【技术实现步骤摘要】
面向电力可穿戴设备的多源数据融合方法
本专利技术涉及数据融合
，尤其涉及一种面向电力可穿戴设备的多源数据融合方法。
技术介绍
一般地，由于电力工作人员要在各种危险的电力区域进行作业，所以经常需要穿戴智能安全头盔和智能手套等电力可穿戴设备。常规的电力可穿戴设备都具备许多的传感器，为了实现精准感测，就需要对各传感器采集到的数据进行融合分析。随着大数据信息技术的飞速发展，信息融合技术在电力通信领域上广泛应用，多传感器数据融合MSDF(Multi-sensorDataFusion)技术日趋成熟，针对电力可穿戴设备的各控制系统而言，传感器状态监测与故障检测、诊断与补偿方法的可靠性等，均具有十分重要的理论研究意义和应用价值。目前已有研究提出了多种信息融合模型算法及方法，主要的算法是基于模型类识别、参数分析以及知识模型类识别的方法。数据融合算法是数据融合处理的基本内容。它是将多维输入数据根据数据融合的功能，在不同数据融合层次上采用不同的数学方法，对数据进行综合处理，最终实现数据融合。目前已有大量的数据融合算法，它们都有各自的优缺点，其中流行的数据融合算法有贝叶斯方法、证据...
【技术保护点】
1.一种面向电力可穿戴设备的多源数据融合方法，其特征在于，包括：S10：对电力可穿戴设备的多传感器系统采集到的数据信息进行提取分类，剔除无关的数据信息并获取需要进行数据融合的数据信息；S20：通过构建贝叶斯预测模型对需要进行数据融合的数据信息进行分析处理；S30：通过基于方差估计的加权融合算法对提取分类后的数据信息进行分析处理。
【技术特征摘要】
1.一种面向电力可穿戴设备的多源数据融合方法，其特征在于，包括：S10：对电力可穿戴设备的多传感器系统采集到的数据信息进行提取分类，剔除无关的数据信息并获取需要进行数据融合的数据信息；S20：通过构建贝叶斯预测模型对需要进行数据融合的数据信息进行分析处理；S30：通过基于方差估计的加权融合算法对提取分类后的数据信息进行分析处理。2.根据权利要求1所述的面向电力可穿戴设备的多源数据融合方法，其特征在于，所述S10包括：S101：将所述多传感器系统采集到的数据信息分为冗余信息、互补信息和协同信息；S102：剔除所述冗余信息和互补信息；S103：对所述协同信息执行步骤S20。3.根据权利要求1所述的面向电力可穿戴设备的多源数据融合方法，其特征在于，所述S20包括：S201：获取最优贝叶斯估算值，其包括：S2011：对多传感器系统采集到的数据信息建立n个待选贝叶斯预测模型，利用各个待选贝叶斯预测模型来推测传感器发生故障的概率；S2012：将n个所述待选贝叶斯预测模型对于传感器发生故障的预测结论进行加权平均，所得的权值即为所述最优贝叶斯估算值；S202：将所述最优贝叶斯估算值与预设值进行对比，当最优贝叶斯估算值大于预设值时，剔除该数据。4.根据权利要求1所述的面向电力可穿戴设备的多源数据融合方法，其特征在于，所述S30包括：S301：计算第t时刻多传感器信号的平均值S302：设定数据窗长度T，估算各传感器平均值偏差信号的方差；S303：根据所述平均值偏差信号的方差估算各传感器的最小方差；S304：根据各传感器的最小方差计算多传感器系统采集到的数据信息的加权融合值。5.一种面向电力可穿戴设备的多源数据融合装置，其特征在于，包括：分类提取模块，用于对电力可穿戴设备的多传感器系统采集...
【专利技术属性】
技术研发人员：刘贯科，郑风雷，夏云峰，曹彦朝，廖鹏，汪万伟，李元佳，梁万龙，王传旭，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司东莞供电局，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。