[发明专利]过电压数据清洗方法、装置、计算机设备和存储介质

权利要求书

1.一种过电压数据清洗方法，其特征在于，所述方法包括：

获取原始过电压数据；

基于t-SNE与KPCA技术，对所述原始过电压数据进行故障特征提取与降维，得到降维故障特征集；

对所述降维故障特征集进行聚类识别，得到聚类结果；

根据所述聚类结果，对所述原始过电压数据进行清洗。

2.根据权利要求1所述的方法，其特征在于，所述基于t-SNE与KPCA技术，对所述原始过电压数据进行故障特征提取与降维，得到降维故障特征集包括：

对所述原始过电压数据进行故障特征提取，得到原始高维故障特征集；

对所述原始高维故障特征集进行t-SNE处理，提取所述原始高维故障特征集的全局结构信息，得到一次降维故障特征集；

利用KPCA对所述一次降维故障特征集进行处理，得到二次降维故障特征集。

3.根据权利要求2所述的方法，其特征在于，所述对所述原始高维故障特征集进行t-SNE处理，提取所述原始高维故障特征集的全局结构信息，得到一次降维故障特征集包括：

计算所述原始高维故障特征集在低维空间下的低维流形Y的概率密度函数；

随机初始化低维数据，利用预设自由度的t分布计算低维空间中样本概率密度；

根据所述概率密度，计算Kullback-Leiber散度定义的高维数据分布与低维数据分布相似度的代价函数的梯度；

根据所述高维数据分布与低维数据分布相似度的代价函数的梯度，得到低维数据；

返回随机初始化低维数据的步骤开始迭代，记录迭代次数；

当迭代次数达到预设迭代次数阈值时，根据最新的低维数据，得到一次降维故障特征集。

4.根据权利要求2所述的方法，其特征在于，所述利用KPCA对所述一次降维故障特征集进行处理，得到二次降维故障特征集包括：

确定径向基函数作为KPCA的核函数；

利用KPCA对所述一次降维故障特征集进行处理，计算所述一次降维故障特征集的累计贡献率；

选择所述一次降维故障特征集中累计贡献率大于预设贡献率阈值的前f个主成分特征，构成二次降维故障特征集。

5.根据权利要求4所述的方法，其特征在于，所述预设贡献率阈值为95％。

6.根据权利要求1所述的方法，其特征在于，所述对所述降维故障特征集进行聚类识别，得到聚类结果包括：

基于OPTICS聚类算法对所述降维故障特征集进行聚类识别，得到聚类结果。

7.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果，对所述原始过电压数据进行清洗包括：

根据所述聚类结果，确定聚类簇对应的实测波形；

在所述原始过电压数据中隔离所述聚类簇对应的实测波形的数据，得到清洗后的过电压数据。

8.一种过电压数据清洗装置，其特征在于，所述装置包括：

数据获取模块，用于获取原始过电压数据；

降维处理模块，用于基于t-SNE与KPCA技术，对所述原始过电压数据进行故障特征提取与降维，得到降维故障特征集；

聚类模块，用于对所述降维故障特征集进行聚类识别，得到聚类结果；

清洗模块，用于根据所述聚类结果，对所述原始过电压数据进行清洗。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。