[发明专利]电网物联感知数据的预处理方法

权利要求书

1.一种电网物联感知数据的预处理方法，其特征在于，所述方法包括以下步骤：

获取电网数据样本集，并进行缺失补充和特征归一化处理；

通过K近邻算法将样本划分为安全区间、危险区间、噪音区间、边界样本区间；

初步确定各区间样本的采样数量；

对落入噪音区间的样本数据进行删除；

基于安全系数对危险区间的样本进行采样；

基于聚类分析对安全区间的样本进行采样；

将安全区间和危险区间样本进行合并，对边界样本区间进行处理，输出样本数据集。

2.根据权利要求1所述的电网物联感知数据的预处理方法，其特征在于，所述安全区间、危险区间、噪音区间、边界样本区间的划分方法如下：

对于样本集中任意一个样本点，记该样本点的K近邻中少数类样本的样本数量为N_p，多数类样本的样本数量为N_N；

取少数类样本中的任意一个样本记为a，当N_p/N_N＞3，也就是a周围的少数类样本数量达到多数类样本数量的三倍时，a为安全区间样本；当0＜N_p/N_N＜3时，也就是a周围的样本中少数类的样本数量没有达到多数类样本的三倍以上，该样本为危险样本；

对于任意样本点b，当N_p＝10时，也就是b周围的10个最近邻样本全部为多数类样本时，b则为噪声点，所有这样的样本点的集合定义为噪音区间；

取多数类样本中的任一个样本记为c，当0.8＜N_p/N_N＜1.2时，c为多数类的边界样本区间。

3.根据权利要求1所述的电网物联感知数据的预处理方法，其特征在于，所述初步确定各区间样本的采样数量包括：

用X表示电网数据集，X*表示为删除噪音样本后的电网数据集，用D_N表示X*中多数类的样本数，用D_P表示X*中少数类的样本数，设置采样数量

将安全区间的样本数量记为N_s，危险区间的样本数量记为N_d，安全区间需要的采样数量为P_s，危险区间需要的采样数量为P_d，两者的计算公式如下：

4.根据权利要求1所述的电网物联感知数据的预处理方法，其特征在于，所述安全系数的计算方法如下：

记电网数据集的危险区间的少数类样本集为A，记A中的任意一样本为a1，在完整数据集X中找到a1的K最近邻样本，记录这K个最近邻样本中在X中的个数记为slp，取K个最近邻样本中的任意一个样本记为n，找到n的k最近邻样本，记录这K个最近邻样本中在A中的个数记为sln，得到安全系数为c＝slp/sln。

5.根据权利要求4所述的电网物联感知数据的预处理方法，其特征在于，所述基于安全系数对危险区间的样本进行采样包括：

若安全系数为∞或者为0，即该样本的周围均为多数类样本，不做处理；

若安全系数为∞但slp不等于0，也就是n样本的周围都是多数类样本，此时直接复制少数类样本a1；

若安全系数为1，此时在a1和n点之间使用smote方法合成新的样本；

若安全系数大于1，也就是a1点周围的少数样本要多于n点周围的少数类样本，a1点为安全点，此时使用smote方法，并令smote中的β＝0～1/c，使合成的样本偏向a1；

若安全系数小于1，也就是n点周围的少数样本要多于a1点周围的少数类样本，n点为安全点，此时使用smote方法，并令smote中的β＝(1-c)～1，使合成的样本偏向n。

6.根据权利要求1所述的电网物联感知数据的预处理方法，其特征在于，所述基于聚类分析对安全区间的样本进行采样包括：对安全区间的少数类样本进行k-means聚类，k-means聚类算法通过取簇内所有样本点的均值作为簇的形心；然后设置聚类后各簇的采样数量，进行采样。