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：国网新疆电力有限公司;华北电力大学

摘要：本发明公开了一种基于谱聚类的PMU不良数据检测方法，包括：基于四点数据斜率特征构建决策树模型，并利用该决策树模型辨识事件数据、以及正常数据和不良数据；对于辨识出的包含正常数据和不良数据的数据集合A，利用3σ准则进行初步筛选，将数据集合划分为A1、A2、与A3三个部分，其中A1部分与A2部分分别为正常数据与不良数据，A3部分中包含了正常数据和不良数据；利用谱聚类的方法，构造数据之间的权重距离矩阵，从而在A3部分中检测出不良数据。该方法能通过数据间的权重准确检测偏差值较小的不良数据。

主权项：1.一种基于谱聚类的PMU不良数据检测方法，其特征在于，包括：基于四点数据斜率特征构建决策树模型，并利用该决策树模型辨识事件数据、以及正常数据和不良数据；对于辨识出的包含正常数据和不良数据的数据集合A，利用3σ准则进行初步筛选，将数据集合划分为A1、A2、与A3三个部分，其中A1部分与A2部分分别为正常数据与不良数据，A3部分中包含了正常数据和不良数据；利用谱聚类的方法，构造数据之间的权重距离矩阵，从而在A3部分中检测出不良数据；数据斜率计算公式为： 其中，ti、ti+1表示时刻，Xi、Xi+1表示相应时刻的数据，||为绝对值符号；将四点数据斜率ki，ki+1，ki+2，ki+3作为数据Xi的特征，能够区分事件数据、以及正常数据和不良数据；构建决策树模型的方式包括：设置信息增益率阈值ε、决策树深度p，利用现场数据构造训练数据集来构建决策树模型；信息增益率阈值ε用于验证划分特征是否符合要求；深度p表示递归计算的次数；将训练集中所有数据输入，训练数据集中的数据包含阶跃点数据与其他数据两类，如果ti+1时刻，出现扰动事件，则ti时刻的数据Xi为阶跃点数据；计算各数据的四点数据斜率，得到四类特征；使用二分法离散化每个连续特征，提取训练数据集中所有数据的每一类特征的取值，对于每一类特征，将取值从小到大排序，计算排序中相邻特征的中点作为候选划分点，计算每类特征对应不同划分点的信息增益率，选择最大值作为相应类特征的信息增益率，比较四类特征的信息增益率，选出信息增益率最大的特征，并将其信息增益率与设定的信息增益率阈值ε比较；如果小于ε则所有数据为同一类别；如果大于信息增益率阈值ε，则选出信息增益率最大的候选划分点sb，将数据划分为两部分，特征值bi≤sb的所有数据划分为一组，特征值bisb的所有数据为另一组，信息增益率最大的候选划分点为分支节点；递归重复，直至某节点中所有数据均为阶跃点数据或非阶跃点数据，或者达到决策树深度p，从而构建出决策树模型。

全文数据：

权利要求：

百度查询： 国网新疆电力有限公司 华北电力大学 基于谱聚类的PMU不良数据检测方法