[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

说明书

本发明涉及智能电表技术领域，提出了一种基于改进DBSCAN的智能电表故障分析方法及系统，包括获取智能电表的历史故障数据，对历史故障数据进行特征选择；对所有特征数据进行归一化处理；构建数据样本集X＝{x_i}，i∈(1,n)；初始化电表故障分析模型参数；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；根据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；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。通过上述技术方案，解决了现有技术中对于智能电表故障分析方法效果不好的问题。

技术领域

本发明涉及智能电表技术领域，具体的，涉及一种基于改进DBSCAN的智能电表故障分析方法及系统。

背景技术

电力工业是能源工业的重要组成部分，对整个社会的发展起着巨大的决定性作用。电能计量工作是电力生产的重要环节，关系到电力企业的社会效益。随着电网规模不断扩大，南方电网公司范围内的智能电能表安装数量已达到近亿只，不可避免的出现了由于各种因素导致的设备故障问题，如何构建科学的智能电表故障分析模型变成了亟待解决的问题。

传统的智能电表故障分析方法大多都是对智能电表的某一种或某一类故障特性进行深入分析，然而由于引起智能电表故障的原因众多，因此只考虑单一或少数因素对智能电表故障的影响并不能很好的分析智能电表故障原因。

发明内容

本发明提出一种基于改进DBSCAN的智能电表故障分析方法及系统，通过对故障数据中多个特征进行提取，聚类分析，解决了现有技术中对于智能电表故障分析方法效果不好的问题。

本发明的技术方案如下：

第一方面，一种基于改进DBSCAN的智能电表故障分析方法，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。

第二方面，一种基于改进DBSCAN的智能电表故障分析系统，包括，

数据获取模块，用于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；

归一化模块，用于对所有特征数据进行归一化处理；