故障类型确定方法、装置、计算机设备和可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114239867A(43)申请公布日2022.03.25(21)申请号202111313323.2G06F17/18(2006.01)(22)申请日2021.11.08(71)申请人深圳供电局有限公司地址518001广东省深圳市罗湖区深南东路4020号电力调度通信大楼(72)发明人汪清张华赢余鹏汪伟杨洁曹军威(74)专利代理机构华进联合专利商标代理有限公司44224代理人伍健聪(51)Int.Cl.G06Q10/00(2012.01)G06Q10/06(2012.01)G06Q50/06(2012.01)G06F17/16(2006.01)权利要求书2页说明书13页附图4页(54)发明名称故障类型确定方法、装置、计算机设备和可读存储介质(57)摘要本申请涉及一种故障类型确定方法、装置、计算机设备和可读存储介质。该方法通过获取能源互联网的运行数据；确定局部线性嵌入算法的目标邻近数据数量和目标维度M；根据目标邻近数据数量和目标维度对运行数据进行间隔降维处理，得到降维运行数据；利用故障识别算法处理降维运行数据，根据处理结果确定故障类型。本申请涉及的故障类型确定方法通过对能源互联网的运行数据进行降维处理后，再根据降维运行数据确定故障类型，这样可以减少计算量，节省时间，从而能够提高故障诊断效率。CN114239867ACN114239867A权利要求书1/2页1.一种故障类型确定方法，其特征在于，包括：获取能源互联网的运行数据，所述运行数据为所述能源互联网的多个监测指标的值，所述运行数据的维度为N；确定局部线性嵌入算法的目标邻近数据数量和目标维度M；根据所述目标邻近数据数量和所述目标维度M对所述运行数据进行降维处理，得到降维运行数据，其中，所述降维运行数据的维度为M，所述M小于所述N；利用故障识别算法处理所述降维运行数据，根据处理结果确定故障类型。2.根据权利要求1所述的故障类型确定方法，其特征在于，所述利用故障识别算法处理所述降维运行数据，根据处理结果确定故障类型，包括：计算所述降维运行数据属于每种故障类型的均值和协方差矩阵；根据所述均值和所述协方差矩阵，计算所述降维运行数据属于每种所述故障类型的概率密度，得到多个概率密度；将所述多个概率密度中最大的概率密度对应的故障类型确定为所述运行数据对应的故障类型。3.根据权利要求1所述的故障类型确定方法，其特征在于，所述方法还包括：获取所述能源互联网的运行数据样本集，其中，所述运行数据样本集包括多组运行数据样本和所述多组运行数据样本中每组运行数据样本对应的故障类型；确定所述局部线性嵌入算法的邻近数据数量范围和维度范围；遍历所述邻近数据数量范围内的所有邻近数据数量和所述维度范围内的所有维度的组合，对所述运行数据样本集进行降维处理，得到多个降维运行数据样本集；根据所述多个降维运行数据样本集和所述故障类型，确定所述目标邻近数据数量和所述目标维度。4.根据权利要求3所述的故障类型确定方法，其特征在于，所述根据多个降维运行数据样本集和所述故障类型，确定所述目标邻近数据数量和所述目标维度，包括：根据所述多个降维运行数据样本集和所述故障类型，确定多个预设评价准则函数；根据所述多个预设评价准则函数，确定所述目标邻近数据数量和所述目标维度。5.根据权利要求4所述的故障类型确定方法，其特征在于，所述根据所述多个降维运行数据样本集和所述故障类型，确定多个预设评价准则函数，包括：计算每个所述降维运行数据样本集中的降维运行数据样本属于的故障类型的均值，得到均值集；根据所述均值集和所述降维运行数据样本集，确定每种所述故障类型内降维运行数据样本的离散度矩阵，得到多个类内离散度矩阵；计算所述多个类内离散度矩阵的和，得到类内离散度矩阵和；根据所述均值集，确定每种所述故障类型之间的降维运行数据样本的离散度矩阵，得到类间离散度矩阵；根据所述类间离散度矩阵和所述类内离散度矩阵和，确定所述预设评价准则函数。6.根据权利要求5所述的故障类型确定方法，其特征在于，所述根据所述多个预设评价准则函数，确定所述目标邻近数据数量和所述目标维度，包括：将所述多个预设评价准则函数中最大预设评价准则函数对应的邻近数据数量确定为2CN114239867A权利要求书2/2页所述目标邻近数据数量，将所述最大预设评价准则函数对应的维度确定为所述目标维度。7.根据权利要求1所述的故障类型确定方法，其特征在于，所述根据所述目标邻近数据数量和所述目标维度对所述运行数据进行降维，得到降维运行数据，包括：根据所述目标邻近数据数量，获取所述运行数据中的邻近数据，其中，所述邻近数据的数量等于所述目标邻近数据数量；根据所述邻近数据和所述运行数据，确定权重系数；根据所述权重系数和所述目标维度，确定所