基于模糊聚类和RS-KNN模型用于电网运行状态的判别方法及系统

    公开(公告)号:CN110223193A

    公开(公告)日:2019-09-10

    申请号:CN201910236266.9

    申请日:2019-03-27

    Abstract: 本发明公开了一种基于模糊聚类和RS-KNN模型用于电网运行状态的判别方法,包括如下步骤:Step 1:选择用于电网运行状态判别的特征变量;Step 2:使用模糊聚类算法,将电网运行的健康状态按照健康程度分为四种类型,分别为健康、亚健康、一般病态和严重病态。在聚类前,为了消除数据量纲的影响,需要采用归一化方法对电网的特征变量数据进行处理。Step 3:将步骤1中得到的特征变量,作为训练集的输入变量,将步骤2中得到的已经分类电网运行状态所对应的数据作为训练集,训练集的输出为对应的电网运行状态,健康、亚健康、一般病态和严重病态这四种电网运行状态所对应的标签分别设定为1、2、3和4。Step 4:将得到的四种电网运行状态的数据用来训练RS-KNN模型。

    一种基于关联规则的电网设备数据流清洗方法

    公开(公告)号:CN110188095A

    公开(公告)日:2019-08-30

    申请号:CN201910475890.4

    申请日:2019-06-03

    Abstract: 本发明公开了一种基于关联规则的电网设备数据流清洗方法,包括以下步骤:通过利用Apriorri算法对数据流中各个数据序列的历史数据,进行关联强度的计算,并输出不同数据序列间的关联关系;利用基于滑动时间窗口的异常数据筛选算法对关联强度较弱的数据序列,进行逐一检测;对于关联程度较高的数据序列在同一时刻做异常数据辨识处理;将多种小波基函数的神经网络应用到数据清洗中,完成组合预测。本发明的数据流清洗方法对电网设备风险的评估准确,数据稳定可靠。

Patent Agency Ranking