[发明专利]一种配网设备健康度评价方法

权利要求书

1.一种配网设备健康度评价方法，其特征在于，包括以下步骤：

步骤S1、获取配网设备的运行日志，并基于所述运行日志提取评价特征样本集；

步骤S2、基于评价特征样本集进行特征寻优，获得评价最优特征样本集，基于所述评价最优特征样本集建立用于评估配网设备健康度的健康度评价模型；

步骤S3、对所述健康度评价模型进行评估优化，获得最优健康度评价模型，将所述最优健康度评价模型接入配网设备的实时运行数据输出端进行健康度实时评价；

所述获取配网设备的运行日志中，所述运行日志为所述配网设备的历史运行数据集合；

所述基于所述运行日志提取评价特征样本集，包括：

步骤S101、在运行日志中随机抽取与配网设备相同数量的运行健康数据作为正样本，将运行亚健康数据作为负样本，混合所述正样本和负样本，构成运行样本集；

步骤S102、对所述运行样本集进行特征量化，获得第一单阶特征；利用相关性分析所述第一单阶特征以实现特征降维，获得第二单阶特征；

步骤S103、基于所述运行样本集获取所述第二单阶特征的特征值，与所述第二单阶特征建立新映射，获得所述评价特征样本集；

所述步骤S2中，所述基于评价特征样本集进行特征寻优，获得评价最优特征样本集，包括：

步骤S201、利用笛卡尔积将所述第二单阶特征进行编码融合，获得第一多阶特征，基于所述第一多阶特征对所述评价特征样本集进行映射更新，获得第二评价特征样本集；

步骤S202、基于所述第二评价特征样本集，并利用多目标搜索策略筛选第一多阶特征获得最优多阶特征，基于所述最优多阶特征对所述第二评价特征样本集进行映射更新，获得评价最优特征样本集；

所述步骤S202中，利用多目标搜索策略筛选第一多阶特征获得最优多阶特征的具体方式为：

利用第二评价特征样本集中各个正样本间的欧式距离，基于正样本内度的计算公式计算正样本内度；

利用第二评价特征样本集中各个正样本与各个负样本的欧氏距离，基于正样本外度的计算公式计算正样本外度；

利用免疫算法将所述正样本内度和所述正样本外度联合作为目标函数，建立最优多阶特征搜索模型；

所述正样本内度的计算公式为：

所述正样本外度的计算公式为：

其中，、分别为单个正样本，为单个负样本，M为正样本总数或负样本总数，T为转置运算符；

所述最优多阶特征搜索模型的搜索结果包括：由多个第一多阶特征构成的Pareto最优解集；

所述步骤S2中，所述基于评价特征样本集进行特征寻优，获得评价最优特征样本集，还包括：

利用爬山算法对Pareto解集实现局部优化；

所述利用爬山算法对Pareto解集实现局部优化，包括：

步骤S203、构建局部优化函数；Q₃为最小化修正后的正样本内度；

步骤S204、计算所述Pareto解集中所有第一多阶特征的局部优化函数值，利用基于邻节点标识法更新第一多阶特征，并重新计算更新后第一多阶特征的局部优化函数值；

步骤S205、比较和：

若，则保留Pareto解集中的第一多阶特征；

若，则更新Pareto解集中的第一多阶特征；

步骤S206、重复步骤S203到步骤S205，直至完成对所述Pareto解集中所有第一多阶特征的更新，获得包含多个作为最优多阶特征的第一多阶特征的Pareto最优解集。

2.根据权利要求1所述的一种配网设备健康度评价方法，其特征在于，所述步骤S102中，所述利用相关性分析所述第一单阶特征以实现特征降维，包括：

依次将所述第一单阶特征中所有的特征进行两两配对组合，获得双特征对，将所述双特征对的特征值带入相关性计算公式，获得双特征对的相关性系数；

遍历选取相关性系数高于相关性阈值的第一双特征对，在第一双特征对中随机选取第一特征，并对应删除所有双特征对中的第一特征，直至第一双特征对遍历完成；

汇总所有双特征对进行配对拆分获得的第一单阶特征，构成第二单阶特征；

所述相关性计算公式为：

；

其中，X为第一单阶特征，，为第一单阶特征中的第i，j个特征的特征值，是 和的联合概率分布函数，而和分别是 和 的边缘概率分布函数。