基于k近邻回归的输变电主设备负荷数据缺失填补算法

    公开(公告)号:CN106096324A

    公开(公告)日:2016-11-09

    申请号:CN201610743642.X

    申请日:2016-08-26

    CPC classification number: G16Z99/00

    Abstract: 一种基于k近邻回归的电力输变电设备负荷数据缺失填补算法,其特征在于,填补步骤为:将数据集D分为两个子集,即子集Dm、子集Dc。将子集Dm中的向量x分为x=[xo;xm]。计算对应时刻值中,向量xo与子集Dc中所有向量的欧氏距离。根据距离大小对子集Dc中的向量进行升序排列,得到子集D'c。取子集D'c中的前k个向量(y1,y2,…,yk)。计算x在第i时刻缺失值的加权k近邻回归值。重复步骤一至步骤六,直至子集Dm中的所有向量都被处理过。其有益效果是:不需要使用训练集进行训练,近邻算法的优点是事先并不要求知道待预测样本的分布函数,因此具有直观、无需先验统计知识、无监督学习等特点。

    一种变压器设备故障的辨识方法

    公开(公告)号:CN105891629B

    公开(公告)日:2017-12-29

    申请号:CN201610200416.7

    申请日:2016-03-31

    Abstract: 本发明公布了一种变压器设备故障的辨识方法,其特征在于,具体步骤如下:(1)数据预处理;(2)常见故障模式的判断;(3)故障模式的诊断:使用状态量关联规则分析方法,对被挖掘的主变压器设备的若干个故障异常状态量的组合、被挖掘的主变压器设备故障异常状态量不同表征进行提取与合并、故障异常状态量之间的相互影响程度进行分析,最后进行故障模式的诊断;所述聚类分析方法包括凝聚层次聚类法或k‑Means聚类方法;所述状态量关联规则分析方法为Apriori关联规则算法。本发明能够充分合理的挖掘可能影响主变压器设备状态的多种有效信息进行状态评价,为主变压器设备的状态评价提供了新的思路和方法。

Patent Agency Ranking