买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网湖北省电力有限公司检修公司

摘要：本发明提供一种识别交流超特高压输电线路可听噪声异常数据的方法和系统。所述方法和系统先计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述欧式距离数据生成欧式距离数据矩阵；再通过等效连续A声级数据矩阵和环境敏感目标处与导线的欧式距离数据矩阵的拼接，构建待聚类数据矩阵；然后采用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类后，确定聚类结果中所含元素最多的矩阵归于有效数据，并将聚类结果中的剩余部分归入异常数据。所述识别交流超特高压输电线路可听噪声异常数据的方法和系统可以应用于大规模可听噪声数据的实时处理，而且采用自动化方法进行处理减少了人工操作带来的新的主观误差，所述方法和系统精确度高，全面系统。

主权项：1.一种识别交流超特高压输电线路可听噪声异常数据的方法，其特征在于，所述方法包括：采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据；根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1，其中，所述i个环境敏感目标处与导线的欧式距离数据的计算公式为： 式中：dij——环境敏感目标处与导线的欧式距离，m； x ik ——环境敏感目标处的坐标数据，m； x jk ——导线的坐标数据，m；将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2;对待聚类数据矩阵Ci2进行密度聚类，其包括：依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度；确定邻域半径Eps，其计算公式为： 式中：Amax——矩阵Ai1中的最大元素，m； A min ——矩阵Ai1中的最小元素，m； B max ——矩阵Bi1中的最大元素，m； B min ——矩阵Bi1中的最小元素，m； m——待聚类数据矩阵的行数； n——待聚类数据矩阵的列数；根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足，其中NEpsp是对象p的领域，其计算公式为： 式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；对每一个核心对象p，找到由其密度可达的的对象生成聚类簇，并归于矩阵Dj中，并生成矩阵集合，式中，1≤j≤n，j、n均为自然数;将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中；确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据，包括：确定矩阵集合中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为： 式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，CardCDDmax为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；将矩阵集合中除除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。

全文数据：一种识别交流超特高压输电线路可听噪声异常数据的方法和系统技术领域本发明涉及电网声环境领域,并且更具体地，涉及一种识别交流超特高压输电线路可听噪声异常数据的方法和系统。背景技术随着经济持续快速发展，用电负荷也随之大幅度增长。当发电能源资源和用电负荷分布极不均衡时，一般采用“高电压”、“远距离”的输电方式以适应能源优化配置和清洁能源快速发展的需要。“高电压”体现在致力于建设以特高压电网为骨干网架的坚强智能电网，而在特高压输电系统中，输电线路电晕效应明显。电晕效应主要包括电晕损失、无线电干扰和可听噪声。其中可听噪声问题已经成为近年来关注的焦点，原因在于，伴随电压等级的提高，可听噪声相比其他电晕效应在数值上增幅更为显著，而且这种幅值上的增长对于附近居民在感官上的感受也更为直观。“远距离”则体现在特高压工程输电距离均在数百公里以上，甚至有的特高压输电工程线路路径长达3300公里。线路距离的增加不可避免的会临近人口密集区域，随之而来的就是受到输电线路可听噪声影响的群体数量呈现显著增长。一般可听噪声的测试在户外环境下进行，在测试地点周围通常会存在多种噪声干扰源，例如周围公路的机动车行驶声、动物叫声、人类活动声等。当特高压输电工程采用的分裂导线的表面场强范围在18-24kVcm之间时，由于导线起晕并不强烈，此时产生的可听噪声数值较小，在外界干扰下，很难得到有效的测量数据。目前对于交流输电线路可听噪声的有效性判别，缺乏系统性的实施方案，多采用人工剔除法，8kHz分量法，声级计探头组等办法进行处理。但以上方法都存在不可回避的缺陷。如人工剔除法难以应用在大规模的数据中，以及会引入新的主观误差；8kHz分量法的有效程度目前尚不明确；使用声级计探头组则对结果的处理过于粗糙，上述方法均难准确有效的对流输电线路可听噪声中的异常数据进行判别，进而获得输电线路实际的可听噪声水平。因此，如何识别交流超特高压输电线路可听噪声的有效数据和异常数据就成为一个亟需解决的问题。发明内容为了解决现有技术中缺少识别交流超特高压输电线路可听噪声的有效数据和异常数据的技术方案的问题，本发明提供一种识别交流超特高压输电线路可听噪声异常数据的方法，所述方法包括：根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1；将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2；对待聚类数据矩阵Ci2进行密度聚类；确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据。进一步地，所述方法在根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据之前还包括采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据。进一步地，所述方法在确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据后还包括输出识别的有效数据和异常数据。进一步地，所述根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，其计算公式为：式中：dij——环境敏感目标处与导线的欧式距离，m；xik——环境敏感目标处的坐标数据，m；xjk——导线的坐标数据，m。进一步地，所述对待聚类数据矩阵Ci2进行密度聚类是指使用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类，其包括：依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度；确定邻域半径Eps，其计算公式为：式中：Amax——矩阵Ai1中的最大元素，m；Amin——矩阵Ai1中的最小元素，m；Bmax——矩阵Bi1中的最大元素，m；Bmin——矩阵Bi1中的最小元素，m；m——待聚类数据矩阵的行数；n——待聚类数据矩阵的列数；根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足|NEpsp|≥MinPts，其中NEpsp是对象p的领域，其计算公式为：NEpsp＝{q∈Ci2|distp,q≤Eps}式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；对每一个核心对象p，找到由其密度可达的的对象生成聚类簇，并归于矩阵Dj中，并生成矩阵集合D＝{D1，D2……Dj……Dn}，式中，1≤j≤n，j、n均为自然数；将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中。进一步地，所述确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据包括：确定矩阵集合D＝{D1，D2……Dj……Dn}中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为：式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；将矩阵集合D＝{D1，D2……Dj……Dn}中除除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。根据本发明的另一方面，本发明提供一种识别交流超特高压输电线路可听噪声异常数据的系统，所述系统包括：第一矩阵单元，其用于根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1；第二矩阵单元，其用于将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2；密度聚类单元，其用于对待聚类数据矩阵Ci2进行密度聚类；结果确定单元，其用于确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据。进一步地，所述系统还包括数据采集单元，其用于采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据。进一步地，所述系统还包括结果输出单元，其用于输出识别的有效数据和异常数据。进一步地，所述第一矩阵单元根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，其计算公式为：式中：dij——环境敏感目标处与导线的欧式距离，m；xik——环境敏感目标处的坐标数据，m；xjk——导线的坐标数据，m。进一步地，所述密度聚类单元使用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类，其包括：第一参数单元，其用于依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度；第二参数单元，其用于确定邻域半径Eps，其计算公式为：式中：Amax——矩阵Ai1中的最大元素，m；Amin——矩阵Ai1中的最小元素，m；Bmax——矩阵Bi1中的最大元素，m；Bmin——矩阵Bi1中的最小元素，m；m——待聚类数据矩阵的行数；n——待聚类数据矩阵的列数；核心对象单元，其用于根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足|NEpsp|≥MinPts，其中NEpsp是对象p的领域，其计算公式为：NEpsp＝{q∈Ci2|distp,q≤Eps}式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；矩阵集合单元，其用于对每一个核心对象p，找到由其密度可达的对象生成聚类簇，归于矩阵Dj中，并生成矩阵集合D＝{D1，D2……Dj……Dn}，式中，1≤j≤n，j、n均为自然数；第三矩阵单元，其用于将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中。进一步地，所述结果确定单元包括：有效数据确定单元，其用于确定矩阵集合D＝{D1，D2……Dj……Dn}中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为：式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；异常数据确定单元，其用于将矩阵集合D＝{D1，D2……Dj……Dn}中除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。本发明技术方案提供的识别交流超特高压输电线路可听噪声异常数据的方法和系统根据采集的环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵；再将环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵，并通过等效连续A声级数据矩阵和环境敏感目标处与导线的欧式距离数据矩阵的拼接，构建待聚类数据矩阵；然后采用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类后，确定聚类结果中所含元素最多的矩阵归于有效数据，并将聚类结果中的剩余部分归入异常数据。所述识别交流超特高压输电线路可听噪声异常数据的方法和系统可以应用于大规模可听噪声数据的实时处理，而且采用自动化方法进行处理减少了人工操作带来的新的主观误差，所述方法和系统精确度高，全面系统，对于在交流超特高压输电线路建设中指导输电杆塔设计，输电导线选择以及变电构建布置，降低工程整体环境评价风险方面具有重大意义。附图说明通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：图1为根据本发明优选实施方式的识别交流超特高压输电线路可听噪声异常数据的方法的流程图；图2为根据本发明优选实施方式的环境敏感目标处的坐标与导线的坐标的示意图；图3为根据本发明优选实施方式的识别交流超特高压输电线路可听噪声异常数据的系统的结构示意图。具体实施方式现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元元件使用相同的附图标记。除非另有说明，此处使用的术语包括科技术语对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。图1为根据本发明优选实施方式的识别交流超特高压输电线路可听噪声异常数据的方法的流程图。如图1所示，本优选实施方式所述的识别交流超特高压输电线路可听噪声异常数据的方法100从步骤101开始。在步骤101，采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据。在步骤102，根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1，其中，数据矩阵Bi1的表达式为：在步骤103，将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2，其中，数据矩阵Ai1和Ci2的表达式分别为：在步骤104，对待聚类数据矩阵Ci2进行密度聚类。在步骤105，确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据。在步骤106，输出识别的有效数据和异常数据。优选地，所述根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，其计算公式为：式中：dij——环境敏感目标处与导线的欧式距离，m；xik——环境敏感目标处的坐标数据，m；xjk——导线的坐标数据，m。图2为根据本发明优选实施方式的环境敏感目标处的坐标与导线的坐标的示意图。如图2所示，所述环境敏感目标处的坐标是指环境敏感目标至导线的延长线的水平距离，所述导线的坐标是指导线与挂点相对的端点至环境敏感目标处的直线距离。优选地，所述对待聚类数据矩阵Ci2进行密度聚类是指使用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类，其包括：依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度，在本优选实施方式中，由于聚类数据的维度是2，故MinPts取值为3；确定邻域半径Eps，其计算公式为：式中：Amax——矩阵Ai1中的最大元素，m；Amin——矩阵Ai1中的最小元素，m；Bmax——矩阵Bi1中的最大元素，m；Bmin——矩阵Bi1中的最小元素，m；m——待聚类数据矩阵的行数；n——待聚类数据矩阵的列数；根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足|NEpsp|≥MinPts，其中NEpsp是对象p的领域，其计算公式为：NEpsp＝{q∈Ci2|distp,q≤Eps}式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；对每一个核心对象p，找到由其密度可达的的对象生成聚类簇，并归于矩阵Dj中，并生成矩阵集合D＝{D1，D2……Dj……Dn}，式中，1≤j≤n，j、n均为自然数；将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中。优选地，所述确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据包括：确定矩阵集合D＝{D1，D2……Dj……Dn}中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为：式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；将矩阵集合D＝{D1，D2……Dj……Dn}中除除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。图3为根据本发明优选实施方式的识别交流超特高压输电线路可听噪声异常数据的系统的结构示意图。如图3所示，本优选实施方式所述的识别交流超特高压输电线路可听噪声异常数据的系统300包括：数据采集单元301，其用于采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据。第一矩阵单元302，其用于根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1；第二矩阵单元303，其用于将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2；密度聚类单元304，其用于对待聚类数据矩阵Ci2进行密度聚类；结果确定单元305，其用于确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据。结果输出单元306，其用于输出识别的有效数据和异常数据。优选地，所述第一矩阵单元302根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，其计算公式为：式中：dij——环境敏感目标处与导线的欧式距离，m；xik——环境敏感目标处的坐标数据，m；xjk——导线的坐标数据，m。优选地，所述密度聚类单元304使用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类，其包括：第一参数单元341，其用于依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度；第二参数单元342，其用于确定邻域半径Eps，其计算公式为：式中：Amax——矩阵Ai1中的最大元素，m；Amin——矩阵Ai1中的最小元素，m；Bmax——矩阵Bi1中的最大元素，m；Bmin——矩阵Bi1中的最小元素，m；m——待聚类数据矩阵的行数；n——待聚类数据矩阵的列数；核心对象单元343，其用于根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足|NEpsp|≥MinPts，其中NEpsp是对象p的领域，其计算公式为：NEpsp＝{q∈Ci2|distp,q≤Eps}式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；矩阵集合单元344，其用于对每一个核心对象p，找到由其密度可达的对象生成聚类簇，归于矩阵Dj中，并生成矩阵集合D＝{D1，D2……Dj……Dn}，式中，1≤j≤n，j、n均为自然数；第三矩阵单元345，其用于将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中。优选地，所述结果确定单元305包括：有效数据确定单元351，其用于确定矩阵集合D＝{D1，D2……Dj……Dn}中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为：式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；异常数据确定单元352，其用于将矩阵集合D＝{D1，D2……Dj……Dn}中除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个所述该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

权利要求：1.一种识别交流超特高压输电线路可听噪声异常数据的方法，其特征在于，所述方法包括：根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1；将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2；对待聚类数据矩阵Ci2进行密度聚类；确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据。2.根据权利要求1所述的方法，其特征在于，所述方法在根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据之前还包括采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据。3.根据权利要求1所述的方法，其特征在于，所述方法在确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据后还包括输出识别的有效数据和异常数据。4.根据权利要求1所述的方法，其特征在于，所述根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，其计算公式为：式中：dij——环境敏感目标处与导线的欧式距离，m；xik——环境敏感目标处的坐标数据，m；xjk——导线的坐标数据，m。5.根据权利要求1所述的方法，其特征在于，所述对待聚类数据矩阵Ci2进行密度聚类是指使用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类，其包括：依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度；确定邻域半径Eps，其计算公式为：式中：Amax——矩阵Ai1中的最大元素，m；Amin——矩阵Ai1中的最小元素，m；Bmax——矩阵Bi1中的最大元素，m；Bmin——矩阵Bi1中的最小元素，m；m——待聚类数据矩阵的行数；n——待聚类数据矩阵的列数；根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足|NEpsp|≥MinPts，其中NEpsp是对象p的领域，其计算公式为：NEpsp＝{q∈Ci2|distp,q≤Eps}式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；对每一个核心对象p，找到由其密度可达的的对象生成聚类簇，并归于矩阵Dj中，并生成矩阵集合D＝{D1，D2……Dj……Dn}，式中，1≤j≤n，j、n均为自然数；将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中。6.根据权利要求5所述的方法，其特征在于，所述确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据包括：确定矩阵集合D＝{D1，D2……Dj……Dn}中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为：式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；将矩阵集合D＝{D1，D2……Dj……Dn}中除除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。7.一种识别交流超特高压输电线路可听噪声异常数据的系统，其特征在于，所述系统包括：第一矩阵单元，其用于根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，并基于所述i个环境敏感目标处与导线的欧式距离数据生成环境敏感目标处与导线的欧式距离数据矩阵Bi1；第二矩阵单元，其用于将i组环境敏感目标数据中的等效连续A声级数据组成等效连续A声级数据矩阵Ai1，并通过等效连续A声级数据矩阵Ai1和环境敏感目标处与导线的欧式距离数据矩阵Bi1的拼接，构建待聚类数据矩阵Ci2；密度聚类单元，其用于对待聚类数据矩阵Ci2进行密度聚类；结果确定单元，其用于确定聚类结果中所含元素最多的矩阵归于有效数据中，并将聚类结果中的剩余部分归入异常数据。8.根据权利要求7所述的系统，其特征在于，所述系统还包括数据采集单元，其用于采集待识别交流超特高压输电线路周边的i组环境敏感目标数据，其中，所述环境敏感目标数据包括环境敏感目标处的等效连续A声级数据，环境敏感目标处的坐标数据和导线的坐标数据。9.根据权利要求7所述的系统，其特征在于，所述系统还包括结果输出单元，其用于输出识别的有效数据和异常数据。10.根据权利要求7所述的系统，其特征在于，所述第一矩阵单元根据i组环境敏感目标数据中的环境敏感目标处的坐标数据和导线的坐标数据，计算确定i个环境敏感目标处与导线的欧式距离数据，其计算公式为：式中：dij——环境敏感目标处与导线的欧式距离，m；xik——环境敏感目标处的坐标数据，m；xjk——导线的坐标数据，m。11.根据权利要求7所述的系统，其特征在于，所述密度聚类单元使用DBSCAN算法对待聚类数据矩阵Ci2进行密度聚类，其包括：第一参数单元，其用于依照MinPts≥dim+1的原则确定MinPts的值，其中，dim表示待聚类数据的维度；第二参数单元，其用于确定邻域半径Eps，其计算公式为：式中：Amax——矩阵Ai1中的最大元素，m；Amin——矩阵Ai1中的最小元素，m；Bmax——矩阵Bi1中的最大元素，m；Bmin——矩阵Bi1中的最小元素，m；m——待聚类数据矩阵的行数；n——待聚类数据矩阵的列数；核心对象单元，其用于根据确定的MinPts和Eps确定所有的核心对象，所述核心对象p满足|NEpsp|≥MinPts，其中NEpsp是对象p的领域，其计算公式为：NEpsp＝{q∈Ci2|distp,q≤Eps}式中，Ci2为待聚类的对象矩阵，q为矩阵Ci2中除对象p之外的任一对象，distp,q为对象p与q的欧氏距离；矩阵集合单元，其用于对每一个核心对象p，找到由其密度可达的对象生成聚类簇，归于矩阵Dj中，并生成矩阵集合D＝{D1，D2……Dj……Dn}，式中，1≤j≤n，j、n均为自然数；第三矩阵单元，其用于将矩阵Ci2中未归于任一矩阵的对象归入矩阵G中。12.根据权利要求11所述的系统，其特征在于，所述结果确定单元包括：有效数据确定单元，其用于确定矩阵集合D＝{D1，D2……Dj……Dn}中含元素最多的矩阵Dmax，归于矩阵E中，则所述矩阵E中的元素的集合即为识别交流超特高压输电线路可听噪声有效数据的集合，所述矩阵E的表达式为：式中，e为矩阵Dmax中的元素，CardDmax为矩阵Dmax所含元素的数量，为矩阵集合D中除矩阵Dmax外的其他矩阵所含元素的数量；异常数据确定单元，其用于将矩阵集合D＝{D1，D2……Dj……Dn}中除矩阵Dmax外的其他矩阵归于矩阵G中，则所述矩阵G中的元素的集合即为识别交流超特高压输电线路可听噪声异常数据的集合。

百度查询： 中国电力科学研究院有限公司 国家电网有限公司 国网湖北省电力有限公司检修公司 一种识别交流超特高压输电线路可听噪声异常数据的方法和系统