[发明专利]基于稀疏自编码的暂态录波故障数据清洗方法和系统

权利要求书

1.基于稀疏自编码的暂态录波故障数据清洗方法，其特征在于，包括以下步骤：

S1：对故障数据进行皮尔逊相关性的相似度计算，去除故障数据中的重复数据；

S2：对去重后的故障数据通过稀疏自编码模型对故障数据的特征自提取得到二维特征量；

S3：对提取后的二维特征量根据密度峰值快速搜寻的聚类算法进行故障数据清洗。

2.根据权利要求1所述的基于稀疏自编码的暂态录波故障数据清洗方法，其特征在于，步骤S1包括，对△t时间内的n组故障数据X＝{x₁,x₂,x₃,…,x_n},x_i∈R⁽ⁿ⁾，计算皮尔逊相关性的相似度

3.根据权利要求1所述的基于稀疏自编码的暂态录波故障数据清洗方法，其特征在于，稀疏自编码模型包括输入层、中间隐含层和输出层。

4.根据权利要求3所述的基于稀疏自编码的暂态录波故障数据清洗方法，其特征在于，步骤S2包括：

对去重后的m组故障数据X＝{x₁,x₂,x₃,…,x_m},x_i∈R⁽ⁿ⁾作为输入层进行入网特征提取，中间隐含层激活函数为a(x)＝f(w₁x+b₁)；增加模型的非线性因素，其中其中，w₁为输入层与中间隐含层之间的权重系数；b₁为输入层的偏差向量；a(x)为激活后的函数值；

输出层得到输出变量其中，w₂为中间隐含层到输出层的权重系数；b₂为中间隐含层的偏差向量；则损失函数为：

其中首项：为系数函数的惩罚项；β控制稀疏惩罚项的相对大小；为KL距离。

5.根据权利要求1所述的基于稀疏自编码的暂态录波故障数据清洗方法，其特征在于，在步骤S3中，局部密集的计算公式为：

6.基于稀疏自编码的暂态录波故障数据清洗系统，其特征在于，包括去重模块、提取模块和清洗模块；

所述去重模块用于对故障数据进行皮尔逊相关性的相似度计算，去除故障数据中的重复数据；

所述提取模块用于对去重后的故障数据通过稀疏自编码模型对故障数据的特征自提取得到二维特征量；

所述清洗模块用于对提取后的二维特征量根据密度峰值快速搜寻的聚类算法进行故障数据清洗。

7.根据权利要求6所述的基于稀疏自编码的暂态录波故障数据清洗系统，其特征在于，所述提取模块包括构建模型模块和计算模块；

所述构建模型模块用于构建稀疏自编码模型；

所述计算模块用于对去重后的m组故障数据X＝{x₁,x₂,x₃,…,x_m},x_i∈R⁽ⁿ⁾作为输入层进行入网特征提取，中间隐含层激活函数为a(x)＝f(w₁x+b₁)；增加模型的非线性因素，其中输出层得到输出变量