[发明专利]用于电表正向有功电能增量数据智能检测方法

说明书

技术领域

本发明涉及电力系统数据检测技术领域，特别涉及一种用于电表正向有功电能增量数据智能检测方法。

背景技术

在目前的电力系统调度中心中，正向有功电能增量是智能电表量测的重要内容之一，也是调度中心最关心的数据之一。由于测量仪器错误或执行错误的存在，电表正向有功电能增量数据中难免存在着异常数据。异常数据对电力系统的运行有不利的影响，因此应积极将异常数据找出并剔除。目前的数据检测方法，大多依靠人眼观察纠错，效率低且正确率难以得到保障。因此，亟需一种智能的数据检测方法。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何对电表正向有功电能增量数据进行检测，以提高检测效率和检测数据的正确率。

(二)技术方案

为解决上述技术问题，本发明提供了一种用于电表正向有功电能增量数据智能检测方法，包括以下步骤：

S1：输入电表正向有功电能增量数据的时间序列x＝[x₀，x₁，...，x_n]，计算所述时间序列的差分向量Δx＝[Δx₁，Δx₂，...，Δx_k，...，Δx_n]，其中差分值Δx_k＝|x_k-x_k-1|，n表示时间序列中有n个值；

S2：对所述差分向量Δx＝[Δx₁，Δx₂，...，Δx_k，...，Δx_n]，利用自组织特征映射神经网络SOM算法进行聚类，并得到各类的聚类中心；

S3：根据预先设定的阈值，将聚类中心超出所述阈值的各类所包含的数据定义为异常数据。

其中，所述步骤S2具体包括：

S2.1：确定SOM网络拓扑结构，设定输入层神经元个数为1，设定输出层的神经元个数为M；

S2.2：设置t＝0，初始化权值w_j(0)(j＝1，2，...，M)，且每个w_j(0)互不相同；

S2.3：为所述SOM网络提供输入值Δx_k；

S2.4：计算当前输入值与各权值之间的距离，并选择距离最小的权值所对应的神经元为获胜神经元；

q(t)=minj||Δxk-wj(t)||]]>

S2.5：调整获胜神经元及其邻域半径内神经元的权值向量为：