王伟

辽宁省检验检测认证中心（辽宁省产品质量监督检验院） 辽宁沈阳 110000

1 数据驱动算法的框架模型

多源电缆技术指标数据进入数据驱动框架后，提取各种指标信息的细节特征，并与当前故障模型数据库中的信息进行比对，分析出故障类型和故障风险；启动数据驱动引擎融合各种电缆风险信息，计算出风险权重比例关系，最后定位故障区域并输出电缆风险的评估结果[1]。

假定传输到数据驱动引擎的故障类别只有两种a 和b，所构成的故障特征集为，基于数据驱动的电力数据融合技术利用数据驱动框架综合分析两种故障值之间的相关性，并通过权重比例结果判断出电缆发生故障的总体概率，将两种电缆故障集合都视为随机变量，则故障集合A 和B 之间的相关性（A，B）可表示为：

2 电缆数据特征除异与融合

多源数据特征汇聚到源节点后利用卡尔曼滤波算法去除冗余数据，卡尔曼滤波算法多用于解决非线性系统中的数据预估问题，基于先验知识不断地更新判断准则，以准确输出测量的估计值。以A类故障集合为例，在t+1 时刻的卡尔曼滤波方程可以表示为：

其中，E 表示A 类故障集合的最优期望函数，κ 表示全部数据特征之和。据公式（1）求出任意两个故障类别特征之间的协方差矩阵，并确定相关的阈值参数即可对源节点进行滤波操作。卡尔曼滤波算法具有良好的迭代性能和收敛性能，可减少特征融合过程中异常值的扩散与传播。……