用于电表正向有功电能增量数据智能检测方法

1.一种用于电表正向有功电能增量数据智能检测方法，其特征在于，包括以下步骤：
S1：输入电表正向有功电能增量数据的时间序列x＝[x0，x1，...，xn]，计算所述时间序列的差分向量Δx＝[Δx1，Δx2，...，Δxk，...，Δxn]，其中差分值Δxk＝|xk-xk-1|，n表示时间序列上有n个值；
S2：对所述差分向量Δx＝[Δx1，Δx2，...，Δxk，...，Δxn]，利用自组织特征映射神经网络SOM算法进行聚类，并得到各类的聚类中心；
S3：根据预先设定的阈值，将聚类中心超出所述阈值的各类所包含的数据定义为异常数据。
2.如权利要求1所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述步骤S2具体包括：
S2.1：确定SOM网络拓扑结构，设定输入层神经元个数为1，设定输出层的神经元个数为M；
S2.2：设置t＝0，初始化权值wj(0)(j＝1，2，...，M)，且每个wj(0)互不相同；
S2.3：为所述SOM网络提供输入值Δxk；
S2.4：计算当前输入值与各权值之间的距离，并选择距离最小的权值所对应的神经元为获胜神经元；
S2.5：调整获胜神经元及其邻域半径内神经元的权值向量为：
其中，η(t)是学习率参数，范围为0＜η(t)＜1，随时间而递减，Nq(t)为获胜神经元q(t)的邻域半径，Nq(t)也随时间递减；
S2.6：令t＝t+1，判断输入向量是否全部提供给网络，若是则转入步骤S2.7，否则返回步骤S2.3；
S2.7：更新学习率参数和邻域半径：
其中η(0)为初始学习率，Nq(0)为初始邻域半径，T为预定总迭代次数，int为整型转换运算符；
S2.8：若总迭代次数达到预定次数T则结束，否则回到步骤S2.3。
3.如权利要求2所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述步骤S2.2中，从差分向量Δx中随机选取所述权值wj(0)的M个初始值。
4.如权利要求2所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述预定次数T不少于200次。
5.如权利要求2所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述初始学习率η(0)取值为0.8。
6.如权利要求2所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述初始邻域半径Nq(0)取值为2～3。
7.如权利要求2所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述M取值为5～7。
8.如权利要求1所述的用于电表正向有功电能增量数据智能检测方法，其特征在于，所述阈值的设定标准是保证不少于95％的数据在所述阈值之内。

暂无