[发明专利]基于双次K-means聚类的设备类型识别方法及系统

权利要求书

1.一种基于双次K-means聚类的设备类型识别方法，其特征在于，包括：

基于已知设备类型的时间序列的电气参数模型，构建标准特征库；

接收设备运行时电气参数相关数据并作为样本源数据；

依据标准特征库筛选出设备运行时的有效数据，提取设备的谐波指标数据；

采用K-means聚类方法对谐波指标数据进行初步聚类，聚类设备的负载特性；

对隶属同一负载特性的设备运行时的电气参数进行K-means聚类，选取K值以及最优的簇中心点和隶属此簇的样本源数据之间的距离阈值；

将第二次K-means聚类后的样本源数据与标准特征库进行相似性比对，标记中心点设备类型标签，并评估聚类结果，完成设备识别分类模型的建立；

将实时接收的设备运行时谐波数据和电气参数相关数据输入至设备识别分类模型，识别出设备的类型。

2.如权利要求1所述的一种基于双次K-means聚类的设备类型识别方法，其特征在于，谐波指标数据为预设次数谐波与基波的占比。

3.如权利要求1所述的一种基于双次K-means聚类的设备类型识别方法，其特征在于，接收设备运行时谐波数据和电气参数相关数据之后，还包括：

对设备运行时谐波数据和电气参数相关数据进行归一化。

4.如权利要求1所述的一种基于双次K-means聚类的设备类型识别方法，其特征在于，通过手肘法选取K值并选出最优的簇中心点和隶属此簇的样本源数据之间的距离阈值。

5.一种基于双次K-means聚类的设备类型识别系统，其特征在于，包括分类模型建立模块和设备类型预测输出模块；

所述分类模型建立模块，用于构建设备识别分类模型；

所述设备类型预测输出模块，用于将实时接收的设备运行时电气参数相关数据输入至设备识别分类模型，输出识别的设备类型；

所述分类模型建立模块，还包括：

标准特征库构建模块，其用于基于已知设备类型的时间序列的电气参数模型，构建标准特征库；

样本源数据构建模块，其用于接收设备运行时电气参数相关数据并作为样本源数据；

谐波指标数据提取模块，其用于依据标准特征库筛选出设备运行时的有效数据，提取设备的谐波指标数据；

初步聚类模块，其用于采用K-means聚类方法对谐波指标数据进行初步聚类，聚类设备的负载特性；

二次聚类模块，其用于对隶属同一负载特性的设备运行时的电气参数进行K-means聚类，选取k值以及最优的簇中心点和隶属此簇的样本源数据之间的距离阈值；

聚类结果评估模块，其用于将第二次K-means聚类后的样本源数据与标准特征库进行相似性比对，标记中心点设备类型标签，并评估聚类结果，完成设备识别分类模型的建立。

6.如权利要求5所述的一种基于双次K-means聚类的设备类型识别系统，其特征在于，在所述谐波指标数据提取模块中，谐波指标数据为预设次数谐波与基波的占比。

7.如权利要求5所述的一种基于双次K-means聚类的设备类型识别系统，其特征在于，所述样本源数据构建模块，还用于：

对接收设备运行时谐波数据和电气参数相关数据进行归一化。

8.如权利要求5所述的一种基于双次K-means聚类的设备类型识别系统，其特征在于，在所述二次聚类模块中，通过手肘法选取K值并选出最优的簇中心点和隶属此簇的样本源数据之间的距离阈值；

或

在所述二次聚类模块中，采用改进的基于设备电气参数的加权欧式距离方法，将计算的样本点与中心点之间的电气参数比值作为欧式距离的加权值，或将计算的样本点与距离中心点最近的样本点之间的电气参数比值作为欧式距离的加权值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的基于双次K-means聚类的设备类型识别方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的基于双次K-means聚类的设备类型识别方法中的步骤。