[发明专利]一种基于混合聚类的电力设备并行故障诊断方法及装置

权利要求书

1.一种基于混合聚类的电力设备并行故障诊断方法，其特征在于，包括以下步骤：

根据历史电网数据自适应配置storm平台中各个组件的并行度和相关进程数；

通过IRichSpout接口将实时电网数据接入到storm平台的Spout源组件中，形成待处理数据流；

按照时间顺序将待处理数据流封装到多个Tuple元组中，并为每个Tuple元组生成唯一的ID；

利用PreBolt组件接收Tuple元组，并通过标准分数法对Tuple元组中的数据集进行预处理，得到标准化样本；

利用故障诊断模型处理标准化样本，获得电力设备的故障诊断结果。

2.根据权利要求1所述的基于混合聚类的电力设备并行故障诊断方法，其特征在于，自适应配置storm平台中各个组件的并行度和相关进程数的方法为：

利用历史电网数据模拟实时电网数据流，其中，历史电网数据的流量大于实时电网数据的预期流量；

根据历史电网数据计算storm平台中各个组件在不同并行度和不同进程数下的数据吞吐量；

在数据吞吐量满足预期吞吐量的情况下，自适应配置开销最低的组件并行度和进程数。

3.根据权利要求1所述的基于混合聚类的电力设备并行故障诊断方法，其特征在于，通过标准分数法对Tuple元组中的数据集进行预处理，得到标准化样本，包括：

按照下述公式对其进行归一化，公式如下：

上式中，x`(x`∈[0,1])为归一化后的数据值；x_min为元组数据中某一维数据的最小值；x_max为这一维度数据的最大值。

4.根据权利要求1所述的基于混合聚类的电力设备并行故障诊断方法，其特征在于，所述故障诊断模型的构建方法包括：

将减法聚类算法和K-means聚类算法分别部署SCMBolt组件和K-meansBolt组件中，将SCMBolt组件和K-meansBolt组件连接起来，设置组件的并行度，得到故障诊断模型。

5.根据权利要求4所述的基于混合聚类的电力设备并行故障诊断方法，其特征在于，利用故障诊断模型处理标准化样本，获得电力设备的故障诊断结果，包括：

将标准化样本通过减法聚类算法确定较优的初始聚类中心；

将减法聚类处理所得的较优的初始聚类中心作为K-means算法的初始聚类中心，再进行聚类，从而实现该样本数据的故障诊断结果。

6.根据权利要求5所述的基于混合聚类的电力设备并行故障诊断方法，其特征在于，将标准化样本通过减法聚类算法确定较优的初始聚类中心，包括：

SCMBolt组件接收PreBolt组件传递的元组，对元组中数据进行减法聚类，通过密度值确定聚类中心，得到的聚类中心为原数据中的点；

当减法聚类算法完成后，得到初始聚类中心，将其与相应Id编号及此编号对应的标准化待聚类样本封装为一个元组，传递给下游组件K-meansBolt；

减法聚类的方法包括：

样本维度为M，样本点个数为n，分别为(x₁,x₂,...,x_n)；当维度较高时所有样本点归一到一个超立方体中；在此，每个样本点都可为聚类中心的候选者；则样本点xi的密度指标定义为

上式中，r_a为一个正数；r_a的取值为该点的一个邻域半径，

当每一个样本点的密度指标计算完后，选择密度指标最高的样本点作为第一个聚类中心，x_c1为选中的点，D_c1是此点的密度指标；则选择下一个聚类中心时，每个样本点x_i的密度指标可通过下式修正；

上式中，r_b为一个正数；

当修正完所有样本点的密度指标后，选择出新的聚类中心x_c2，再次修正所有样本点的密度指标，不断的重复该过程，直到足够多的聚类中心出现，得到较优的初始聚类中心。