[发明专利]一种基于孤独森林算法的配网故障可视化筛选方法

权利要求书

1.一种基于孤独森林算法的配网故障可视化筛选方法，其特征在于：包括，

根据配网系统中电压稳定故障等级计算指标的期望权值；

基于孤独森林算法和所述期望权值构建故障筛选模型；

标准化所述故障筛选模型，结合相似度策略匹配配网故障类型并自适应生成SVG图。

2.根据权利要求1所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：所述故障等级包括，一级故障、二级故障和三级故障；

所述一级故障包括，严重故障；

所述二级故障包括，一般故障；

所述三级故障包括，轻微故障。

3.根据权利要求1或2所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：计算所述期望权值包括，

初始化所述故障等级；

添加支路、母线、断路器和节点的指标参数；

调整学习率0.1，计算次数为n，n为遍历全局参数的次数；

开启学习机进行计算，输出所述期望权值。

4.根据权利要求3所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：构建所述故障筛选模型包括，

利用无放回随机抽样策略从配网系统故障数据集中抽取样本，并将其作为孤独森林树的训练样本；

从所述训练样本中随机选择一个特征，并在所述特征的所有值范围内选取一个阈值对所述训练样本进行二叉划分；

将所述训练样本中小于所述阈值的划分到所述孤独森林树节点的左边，反之则划分到所述孤独森林树节点的右边；

得到一个分裂条件和左、右两边的数据集，分别在所述左、右两边的数据集上重复划分步骤，直至达到终止条件。

5.根据权利要求4所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：所述终止条件包括，

只包括一个训练样本，或者全部的训练样本都相同；

所述孤独森林树的高度达到log(抽取样本数量)。

6.根据权利要求5所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：所述故障筛选模型包括，

S(x,n)＝2^{{σ*E(h(x))*c(n)}}

其中，h(x)为所述孤独森林树中筛选经过的路径长度，c(n)为二叉搜索树的平均路径长度，用于对结果进行归一化处理，E(h(x))是所述孤独森林树中的平均路径长度，σ为指标的期望权值。

7.根据权利要求6所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：所述故障筛选模型利用异常分数进行筛选计算，包括，

若分数越接近于1，其实异常点的可能性越高；

若所述分数小于0.5，则为正常数据；

若所述分数均在0.5的取值范围附件，则数据中不包含明显的异常样本。

8.根据权利要求7所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：还包括，

从所述配网系统故障数据集中进行采样，并构建所述孤独森林树；

对所述孤独森林树进行测试训练，记录路径长度；

根据异常分数计算公式计算每条测试数据的异常分数；

利用得到的所述异常分数进行筛选判断。

9.根据权利要求8所述的基于孤独森林算法的配网故障可视化筛选方法，其特征在于：可视化筛选包括，

根据所述异常分数得到筛选判断结果；

对所述筛选判断结果进行标准化处理；

将处理后的数据输入配网系统管控平台，结合历史配网拓扑结构自适应生成SVG结构图；

导入的所述筛选判断结果在所述SVG结构图上进行标记；

若有异常分数存在，则所述SVG结构图上对应的节点位置对标记为红点进行示意。