[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

说明书

本发明公开了一种低压配电网多源数据处理与融合方法及系统，首先对传统的神经网络进行改造，根据多项式插值和逼近理论提出一种Hermite正交基前向神经网络，并在此基础上搭建基于Hermite正交基前向神经网络的算法模型，再在MapReduce框架下将算法并行化，使之能更好地满足低压配电网中对海量数据的实时处理要求，最后仿真验证了此模型，结果证明该模型对低压配电网多源数据的处理效率更高，结果更加精确。

技术领域

本发明涉及的技术领域，尤其涉及一种低压配电网多源数据处理与融合方法及系统。

背景技术

近年来，低压配电台区的数量很大，在应用中需要实时测量有总/分相的有无功、电流、电压、视载功率和功率因素等20余个多源数据，而现有的低压配电网对于多源数据的处理方法主要采用的包括神经网络法、卡尔曼滤波法、贝叶斯推理法和聚类分析法等传统算法模型。

使用现有的配网自动化系统直接处理和分析如此多的配电台区数据，将会占用系统的大量资源，且所获得到的多源数据并不能依靠这些传统的算法进行实时有效的处理，例如低压配电网中使用的神经网络算法存在收敛速度慢、局部极点小、网络结构不确定等缺点。低压配电网中的数据受到多种因素的影响，存在诸多的缺陷，若使用的算法无法及时处理电网产生的多源数据，则极有可能使得电网出现瘫痪现象，导致电网故障。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的一个技术问题是：提出一种低压配电网多源数据处理与融合方法，能够提高计算效率和时效性，实现对低压配电网数据的实时监测和处理。

为解决上述技术问题，本发明提供如下技术方案：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。

作为本发明所述的低压配电网多源数据处理与融合方法的一种优选方案，其中：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。

作为本发明所述的低压配电网多源数据处理与融合方法的一种优选方案，其中：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。

作为本发明所述的低压配电网多源数据处理与融合方法的一种优选方案，其中：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。

作为本发明所述的低压配电网多源数据处理与融合方法的一种优选方案，其中：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。