一种基于变电站图形转化的异常数据识别优化方法

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。 2.如权利要求1所述的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：所述数据库需提前建立基本信息模型，包括，建立所述变电站中的小室信息模型、屏柜信息模型、装置信息模型和电气设备信息模型。 3.如权利要求2所述的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：建立所述小室信息模型包括，小室在数据库中唯一性编号和所述小室在所述变电站中的名称；建立所述屏柜信息模型包括，屏柜在所述数据库中唯一性编号、所述屏柜在所述变电站中的名称和所述屏柜所在小室的编号；建立所述装置信息模型包括，装置在所述数据库中唯一性编号、所述装置在所述变电站中的名称、装置类型和装置所在屏柜的编号；建立所述电气设备信息模型包括，电气设备在所述数据库中唯一性编号、所述电气设备在所述变电站中的名称、电气设备类型和电气设备所在屏柜的编号。 4.如权利要求3所述的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：构建所述分析模型包括，利用线性规划准则建立目标函数，如下，其中，μ为输入存储的设备，η为识别输出设备， 为评价DMU的线性组合系数，b + 为松弛变量，b - 为剩余变量，α为目标函数的分析最优解，β为罚函数。 5.如权利要求1～4任一所述的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：构建所述异常识别模型包括，选取径向基函数作为LSSVM的目标函数，如下其中，d＝{d 1 ；d 2 ；···；d 14 }为基本信息中影响识别因素的历史数据幅频特性向量组成的特性矩阵，ζ为所述基本信息中影响识别因素的幅频特性向量，κ为目标向量，即所述基本信息的分布或范围特性。 6.如权利要求5所述的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：所述异常识别模型需提前进行训练，包括，初始化惩罚参数和所述目标向量，利用所述基本信息对所述LSSVM进行训练，并利用生成的SVG文件进行测试；若异常识别模型未达到精度阈值要求，则根据误差对所述惩罚参数和所述目标向量进行赋值优化；直至满足所述精度阈值要求时，形成所述异常识别模型，输出识别结果。 7.如权利要求6所述的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：所述识别结果包括，正常数据和异常数据；所述正常数据包括，标准的属性、类型、格式和字符；所述异常数据包括，超出或未达到所述标准的所述属性、所述类型、所述格式和所述字符。