基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法与流程

技术特征：

1.基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法，其特征在于：首先基于邻域保持嵌入算法局部特征提取的策略，建立以环网柜的柜内温度、湿度、线芯电流、电缆表面温度为输入量，以环网柜内电缆的线芯温度为输出量的回归优化函数，使得输入数据和输出数据在局部特征保留的同时，获取数据间的最大相关关系；然后基于数据低维潜变量获取构建数据回归的输入和输出特征，建立线芯温度的软测量模型；基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法具体的特征步骤如下：

步骤1：采集环网柜正常运行的柜内温度、湿度、电缆表面温度和线芯电流测量数据，作为软测量模型输入样本集X∈R^D×n，其中D为测量数据的维度，n为训练数据的样本个数；并把采集的数据存入历史数据库；

步骤2：采集环网柜正常运行的线芯温度测量数据，作为软测量模型输出样本集Y∈Rⁿ，其中n为训练数据的样本个数；并把采集的数据存入历史数据库；

步骤3：对历史数据库中的训练样本数据进行归一化，使得输入输出样本的均值为0，方差为1；并去除野值点和误差较大的点，得到新的数据样本矩阵

步骤4：针对预处理后的输入和输出样本数据，建立基于邻域保持嵌入回归模型，并将回归模型的相应参数存入历史数据库中；

步骤5：针对环网柜新采集的柜内温度、湿度、电缆表面温度和线芯电流的在线测量数据X_new，首先对其进行预处理，结合历史数据库中已有的模型参数对线芯温度的软测量估计值y_new进行估计。

2.根据权利要求1所述的基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法，其特征在于所述步骤4包括以下实现过程：

步骤4.1：将预处理后的输入过程变量作为软测量模型输入，实施NPE运算，实现数据降维，得到低维映射T和投影矩阵A，存入历史数据库；

步骤4.2：将线芯温度数据作为软测量模型输出，实施NPE运算，实现数据降维，得到低维映射U和投影矩阵A′，存入历史数据库；

步骤4.3：分别利用步骤4.1中得到的低维映射T和步骤4.2中得到的低维映射U代替原始输入输出变量，根据T和U的相关度应达到最大值的目标函数，综合步骤4.1和4.2的目标函数，建立线性回归方程，构建输入和输出数据的相关关系；

步骤4.4：根据步骤4.3中建立的线性回归方程得出回归模型参数B，存入历史数据库。

3.根据权利要求1所述的基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法，其特征在于所述步骤5包括以下实现过程：

步骤5.1：对新采集的新数据X_new∈R^D×n进行预处理；

步骤5.2：结合步骤5.1中预处理后的数据和历史数据库中的变换矩阵A进行降维运算，得到低维映射T_new；

步骤5.3：结合步骤5.2中降维后的数据T_new和历史数据库中的回归模型参数B，得到线芯温度估计值的低维映射U_new；

步骤5.4：结合步骤5.3中得到的线芯温度估计值的低维映射U_new和历史数据库中的回归模型参数B与转移矩阵A′，即得到线芯温度的估计值y_new。