[发明专利]基于边缘计算改进KNN的配网电气拓扑识别方法及系统

权利要求书

1.基于边缘计算改进KNN的配网电气拓扑识别方法，其特征在于，包括以下步骤：

S1：获取一个台区单元的各个电表单元用户电压数据并记为数据集A；

S2：对所述数据集A划分训练集和测试集，对所述训练集和测试集的缺失值进行均值填充处理，将均值填充处理后的训练集记为训练集B，将均值填充后的测试集记为测试集C；

S3：对KNN分类算法做改进，选用皮尔逊相关系数作为数据距离度量标准，取测试集C中的样本与训练集B对比进行分类计算，确定测试集C中该样本所属相别；

S4：将测试集C中已确定所属相别的样本添加到训练集B对训练集B做更新，并记为训练集D；

S5：重复所述的S3步骤，将测试集C中的下一个样本与所述训练集D对比进行分类计算，最终确定测试集C中下一个样本所属相别；

S6：重复所述S4步骤的训练集更新与所述S3步骤的分类计算，直至测试集C中的所有样本全部得到所属相别。

2.根据权利要求1所述的基于边缘计算改进KNN的配网电气拓扑识别方法，其特征在于，步骤S3中还包括步骤：

S31：初始化的训练集和类别，测试集和训练集并记为测试集样本和训练集样本；

S32：计算测试集样本与训练集样本的皮尔逊相关系数；

S33：根据皮尔逊相关系数对训练集样本进行降序排序；

S34：选取皮尔逊相关系数最大前K个训练样本，统计其在各类别中的频率；

S35：定义频率最大的类别，既测试集样本属于该类别。

3.根据权利要求2所述的基于边缘计算改进KNN的配网电气拓扑识别方法，其特征在于，在步骤S35之后，对测试样本进行判断，若为最后一个测试样本则步骤S3结束，否则返回步骤S32循环。

4.根据权利要求1所述的基于边缘计算改进KNN的配网电气拓扑识别方法，其特征在于，在步骤S2中，在进行缺失值均值填充处理过程中，可先对数据集A直接进行均值填充处理后，再划分为训练集B和测试集C。

5.使用权利要求1-4任意一项所述的基于边缘计算改进KNN的配网电气拓扑识别方法的系统，其特征在于，包括：

电表单元：用于采集用户的电压数据；

台区单元：用于汇总多个所述电表单元内的电压数据；

边缘网关单元：用于收集所述台区单元的电压数据并得到所述台区单元的用户所属相别数据；

主站：用于汇总各个所述边缘网关单元得到的用户所属相别数据。

6.根据权利要求5所述的基于边缘计算改进KNN的配网电气拓扑识别系统，其特征在于，所述台区单元对应三个电表单元，所述每个台区单元对应一个所述边缘网关单元。

7.根据权利要求5所述的基于边缘计算改进KNN的配网电气拓扑识别系统，其特征在于，所述台区单元对应三个电表单元分别为A相电表单元、B相电表单元和C相电表单元。