电脑或可穿戴式电子设备。
[0123] 最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作 之间存在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括 那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或 者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并 不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0124] 以上对本发明所提供的一种开关柜故障特征选择方法及装置进行了详细介绍，本 文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于 帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思 想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对 本发明的限制。
【主权项】
1. 一种开关柜故障特征选择方法，其特征在于，包括： 从发生故障的开关柜中提取出故障特征集，所述故障特征集包括M个样本，每个样本 均包括N个故障特征，其中，M和N均为正整数； 基于故障特征重要程度的排序原则，对所述故障特征集的N个故障特征进行排序，得 到已排序的待选故障特征子集； 基于mRMR准则，并利用增量搜索法，对所述待选故障特征子集进行筛选，得到N个候选 故障特征子集； 计算所述N个候选故障特征子集中每一个候选故障特征子集的分类正确率，将分类正 确率最大的候选故障特征子集确定为所述开关柜的最优故障特征子集。2. 根据权利要求1所述的开关柜故障特征选择方法，其特征在于，所述计算所述N个候 选故障特征子集中的每一个候选故障特征子集的分类正确率，将分类正确率最大的候选故 障特征子集确定为所述开关柜的最优故障特征子集的过程包括： 利用SVM分类算法，对所述N个候选故障特征子集中的每一个候选故障特征子集的分 类正确率进行测试，相应地得到N个分类正确率； 将所述N个分类正确率中数值最大的分类正确率所对应的候选故障特征子集确定为 所述最优故障特征子集。3.根据权利要求2所述的开关柜故障特征选择方法，其特征在于，所述基于故障特征 重要程度的排序原则，对所述故障特征集的N个故障特征进行排序，得到已排序的待选故 障特征子集的过程包括： 利用所述M个样本中每个样本的特征向量，构造相应的近邻图； 计算所述近邻图的MXM阶相似矩阵； 利用所述MXM阶相似矩阵，计算所述故障特征集的N个故障特征中每个故障特征的重 要程度系数； 根据每个故障特征的重要程度系数的大小顺序，对所述故障特征集的N个故障特征进 行排序，得到所述待选故障特征子集。4.根据权利要求3所述的开关柜故障特征选择方法，其特征在于，所述利用所述MXM 阶相似矩阵，计算所述故障特征集的N个故障特征中每个故障特征的重要程度系数，根据 每个故障特征的重要程度系数的大小顺序，对所述故障特征集的N个故障特征进行排序， 得到所述待选故障特征子集的过程包括： 利用所述MXM阶相似矩阵，计算所述故障特征集的N个故障特征中每个故障特征的拉 普拉斯分值，相应地得到N个拉普拉斯分值； 按照所述N个拉普拉斯分值中每个拉普拉斯分值的大小顺序，相应地对所述N个故障 特征进行排序，得到所述待选故障特征子集。5.根据权利要求1至4任一项所述的开关柜故障特征选择方法，其特征在于，所述基于 mRMR准则，并利用增量搜索法，对所述待选故障特征子集进行筛选，得到N个候选故障特征 子集的过程包括： 步骤S1 :从所述待选故障特征子集中挑选出满足第一筛选条件的一个故障特征，并将 该故障特征确定为第一候选故障特征子集，所述第一筛选条件为基于故障特征与目标故障 类型之间的相关性得到的筛选条件； 步骤S2 :将所述第一候选故障特征子集确定为当前候选故障特征子集； 步骤S3 :将当前候选故障特征子集中的故障特征从所述待选故障特征子集中剔除，得 到剔除后待选故障特征子集； 步骤S4 :从剔除后待选故障特征子集中挑选出满足第二筛选条件的一个故障特征，并 将该故障特征合并至当前候选故障特征子集，得到最新候选故障特征子集，所述第二筛选 条件为基于故障特征与目标故障类别之间的相关性以及故障特征之间的相关性得到的筛 选条件； 步骤S5 :将最新候选故障特征子集确定为当前候选故障特征子集，并转至步骤S3,直 到最新候选故障特征子集中的故障特征的数量为N。6. 根据权利要求5所述的开关柜故障特征选择方法，其特征在于，所述第一筛选条件 为： max[I(sk；T)]； 其中，I(sk;T)表示故障特征s,与目标故障类型T之间的相关性。7. 根据权利要求6所述的开关柜故障特征选择方法，其特征在于，所述第二筛选条件 为：其中，表示当前候选故障特征子集，S-S^表示剔除后待选故障特征子集，sk表示Smi中的故障特征，st表示s-smi中的故障特征，其中，m= 2,. . .，N，I(st;T)表示故障特征 s#目标故障类型T之间的相关性，I(st;sk)表示故障特征st与故障特征sk之间的相关 性。8. -种开关柜故障特征选择装置，其特征在于，包括： 特征提取器，用于从发生故障的开关柜中提取出故障特征集，所述故障特征集包括M个样本，每个样本均包括N个故障特征，其中，M和N均为正整数； 特征排序器，用于基于故障特征重要程度的排序原则，对所述故障特征集的N个故障 特征进行排序，得到已排序的待选故障特征子集； 特征筛选器，用于基于mRMR准则，并利用增量搜索法，对所述待选故障特征子集进行 筛选，得到N个候选故障特征子集； 特征分析器，用于计算所述N个候选故障特征子集中每一个候选故障特征子集的分类 正确率，将分类正确率最大的候选故障特征子集确定为所述开关柜的最优故障特征子集。9. 根据权利要求8所述的开关柜故障特征选择装置，其特征在于，所述特征分析器包 括SVM分类器和最优故障特征获取器； 所述SVM分类器，用于利用SVM分类算法，对所述N个候选故障特征子集中的每一个候 选故障特征子集的分类正确率进行测试，相应地得到N个分类正确率； 所述最优故障特征获取器，用于将所述N个分类正确率中数值最大的分类正确率所对 应的候选故障特征子集确定为所述最优故障特征子集，并输出所述最优故障特征子集。10. 根据权利要求9所述的开关柜故障特征选择装置，其特征在于，所述特征排序器包 括： 近邻图构造单元，用于利用所述M个样本中每个样本的特征向量，构造相应的近邻图； 相似矩阵计算单元，用于计算所述近邻图的MXM阶相似矩阵； 系数计算单元，用于利用所述MXM阶相似矩阵，计算所述故障特征集的N个故障特征 中每个故障特征的重要程度系数； 特征排序单元，用于根据每个故障特征的重要程度系数的大小顺序，对所述故障特征 集的N个故障特征进行排序，得到所述待选故障特征子集。
【专利摘要】本申请公开了一种开关柜故障特征选择方法及装置，该方法包括：基于故障特征重要程度的排序原则，对故障特征集的N个故障特征进行排序，得到待选故障特征子集；基于mRMR准则，并利用增量搜索法，对待选故障特征子集进行筛选；计算筛选后得到的N个候选故障特征子集中每一个候选故障特征子集的分类正确率，将分类正确率最大的候选故障特征子集确定为最优故障特征子集。本申请事先对故障特征集中的故障特征进行排序，实现了故障特征的降维，然后基于mRMR准则进行筛选，有效地减少了故障特征样本中的噪音成分，进一步降低了特征维数，提高了筛选的效果，进而提高了后续得到的最优故障特征子集与发生故障的实际原因之间的吻合度。
【IPC分类】G06F19/00
【公开号】CN105095675
【申请号】CN201510563115
【发明人】刘理峰, 张静, 李题印, 胡翔, 孙微庭, 易武, 王丽芳, 周念成, 崔金栋
【申请人】浙江群力电气有限公司, 国家电网公司, 国网浙江杭州市余杭区供电公司, 国网浙江省电力公司杭州供电公司, 国网浙江省电力公司
【公开日】2015年11月25日
【申请日】2015年9月7日