[发明专利]一种低压配电网多源数据处理与融合方法及系统

权利要求书

1.一种低压配电网多源数据处理与融合方法，其特征在于：包括，

获取多源数据并利用Map映射机制对其进行划分，得到等分容量大小的子数据集；

利用MapReduce编程模型对Hermite正交基神经网络算法进行改进，并将其建立在Hadoop分布式集群上；

对改进的Hermite正交基神经网络的低压配电网数据处理与融合模型进行训练；

基于训练后的模型对子数据集进行处理，判定数据的类别；

利用Reduce机制，对最终融合的子集合进行合并处理并得到最终的预测值。

2.如权利要求1所述的低压配电网多源数据处理与融合方法，其特征在于：包括，所述对数据进行划分还包括，

对获取到的多源数据进行离散化处理，得到离散化数据；

将离散化数据进行矩阵化处理，得到与时间相关的数据矩阵。

3.如权利要求1或2所述的低压配电网多源数据处理与融合方法，其特征在于：所述Hermite正交基神经网络包括输入层、Hermite正交基隐含层和输出层，且隐含层的函数满足以下公式，

......

其中，n为隐含层中的神经元个数，x为输入值。

4.如权利要求3所述的低压配电网多源数据处理与融合方法，其特征在于：所述改进的Hermite正交基神经网络的最优权值计算公式为，

ω＝(X^TX)^-1X^Ty

其中，ω为权值，X为受激励矩阵，y为目标输出相量，T为转置符号。

5.如权利要求1、2、4任一所述的低压配电网多源数据处理与融合方法，其特征在于：所述模型对子数据的处理还包括以下步骤，

对子数据集进行归一化处理；

利用网络训练结果学习逼近；

计算权值并判断其是否满足偏差，若不满足则进一步修正权值直至满足；

当权值满足偏差时输出所述子数据集所属的类别。

6.如权利要求5所述的低压配电网多源数据处理与融合方法，其特征在于：所述对子数据的处理还包括，将经过模型处理的各子数据集的结果进行识别并输出类型，得到不同类型的对象结果。

7.如权利要求1或4述的低压配电网多源数据处理与融合方法，其特征在于：所述数据处理与融合模型的流程为，

将低压配电网分为传感测量层、数据管理层和应用层，并将三层分别与所述数据处理与融合模型的数据级融合、特征级融合和决策级融合一一对应；

设定输入的数据X为一个包含多样属性样本的多维数组；

每个类别数据样本分别对应一个Hermite正交基神经网络，并根据对象类别设置隐含层节点数目；

训练不同对象的样本并将各对象期望输出的样本设置为1，不满足期望输出设置为0，通过Hermite正交基神经网络算法来学习逼近；

在初始分类融合阶段，以设定阀值作为数据归类标准，若输出超过设定的阈值，则判定该样本属于规定类数据，根据输出结果，将数据进行类别划分并判定样本的所属类别；

将待分类识别的数据全部行进分类并将最后结果做统计分析。

8.如权利要求7所述的低压配电网多源数据处理与融合方法，其特征在于：所述对模型进行训练还包括以下步骤，

对网络初始化并赋予初值，输入数据；

求解隐含层和输出层的输出，以及输出层的偏差值；

判断偏差是否满足，若不满足则调节隐含层和输出层之间的连接权值并重新计算输出层的输出和偏差；

当偏差满足时结束训练。

9.一种低压配电网多源数据处理与融合系统，其特征在于：包括，

数据处理模块(100)，用于多源数据的获取和等分容量大小的子数据集的建立；

优化模块(200)，用于Hermite正交基神经网络算法的改进，并用于将其建立在Hadoop分布式集群上；

训练模块(300)，与所述数据处理模块(100)和优化模块(200)连接，用于对所述改进的Hermite正交基神经网络的低压配电网数据处理与融合模型进行训练；

判别模块(400)，与所述训练模块(300)连接，用于对所述训练后的数据类别进行判定并分析。