[发明专利]一种基于分类数据挖掘的电网故障诊断方法

权利要求书

1.一种基于分类数据挖掘的电网故障诊断方法，其特征在于，包括如下步骤：

S1、根据设定的保护方案和待诊断电网的拓扑，获得电网故障诊断模型的若干个训练样本，所述训练样本包括诊断故障输入向量和对应的诊断故障结果；

S2、建立电网故障诊断A-SVM模型，将所述若干个训练样本输入所述电网故障诊断A-SVM模型中进行A-SVM算法训练；

S3、将实际电网故障输入向量输入所述故障诊断A-SVM模型中，获得所述实际电网故障输入向量对应的故障诊断结果。

2.根据权利要求1所述的电网故障诊断方法，其特征在于：所述步骤S1中：

所述保护方案包括：线路保护、母线保护、变压器保护和远后备保护；

所述获得电网故障诊断模型的若干个训练样本具体包括：

根据所述待诊断电网的拓扑获得所述保护方案中的每一种保护的至少一个诊断故障输入向量和对应的故障诊断结果。

3.根据权利要求2所述的电网故障诊断方法，其特征在于，所述步骤S2具体包括：

S21、输入训练样本(x₁,y₁),…,(x_N,y_N)，其中，N为训练样本个数，x_i属于某个域或实例空间X，标签y_i属于Y的k个待分模式中的一个，即：y_i∈Y＝{1,…k}；

S22、样本(x_i,y_i)上的分布D(i)值设定为相等，均为1/N，最大迭代次数为T，对于i＝1,2,…,N，对应的初始化权重向量为：

S23、对t＝1,2,…,T，用支持向量机方法训练样本和计算权重，共迭代T次，每次迭代计算过程如下：

a)对i＝1,2,…,N，计算权重

根据W_i^t计算标签权重函数q_t(i,y)和分布D_t(i)：

b)调用支持向量机方法进行分类，传递分布D_t(i)和标签权重函数q_t(i,y)给支持向量机函数，支持向量机函数返回分类估计值h_t:X×Y→[0,1]；

c)计算分类估计值h_t的伪损失ε_t：

d)根据伪损失ε_t计算β_t：

e)根据β_t计算权重更新向量

S24、输出新样本的最终估计分类值h_f(x_o)：

4.根据权利要求3所述的电网故障诊断方法，其特征在于：所述支持向量机方法进行分类具体包括：

线性判别函数g(x)为：g(x)＝w^Tx+b，分类面方程为：w^Tx+b＝0，引入松弛变量ξ_i，其中，x为输入，w为权重，ξ_i>0,i＝1,2,...,n；

目标函数φ(w)为：其中，C为惩罚系数；

定义拉格朗日函数L(w,b,α)为：其中α_i为拉格朗日系数；

分别对w、b、α_i求偏微分并令偏微分函数等于0得：

从而得到二次凸规划的对偶问题为：

解所述二次凸规划的对偶问题，获得α_i的最优解根据计算获得w的最优解w*，根据和w*获得b的最优解b*；

最优分类函数f(x)为：

5.根据权利要求4所述的电网故障诊断方法，其特征在于，所述惩罚系数通过下式计算获得：

其中，为输入样本向量y_N的平均值，δ_y是训练数据y_N的标准偏差。