[发明专利]一种站端交互数据特征提取方法

说明书

本发明提供的一种站端交互数据特征提取方法，所述提取方法包括：获取终端设备采集到的站端交互数据和故障检测系统提取到的故障数据库的历史故障信息；融合所述站端交互数据和所述历史故障信息，获得融合设备信息；预处理所述融合设备信息，获得预处理信息；对所述预处理信息进行特征识别，获得特征识别结果；根据所述特征识别结果结合特征提取规则进行特征提取，获得故障特征。实现站端交互过程中数据的快速处理，利用数据融合模型的数据处理规则，对交互数据进行整合、识别、分类，然后提取特征、筛选关键信息，再进行格式转换，最后写入数据库，保障站端交互过程中变电站侧的数据安全，也为变电站的安全防护提供技术支持。

技术领域

本发明涉及电力建设领域，尤其涉及一种站端交互数据特征提取方法。

背景技术

变电站是电力建设的重要一环，智能化程度直接体现出整个电力系统的智能化程度，通信系统提高了监控中心的监测效果和准确性，从而保障电力生产的安全性和集控及调度业务的高效性。变电站为故障频发场所，随着电网规模的扩大和各生产单位用电量的增加，变电站一旦发生故障，将会造成巨大的经济损失。随着变电站的发展，变电站设备越来越复杂，大量终端设备应用其中，设备在机械结构、运行原理、数据传输方式方面差异巨大，与变电站系统间信息和数据融合度、互动性差，严重影响了设备状态管控能力，进而危及变电站通，信安全，终端与变电站交互产生的数据存在多元异构性，使用数据融合和特征提取技术解决。

传统的特征识别、提取方法，例如专家系统、贝叶斯网络和粗糙集理论都被应用到电力数据处理。专家系统对于系统维护要求度较高，需要人工移植数据来维持数据库的完整性，由于知识库容错能力差，所以时常诊断错误；贝叶斯网络比较依靠先验概率，且先验概率很多时候取决于假设，导致预测效果不佳，另外它对输入数据的表达形式很敏感；粗糙集理论在电力系统故障特征信息提取中应用是个创新之举，在处理不完整数据方面有着巨大的潜力，但因算法老旧，难以与现代人工智能算法结合，故数据提取效率很难提升。

发明内容

鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种站端交互数据特征提取方法。

根据本发明的一个方面，提供了一种站端交互数据特征提取方法，所述提取方法包括：

获取终端设备采集到的站端交互数据和故障检测系统提取到的故障数据库的历史故障信息；

融合所述站端交互数据和所述历史故障信息，获得融合设备信息；

预处理所述融合设备信息，获得预处理信息；

对所述预处理信息进行特征识别，获得特征识别结果；

根据所述特征识别结果结合特征提取规则进行特征提取，获得故障特征。

可选的，所述提取方法还包括：将所述故障特征根据需求调整所述故障特征的输出格式。

可选的，所述融合所述物理设备信息和所述历史故障信息具体包括：

采用D-S理论融合，设U为所述站端交互数据和所述历史故障数据形成的集合，其中，若m:2^U→[0,1]满足条件：m(Φ)＝0；则可认定信任函数m是对U的概率分配，若时，m(A)为A的基本可信数，得出信任度的高低；

设K为特征指标间的冲突加权值，当K＜∞是多源数据能进行有效融合的必要条件。

可选的，所述预处理所述融合设备信息具体包括：

所述融合设备信息包括数据噪声、数据缺失、数据冗余、数据重复、数据集不均衡；

根据所述融合设备信息的问题种类采取对应的策略进行预处理，获得预处理结果；

对所述预处理结果使用公式进行标准化，其中为均值，s_j为标准差。