识别方法，其特征在于，所述方法中对所得最终分类结果进行投票筛选，包括：

对所得最终分类结果进行投票，并对每个投票依据距离进行加权；

判断加权后的距离与设置的距离阈值的大小，根据判断结果识别此数据属于不良数据或良数据。

6.根据权利要求5所述有源配电网下不良数据的识别方法，其特征在于：所述方法中根据判断结果识别此数据属于不良数据或良数据具体为：

当加权后的距离大于设置的距离阈值时，识别该数据为不良数据；

当加权后的距离小于设置的距离阈值时，识别该数据为良数据。

7.一种有源配电网下不良数据的识别装置，其特征在于，包括：

数据离散器，用于对采集的有源配电网数据提取特征值；对提取的特征值所对应数据的连续属性进行离散化，利用快速查找的方法得到离散化数据序列；

噪声过滤器，用于对所得到的离散化数据序列进行多尺度的离散二进小波变换,得到第一、第二、第三尺度下的小波变换序列，及计算得到第一、第二、第三尺度的离散小波变换值并相乘后归一化处理，得到其中一个尺度下的小波变换系数，将其与所得该尺度的离散小波变换值比较，判断该系数属于有效系数类或无效系数类；重构所判断属于有效系数类的小波变换系数，进行离散二进小波逆变换，采用拉普拉斯模型和最大后验概率估计得到降噪后数字信号；

样本聚类器，用于采用模糊ISODATA算法对降噪后数字信号进行聚类，经自迭代获得最优解，得到降噪后数字信号的普通分类结果；

目标识别器，用于并利用KNN分类算法对普通分类结果进行分类，获得最终分类结果，并对所得最终分类结果进行投票筛选，识别出数据属于不良数据或良数据，并标识出不良数据。