(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 (43)申请公布日 (21)申请 号 202111557871.X (22)申请日 2021.12.20 (71)申请人 上海应用技 术大学 地址 200235 上海市徐汇区漕宝路120 -121 号 (72)发明人 张海刚　曾松　周浩强　刘飘　 王步来　罗纯　赵德成　张文　 邹劲柏　童中祥　万衡　孙平飞　 徐兵　王燕锋　罗俊　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 代理人 黄超宇　胡晶 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/06(2012.01)G06F 17/16(2006.01) (54)发明名称 一种牵引供电系统电能质量分类管理的 PCA—Kmeans聚类方法 (57)摘要 本发明公开了一种牵引供电系统电能质量 分类管理的PCA ‑Kmeans聚类方法， 通过利用PCA 主成分分析法将电能质量评估指标降维成两个 特征， 再通过Kmean s聚类算法对各个电力片段的 电能质量进行了成功的划分评估， 最后经过与其 他电能质量划分方式的对比， 验证本发明具有更 好的实践性。 首先将轨道交通变电所输出的三相 电压、 电流数据预处理， 然后分别进行对称分解 和傅里叶变换， 然后提取出来计算评估电能质量 的6个特征值， 最后通过这6个特征值利用PCA ‑ Kmeans聚类算法进行降维仿真， 来对牵引供电系 统的可靠性进行等级划分、 评估验证， 综合以上 提高牵引 供电系统的可靠性进行电能质量的评 估和确定。 权利要求书3页 说明书8页 附图3页 CN 114266304 A 2022.04.01 CN 114266304 A 1.一种牵引供电系统电能质量分类管理的PCA—Kmeans聚类方法， 其特征在于， 包括以 下步骤： 步骤1： 轨道交通牵引变电所检测输出三相电压、 电流和变化频率， 分别为Va、 Vb和Vc、 Ia、 Ib和Ic以及fc； 步骤2： 将Va、 Vb和Vc、 Ia、 Ib和Ic以及fc进行数据预处理， 得到 频域谱上的电压V(ω)、 电流 I(ω)进行谐波分析； 步骤3： 将预处理后的系统频率进行过零点检测计算得到电能质量评估指标之一的频 率指标： 系统频率偏差 Δf； 步骤4： 预处理后的三相电压， 依据电能质量体系评估标准， 分别计算得到电压偏差Δ U、 电压波动Ux、 电压闪变PLt、 电压不平衡度 ε和电压总谐波畸变率THDu； 步骤5： 将步骤3和步骤4得到电能质量评估指标进行热力图分析， 得出各指标之间的相 关性， 有选择地去除相关性 不大的指标值； 步骤6： 将热力图分析得到的电能质量评估指标(Δf、 ΔU、 Ux、 PLt、 ε、 THDu)通过PCA主成 分分析法进行降维处 理， 得到二维评估特 征F1、 F2； 步骤7： 通过PCA主成分分析法降维处理的二维数据集(F1、 F2)通过Kmeans聚类算法， 对 样本数据集对象进行划分归类(M1,M2)； 步骤8： 对步骤7中经过Kmeans聚类算法分析处理的数据划分归类对象进行二次验证， 通过PSO‑RF、 PSO‑BP评估实测牵引供电电能质量数据模型与PCA ‑Kmeans聚类方法模型进行 对比。 2.根据权利要求1所述的一种牵引供电系 统电能质量分类管理的PCA—Kmeans聚类方 法， 其特征在于， 在步骤5中， 具体包括以下步骤： 步骤51： 步骤3、 4， 得到的电能质量6个特征评估参数， 属于6维高纬度数据集， 复杂性 高， 具有多重共线性， 对电能质量的评估参数系数进 行分析， 计算各个特征评估参数之 间的 相关性， 这里的相关性主 要由数理 统计相关性 来进行表示， 即： 上式中， COV(X,Y)表示变量X和Y的协方差； 步骤52： 通过步骤51得到电能质量相关性， 以ρ ＝1为主对称轴， ρ(X,Y)的值分布绘制热 力图， 同时去除一些相关性 不大的数据集， 便 于后续PCA ‑Kmeans分析。 3.根据权利要求书1所述的一种牵引供电系 统电能质量分类管理的PCA—Kmeans聚类 方法， 其特 征在于， 在步骤6中， 具体包括以下步骤： 步骤61： 在步骤3、 4 中得到高耦合、 高共线性电能质量特征评估指标， 通过PCA降维算法 对其进行降维处理， 评估指标分别用X1、 X2、 X3、 X4、 X5、 X6表示， 组成一个6维向量， 进行线性变 换， 用F表示X， F的特 征个数较少且相互之间无关； 步骤62： 设F1表示电能质量指标的第一个线性组合形成的主成分指标， F2表示第一个线 性组合形成的主成分指标表， 即： F1＝a11X1+a12X2+a13X3+a14X4+a15X5+a16X6  (2) F2＝a21X1+a22X2+a23X3+a24X4+a25X5+a26X6  (3) 且F1、 F2满足：权　利　要　求　书 1/3 页 2 CN 114266304 A 2Cov(F1,F2)＝0  (4)。 4.根据权利要求书3所述的一种牵引供电系 统电能质量分类管理的PCA—Kmeans聚类 方法， 其特 征在于， 在步骤62中， 具体包括以下步骤： 步骤621： 在步骤62中， 需要确定Fi(i＝1,2)关于原电能质量指标Xj(j＝1,2, …,6)的表 达式， 即系数aij(i＝1,2； j＝1,2, …,6)； 步骤622： 在步骤62中， 得到的F1、 F2主成分矩阵要变换为方向矩阵， 变换关系式如下： P(Zi, λj)矩阵描述了Fi与Xj之间的关联度。 5.根据权利要求书3所述的一种牵引供电系 统电能质量分类管理的PCA—Kmeans聚类 方法， 其特 征在于， 在步骤7中， 具体包括以下步骤： 步骤71： 在二维电能质量数据集中， 存在m(m<∞)个电能质量片段{X(1),X(2),…,X(m)}， 其中， X(i)表示第i个样本， 每 个样本包 含n个特征参数， 此时样本可用m*n的矩阵表征， 即： 步骤72： 计算每一个质量片段X(i)与k个聚类中心之间的相似度， 首先设定k个初始聚 点， 在该质量片段的某一聚类中心点为 样本点 为 则样本点到质心(聚类中心点)的欧式距离为： 6.根据权利要求书5所述的一种牵引供电系 统电能质量分类管理的PCA—Kmeans聚类 方法， 其特 征在于， 在步骤72中， 具体包括以下步骤： 步骤721： 假 设存在m个类， 分别为： Ck＝{C1,C2,…,Cm}， 通过每个类别的样本重新计算出 聚类中心： 步骤722： 将步骤71和步骤72中数据集带入目标函数中： 样本X(i)是数据集Xm×n的第i行， Cj表示的是第j个类别的聚类中心， 假设Xm×n为k个聚类 中心构成的矩阵， 矩阵Zm×n是由Zij构成的0‑1矩阵， Zij为： 对于上述的优化目标函数， 其与如下的矩阵形式等 价：权　利　要　求　书 2/3 页 3 CN 114266304 A 3