申请/专利权人：贵州电网有限责任公司

申请日：2020-08-13

公开（公告）日：2024-04-19

公开（公告）号：CN112000831B

主分类号：G06F16/56

分类号：G06F16/56;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2020.12.15#实质审查的生效;2020.11.27#公开

摘要：本发明公开了一种基于变电站图形转化的异常数据识别优化方法，包括，采集变电站相关设备的基本信息并添加私有属性以进行图形转化；基于最小二乘制策略构建异常识别模型，对图形转化过程中的处理数据进行异常识别；若识别到异常数据，则对其进行标记，并结合三参数分布和灰色预测策略剔除标记的所述异常数据，输出优化后的所述图形转化结果。本发明通过构建的异常识别模型识别图形转化过程中的异常数据，并结合三参数分布和灰色预测策略剔除标记的异常数据，输出优化后的图形转化结果，提高了图形转化质量和效率，精准的定位异常数据并剔除，避免了运维人员的重复工作和错漏，降低了设备安全运行的危险系数。

主权项：1.一种基于变电站图形转化的异常数据识别优化方法，其特征在于：包括，采集变电站相关设备的基本信息并添加私有属性以进行图形转化；基于最小二乘制策略构建异常识别模型，对图形转化过程中的处理数据进行异常识别；若识别到异常数据，则对其进行标记，并结合三参数分布和灰色预测策略剔除标记的所述异常数据，输出优化后的图形转化结果；所述图形转化包括，采集所述变电站相关设备的所述基本信息并按照变电站实际的物理层级关系存入数据库；基于线性规划准则构建分析模型，读取所述基本信息中电回路的电气图形及拓扑关系图进行分析，得到电气图形对象；利用随机森林策略提取所述电气图形对象的文本信息，与所述数据库中的数据进行匹配绑定；将匹配到的信息与所述电气图形对象进行关联，构建二次拓扑关系图；利用所述随机森林策略提取所述电气图形对象与所述二次拓扑关系图的信息，向SVG文本中添加私有属性，生成新的SVG文本；所述三参数分布和灰色预测策略包括，利用三参数累积分布函数计算优化指标， 其中，σ为尺度参数，γ为形状参数，θ为位置参数；还包括， 其中，y和z为标记的异常数据预测剔除参数，o为求解因子。

全文数据：

权利要求：

百度查询： 贵州电网有限责任公司 一种基于变电站图形转化的异常数据识别优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD