[发明专利]基于ADASYN-DHSD-ET的电网故障诊断方法

权利要求书

1.一种基于ADASYN-DHSD-ET的电网故障诊断方法，其特征是：对多元数据库中的日常监控数据进行提取，经过数据预处理后，构建基于ADASYN-DHSD-ET算法的模型，然后根据相应的评价指标得到最优模型，最后对电网故障类型进行识别，其具步骤为：步骤一、对多元数据库中电网的日常监控数据进行提取，经过预处理后，保留全部属性完整的记录；

步骤二、对预处理后的数据进行分类，按照一定比例对每个类进行随机采样，得到训练集D_train和测试集D_test；

步骤三、使用ADASYN-DHSD-ET算法对D_train训练故障类型诊断训练模型；

步骤四：使用D_test验证训练模型，根据每个参数设置进行验证，并根据评价指标，得到最优模型、

步骤五：重复步骤一并根据步骤四获得的最优模型识别电网中的故障类型。

2.根据权利要求1所述的基于ADASYN-DHSD-ET的电网故障诊断方法，其特征是：所述步骤一中，多元数据库为电网日常监控数据的历史存储数据库或实时监控数据；属性完整的记录为具有电压、电流、是否修复过、修复时长、是否工作日、月份、日期、星期几、上午或下午、季节、温度11个特征属性的记录。

3.根据权利要求1所述的基于ADASYN-DHSD-ET的电网故障诊断方法，其特征是：所述步骤二中，按照正常数据、信号丢失故障、MIB备份未对齐故障、R丢失故障、信号降级故障进行分类并形成数据集。

4.根据权利要求1所述的基于ADASYN-DHSD-ET的电网故障诊断方法，其特征是：所述步骤三中，训练模型建立的过程为：(1)、通过ADASYN-DHSD对训练集D_train中的样本进行采样，根据故障类的密度分布自动生成新样本，使用DHSD计算样本之间的合成数、合成数据、改进样本的平衡度，并使采样后的数据保持原样本的特征；

(2)、使故障类与正常类样本数量相同，并与正常类样本形成新样本集；

(3)、ET算法中每个基分类器都使用新样本集中的全部样本进行训练，在基分类器节点分裂时随机从N个属性中选择n个分裂属性，以基尼系数或信息增益熵选择最优属性进行分裂，分裂过程中不剪枝，直到生成一个基分类器；

(4)、对所有基分类器进行投票，获得训练模型。

5.根据权利要求1所述的基于ADASYN-DHSD-ET的电网故障诊断方法，其特征是：所述步骤四中，以平均精度、小类的平均精度、F_score、G_mean和时间复杂度作为不平衡数据集的性能评价指标。