[发明专利]基于KNN临近算法的电网类型判断方法和装置

说明书

本发明提供了基于KNN临近算法的电网类型判断方法和装置，包括：采集原始样本数据，原始样本数据包括表型数据和特征数据组；根据表型数据和所述特征数据组，计算特征数据组中每个特征数据的最大值和最小值；根据每个特征数据的最大值和最小值，对每个特征数据进行归一化，得到每个特征的原始归一化数据；采集当前样本数据；根据每个特征数据的最大值和最小值，对当前样本数据中的每个特征数据进行归一化，得到每个特征的当前归一化数据；将原始归一化数据和当前归一化数据通过KNN临近算法，得到多个采样距离；根据多个采样距离确定当前电网的表型，可以解决电表类型多的问题，从而降低生产成本。

技术领域

本发明涉及电力技术领域，尤其是涉及基于KNN临近算法的电网类型判断方法和装置。

背景技术

目前，三相电网包括三相三线和三相四线两种类型，电压类型包括57.7V、100V和220V三种，根据三相电网的类型和电压类型可以设计多种电能表，并且随着电表类型的增加，电能表的设计也随之增加，这样往往会使生产成本大大增加。

发明内容

有鉴于此，本发明的目的在于提供基于KNN临近算法的电网类型判断方法和装置，可以解决电表类型多的问题，从而降低生产成本。

第一方面，本发明实施例提供了基于KNN临近算法的电网类型判断方法，所述方法包括：

采集原始样本数据，所述原始样本数据包括表型数据和特征数据组；

根据所述表型数据和所述特征数据组，计算所述特征数据组中每个特征数据的最大值和最小值；

根据所述每个特征数据的最大值和最小值，对所述每个特征数据进行归一化，得到每个特征的原始归一化数据；

采集当前样本数据；

根据所述每个特征数据的最大值和最小值，对所述当前样本数据中的每个特征数据进行归一化，得到所述每个特征的当前归一化数据；

将所述原始归一化数据和所述当前归一化数据通过KNN临近算法，得到多个采样距离；

根据所述多个采样距离确定当前电网的表型。

进一步的，所述表型数据包括第一表型数据、第二表型数据和第三表型数据，所述特征数据组包括所述第一表型数据对应的第一特征数据组、所述第二表型数据对应的第二特征数据组，以及所述第三表型数据对应的第三特征数据组。

进一步的，所述第一表型数据为三相三线100V，所述第一特征数据组包括第一电压、第二电压、第三电压、所述第一电压和所述第二电压构成的第一夹角，以及所述第一电压和所述第三电压构成的第二夹角；

所述第二表型数据为三相四线57.7V，所述第二特征数据组包括所述第一电压、所述第二电压、所述第三电压、所述第一电压和所述第二电压构成的所述第一夹角，以及所述第一电压和所述第三电压构成的所述第二夹角；

所述第三表型数据为三相四线220V，所述第三特征数据组包括所述第一电压、所述第二电压、所述第三电压、所述第一电压和所述第二电压构成的所述第一夹角，以及所述第一电压和所述第三电压构成的所述第二夹角。

进一步的，所述根据所述表型数据和所述特征数据组，计算所述特征数据组中每个特征数据的最大值和最小值，包括：

根据所述第一特征数据组的所述第一电压、所述第二特征数据组的所述第一电压和所述第三特征数据组的所述第一电压，得到所述第一电压的最大值和最小值；

根据所述第一特征数据组的所述第二电压、所述第二特征数据组的所述第二电压和所述第三特征数据组的所述第二电压，得到所述第二电压的最大值和最小值；

根据所述第一特征数据组的所述第三电压、所述第二特征数据组的所述第三电压和所述第三特征数据组的所述第三电压，得到所述第三电压的最大值和最小值；