[发明专利]一种基于改进DBSCAN的智能电表故障分析方法及系统

权利要求书

1.一种基于改进DBSCAN的智能电表故障分析方法，其特征在于，包括以下步骤，

获取智能电表的历史故障数据，对所述历史故障数据进行特征选择，得到特征数据；

对所有特征数据进行归一化处理，得到特征数据的归一化特征值；

构建数据样本集X＝{x_i}，i∈(1,n)，其中，x_i为每个数据样本，n为数据样本个数，每个数据样本分别包括一个特征数据的归一化特征值；

初始化电表故障分析模型参数，具体包括：定义核心对象集合为Ω，并初始化Ω为空集合，定义聚类簇数为k，并初始化k＝0，定义簇划分集合为C＝(C₁，C₂，...,C_k)，其中，C_k表示当前簇样本集合，并初始化C为空集合，定义未访问样本集合为τ，并初始化τ＝X，其中X代表数据样本集；

遍历数据样本集X，设置邻域参数(ε,Minpts)，计算得到核心对象集合Ω，其中，ε为聚类区域的最大半径，Minpts为聚类区域的最小数据个数；

根据所述核心对象集合执行密度聚类处理，直到核心对象集合Ω为空；

输出簇划分集合C＝(C₁，C₂，...,C_k)作为聚类结果，其中C_i表示第i个类别中包含的样本集合，i∈(1,k)；

根据聚类结果，调整邻域参数(ε,Minpts)，优化电表故障分析模型，得到智能电表故障数据最佳聚类结果。

2.根据权利要求1所述的一种基于改进DBSCAN的智能电表故障分析方法，其特征在于，所述密度聚类处理包括，

在所述核心对象集合Ω中随机选择一个核心对象σ，更新类别序号k＝k+1，并以ε为聚类半径进行聚类，更新当前簇样本集合C_k＝{σ}，更新未访问样本集合τ＝τ-{σ}，更新核心对象集合Ω＝Ω-{σ}；

对所述当前簇样本集合C_k执行聚类优化处理，直到当前簇样本集合C_k不包括其他核心对象σ′；

更新簇划分集合C＝(C₁，C₂，...,C_k)；

所述聚类优化处理包括，

在当前簇样本集合C_k中选择一个其他核心对象σ′，并以ε为聚类半径进行聚类，得到聚类子样本集合N_ε(σ′)，更新当前簇样本集合C_k＝C_k∪N_ε(σ′)，更新未访问样本集合τ＝τ-N_ε(σ′)∩τ。

3.根据权利要求1所述的一种基于改进DBSCAN的智能电表故障分析方法，其特征在于，所述遍历数据样本集X，设置邻域参数(ε,Minpts)，得到核心对象集合Ω，包括，

计算数据样本集X中的目标样本X_j与其他样本之间曼哈顿距离；

将曼哈顿距离小于ε的其他样本加入目标样本X_j的聚类区域子样本集N_ε(x_j)，；

当|N_ε(x_j)|≥Minpts时，将目标样本X_j加入核心对象集合Ω中。

4.根据权利要求3所述的一种基于改进DBSCAN的智能电表故障分析方法，其特征在于，所述遍历数据样本集X，设置邻域参数(ε,Minpts)，得到核心对象集合Ω，还包括，

引入度量映射函数，将所述核心对象集合Ω中的样本都映射到高维向量，维度转换函数计算公式为其中，x_i、x_j为转换前后的两个向量，β、θ为转换函数。

5.根据权利要求1所述的一种基于改进DBSCAN的智能电表故障分析方法，其特征在于，所述特征数据包括，计量资产编号、所属省份、供电单位、设备类别、设备规格、设备供应商、安装月份、故障月份、工作时长和库存时长，所述供电单位包括供电单位编号或供电单位名称。