[发明专利]一种模糊自组织神经网络的电能质量量测缺失修复方法

权利要求书

1.一种模糊自组织神经网络的电能质量量测数据缺失修复方法，该方法由计算机程序执行：包括有如下步骤：

步骤1)输入含缺失的电能质量一维量测数据集；

步骤2)将采样得到的一维波形数据按N个电能质量采样周期，进行分段截取并通过二维矩阵x的映射规则x(i,j)＝x(n)|n＝(i-1)n_l+j j≤n_l，将其映射成二维矩阵x中的行或列，对一维信号进行二维截断重组；

步骤3)计算空间灰度值P(i,j)＝[(255-(254*(m-x(i,j)/(m-n))]，将矩阵x采用灰度化的方法转化成图像；

步骤4)提取二维谐波灰度图的特征值X_j＝[X_1,j,X_2,j,…,X_m+l,j]，并作归一化处理；

步骤5)确定电网谐波数据的最佳聚类数；所述步骤5)确定电网谐波数据的最佳聚类数，包括：

(1)计算聚集程度的系数和表征类与类之间分散程度的系数

(2)计算整体聚类效果的指标λ＝α_max+(1-β_min)；

(3)当||λ(k)-λ(k-1)||ε时，判定收敛之前聚类迭代总的次数即为聚类的最佳分类数k；否则，返回步骤5)(1)中；

步骤6)以各个样本到所有聚类中心的距离加权平方和为目标构造目标函数：并构建隶属度矩阵U＝[u_ij]，以为约束条件，训练最优的聚类方式；

步骤7)完成对二维灰度图的修复；所述步骤7)完成对二维灰度图的修复，包括：

(1)遍历所有数据，搜索并记录每个缺失点的位置序列x(i,j)和分层序列q_r；

(2)对同一个缺失点在所有层中进行搜索，找出缺失点周围可用信息数目的最大值，提取该缺失点的位置信息和所在层信息；

(3)对周围可用信息数目最多的缺失点在该层中首先进行修复；

(4)删除已修复点的位置信息和所在层信息，若还有缺失数据，则进入步骤7)第(2)步重新搜索；否则进入8)；

步骤8)将每层修复完的数据进行融合，并将图像信息还原成波形信号。

2.根据权利要求1所述的一种模糊自组织神经网络的电能质量量测数据缺失修复方法，其特征在于：所述步骤6)中目标函数内参数更新包括如下步骤：

(1)更新隶属度和模糊指数

(2)更新学习效率

(3)更新神经元节点权重

(4)更新权重向量若||Δw||₂＝||w(t+1)-w(t)||₂ε时，返回(1)；否则，则结束循环。

3.根据权利要求1所述的一种模糊自组织神经网络的电能质量量测数据缺失修复方法，其特征在于，所述步骤7)对二维灰度图进行修复时，若对应数据未缺失，则对该数据不作处理。

4.根据权利要求1所述的一种模糊自组织神经网络的电能质量量测数据缺失修复方法，其特征在于，所述步骤5)中确定的最终聚类数k代入步骤6)中，进行相似度聚类。