[发明专利]基于三层数据挖掘的电力系统故障类型分析方法及装置

权利要求书

1.一种基于三层数据挖掘的电力系统故障类型分析方法，其特征在于，包括：

S1：获取第一原始数据样本库，所述原始数据样本库用于建立电力系统故障预测模型，对所述第一原始数据样本库进行预处理和数据融合以获取第二原始数据样本库；

S2：对所述第二原始数据样本库进行k-means聚类方法以对第二原始数据样本库进行第一层数据挖掘，并获取第一样本库；

S3：对所述第一样本库通过关联规则进行第二层数据挖掘，并获取第二样本库；

S4：基于第二样本库构建电网故障预测模型，以判断电网发生的故障类型。

2.根据权利要求1所述的方法，其特征在于：所述获取第一原始数据样本库，所述原始数据样本库用于建立电力系统故障预测模型，对所述第一原始数据样本库进行预处理和数据融合以获取第二原始数据样本库的步骤包括；

将所述第一原始数据样本库不同源的数据进行预处理和数据融合。

3.根据权利要求1所述的方法，其特征在于：所述对所述第二原始数据样本库进行k-means聚类方法以对第二原始数据样本库进行第一层数据挖掘，并获取第一样本库的步骤包括：

采用如下公式获取欧几里得距离：

X＝(x₁，x₂，...，x_n)—n维空间的未被归类的样本；

Y^j＝(y^j₁，y^j₂，...，y^j_n)—第j个簇中心；

构建如下准则函数：

Y^j——第j个簇中心；

y^j_i—Y^j中的第i个元素数据；

K—簇的个数，X^j为第j个簇中的任意样本；

x^j_i—X^j中的第i个元素数据；

采用如下公式获取轮廓系数：

α_k—簇的内聚度；

b_k—簇的内聚度。

4.根据权利要求1所述的方法，其特征在于，所述S3：对所述第一样本库通过关联规则进行第二层数据挖掘，并获取第二样本库的步骤包括：

将所述第一样本库中的样本进行整合，获取依据支持度、置信度、以及提升度对整合后的第一样本库进行筛选。

5.根据权利要求1所述的方法，其特征在于，所述步骤基于第二样本库构建电网故障类型预测模型，以判断电网发生的故障类型包括：

建故障类型预测模型满足线性关系：

f(XII_j)＝w^T(XII_j)+b

w—模型参数向量；

b—截距；

w^T(XII_j)—样本组向量XII_j和模型参数向量w的内积；

采用梯度下降法获取故障类型模型的最优解：

采用如下构建SVM型损失函数:

其中，E(w,b)—经验风险(即损失函数的期望)；

αR(w)—结构风险；

L(F_j,f(XII_j))＝log(1+exp(-F_jf(XII_j)))—损失函数

F_j—真实值

正则项R(w)可采用如下形式：

优化目标函数如下：

按照如下给出的梯度公式更新迭代模型参数：

η—是控制参数空间中步长的学习率，且η按如下公式递减：