[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

说明书

本申请涉及一种过电压数据清洗方法、装置、计算机设备和存储介质，其中，方法包括：获取原始过电压数据；基于t‑SNE与KPCA技术，对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；对降维故障特征集进行聚类识别，得到聚类结果；根据聚类结果，对原始过电压数据进行清洗。整个过程中，基于t‑SNE与KPCA技术对原始过电压数据进行故障特征提取与降维，充分考虑了样本数据的全局和局部结构特征，通过融合数据的不同结构特征信息，使得t‑SNE与KPCA在特征提取过程中实现优势互补，实现准确的过电压数据清洗。

技术领域

本申请涉及智能电网技术领域，特别是涉及一种过电压数据清洗方法、装置、计算机设备和存储介质。

背景技术

变电站的发展要求其系统安全可靠运行，而变电站系统的开关操作、外部雷击所产生的电磁暂态，也称变电站过电压，会在发变电站通过各种耦合方式在弱电系统内产生相应的干扰电压。在特殊情况下会损坏设备，导致电气设备损坏、供电中断、大面积停电等严重后果，造成巨大的经济损失。由此可见，过电压对于电力系统的稳定、可靠运行有着巨大威胁。

为了能够精确了解过电压产生与传播特性，从源头减少由于过电压而导致的事故危险，需对变电站过电压进行在线监控，实时追踪其波形数据的产生、传播状态，形成真实、可靠的过电压数据库，并开展变电站过电压数据的特征分析与统计挖掘，得到变电站过电压关键特征与统计分布规律，对于提高电气设备绝缘可靠性、加强系统绝缘配合、减少事故发生率意义重大。

随着数据采集、存储和传输技术的发展，过电压在线监测系统的构建已较为成熟，且已形成国际标准，国内外机构已研发了各种过电压在线监测系统，并在实际变电站中得到应用。虽然这些在线监测数据均捕获到了一些变电站的过电压数据，但由于数据传输链路上影响因素众多，数据库中可能存在噪声和较多异常、错误数据，导致整体的过电压波形数据库数据质量降低，难以满足后续和分析研究需求。因此，目前急需一种准确的过电压数据清洗方案。

发明内容

基于此，有必要针对上述技术问题，提供一种准确的过电压数据清洗方法、装置、计算机设备和存储介质。

一种过电压数据清洗方法，方法包括：

获取原始过电压数据；

基于t-SNE与KPCA((Kernel Principal Component Analysis,核主成分分析))技术，对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；

对降维故障特征集进行聚类识别，得到聚类结果；

根据聚类结果，对原始过电压数据进行清洗。

在其中一个实施例中，基于t-SNE与KPCA技术，对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；

对原始高维故障特征集进行t-SNE处理，提取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对一次降维故障特征集进行处理，得到二次降维故障特征集。

在其中一个实施例中，对原始高维故障特征集进行t-SNE处理，提取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；