[发明专利]基于ID3算法的电力系统故障分类方法及系统

权利要求书

1.基于ID3算法的电力系统故障分类方法，其特征在于，先获取数据集，再利用ID3算法对数据集进行处理得到决策树，之后根据决策树对数据集的数据进行分类得到分类结果。

2.根据权利要求1所述的基于ID3算法的电力系统故障分类方法，其特征在于，利用ID3算法对数据集进行处理得到决策树的具体过程为：

步骤S100：从数据集中提取子集，并将子集作为训练数据集；

步骤S200：利用ID3算法对训练数据集进行计算得到信息增益；

步骤S300：根据信息增益得到节点，再根据节点生成决策树。

3.根据权利要求1所述的基于ID3算法的电力系统故障分类方法，其特征在于，在得到决策树后，利用数据集中的数据对决策树进行测试。

4.根据权利要求2所述的基于ID3算法的电力系统故障分类方法，其特征在于，步骤S200中计算得到信息增益的具体过程为：

S210、若训练数据集S中的样本不属于同一类，则从训练数据集S中抽取指标集A，其中，指标集A包括n个指标；

S220、从指标集A中任意选取一个指标，并根据该指标计算得到训练数据集S的信息熵；

S230、从指标集A中依次选取指标作为根节点，根据训练数据集S的信息熵计算根节点的信息增益。

5.根据权利要求4所述的基于ID3算法的电力系统故障分类方法，其特征在于，步骤S300中根据节点生成决策树的具体过程为：

S240、根据信息增益选取最优划分特征生成节点；

S250、将未生成节点的特征组成训练数据集S；循环步骤S210～S250，直至所有特征生成节点，再根据节点生成决策树。

6.根据权利要求4所述的基于ID3算法的电力系统故障分类方法，其特征在于，步骤S210中若训练数据集S中的样本属于同一类，则根据训练数据集S中的样本生成节点。

7.根据权利要求4所述的基于ID3算法的电力系统故障分类方法，其特征在于，步骤S220中计算得到训练数据集S的信息熵的具体过程为：

从指标集A中任意选取一个指标C，C＝{C₁,C₂,…,C_m}；设定C_i在训练数据集S的所有样本中出现的频率为p_i(i＝1,2,3,…m)，则该训练数据集S的信息熵为：

8.根据权利要求5所述的基于ID3算法的电力系统故障分类方法，其特征在于，选取最优划分特征生成节点的具体过程为：将指标各自对应的信息增益进行比较，选取最大信息增益对应的指标作为最优划分特征。

9.根据权利要求7所述的基于ID3算法的电力系统故障分类方法，其特征在于，步骤S230中计算根节点的信息增益的具体过程为：

令选取的指标为B，将指标B作为根节点，先根据指标B对训练数据集S进行划分得到样本子集，再利用下列公式计算根节点的信息增益Gain(S,B)：

Gain(S,B)＝Entropy(S)-Entropy_B(S)

其中，Entropy_B(S)为样本子集的信息熵，|S_i|为样本子集中包含的样本数，|S|为训练数据集S中包含的样本数。

10.基于ID3算法的电力系统故障分类系统，其特征在于，采用权利要求1～9任意一项所述的基于ID3算法的电力系统故障分类方法，包括

建树模块，该建树模块用于根据数据集并利用ID3算法构建决策树；

分类模块，该分类模块与建树模块连接，该分类模块利用决策树对数据集的数据进行分类得到分类结果。