[发明专利]一种基于智能变电站网络故障分类的方法

权利要求书

1.一种基于智能变电站网络故障分类的方法，其特征在于，包括以下步骤：

(1)接收智能变电站的网络故障数据；

(2)对接收的网络故障数据进行归一化处理；

(3)对归一化后的数据进行去噪声处理；

(4)将去噪后的数据分成训练数据集和测试数据集，采用所述训练数据集对分类器进行训练；

(5)采用训练后的分类器对测试集进行测试，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，步骤(2)中，所述的归一化处理是将所述的网络故障数据映射到[0,1]的范围，所采用的公式如下：

其中，x是特征值进行数据处理之前的值，x_min是原来所有特征中的最小值，x_max是原来所有特征中的最大值，high与low分别为映射区间的最大最小值。

3.根据权利要求1所述的方法，其特征在于，步骤(3)中，所述的去噪声处理过程如下：判断每个数据是否属于离群点，若属于离群点，则将该数据移除，否则，进行保留。

4.根据权利要求3所述的方法，其特征在于，判断离群点的方法如下：

(3.1)定义数据p的k-dist(p)需要满足以下条件，至少有k个o’∈D的样本满足d(p,o’)≤d(p,o)，并且至多有(k-1)个o’∈D的样本满足d(p,o’)＜d(p,o)；

其中，D表示数据集，o、p、q是数据集中的随机数据点，d(p,q)为数据点p，q间隔长度；

(3.2)定义数据p的N_k(p)，是数据集D中与p的间隔小于k-dist(p)的数据集合：N_k(p)＝{q∈D{p},d(p,q)≤kdist(p)}；

(3.3)定义样本p的局部概率是它的k-dist(p)的均值的倒数：den_k(p)＝1/avg(kdist(q)|q∈N_k(p))；

(3.4)计算数据p的局部离群系数LOF_k(p)；LOF_k(p)是数据p的k-最近邻中数据的均值概率与数据p的概率的比值，具体公式如下：

LOF_k(p)＝avg{den_k(q)|q∈N_k(p)}/den_k(p)；

(3.5)将数据p的局部离群系数LOF_k(p)与预先设置的上限值θ进行比较，若LOF_k(p)高于上限值θ，数据p为离群点。

5.根据权利要求1所述的方法，其特征在于，步骤(4)中，所述分类器的训练方法如下：

(4.1)选取Gauss径向基核函数作为数据处理的核函数，并采用改进的分离间隔法优化核参数σ；

(4.2)将优化后的核参数σ和指定的惩罚参数C作为初始值，采用改进的遗传粒子群算法进行优化，得到优化后的惩罚参数C和相应的核参数σ。