【技术实现步骤摘要】
基于多维高斯分布与趋势分段的变压器异常检测方法
本专利技术涉及一种基于多维高斯分布与趋势分段的变压器异常检测方法,应用于变压器油中气体在线监测数据上,用于分析判断监测数据的异常与否,从而确定设备是否进入危急告警状态。
技术介绍
电力设备在线监测系统(OMDS),可以及时掌握变电站内高压设备内部绝缘的真实状况,尽早发现故障隐患,供上级决策是否进行检修及其它处理,以防止发生事故损坏,对于提高电力系统的可靠性具有非常重要的作用。现有的OMDS主要通过设置气体含量注意值和产气速率注意值来检测异常(电力行业标准(DL/T722-2014)),注意值是指特征气体的含量或增量需引起关注的值。当超过注意值时,设备将进入危急告警状态,启动后续检测流程,结合设备的运行状况、结构特点、外部环境等因素进行综合判断,来确定设备是否存在故障及故障的严重程度。现有通过设置注意值、告警值检测异常的方式存在以下缺陷:1、危急告警注意值和产气速率注意值的确定对异常的第一时间发现起到了关键性的作用,设置过低,系统频繁告警,误报率增高,设置过高,当设备真正发生故障时系统却无法识别。然而,故障的界定无法用一个具体统一的值来决定(不同的设备,不同的环境)这导致了现有的OMDS的误报率和漏报率都很高,进而影响到整个在线监测系统的准确性和实用性。2、现有OMDS存在监测数据不准确的问题,频繁出现数据失真,而通过注意值的异常检测方法,是一刀切的做法,无法结合不同设备的个体差异,有针对的做出异常判断。3、采取阈值判断的方式忽略了对设备的历史趋势的分析,变压器油中气体值的走势对异常的检测甚至故障的判断有着极大 ...
【技术保护点】
1.一种基于多维高斯分布与趋势分段的变压器异常检测方法,其特征在于,包括如下步骤:步骤S1、数据的筛选与清理:对获取到的变压器在线监测数据的历史数据进行筛选和清理,处理无效数据;步骤S2、数据预处理:设置滑动窗口,窗口宽度为w,将每个点与该点之前滑动窗口内所有数据的指数加权移动平均进行比较,得出偏差数据集;获取变压器投入运行或滤油以来的油中检测气体观测历史数据D={(ti,yi),i=1,2,…N},其中ti是以t0为基准的相对时间,时间窗口宽度为w,那么观测值yi之前滑动窗口内的数据点表示为:Sw(yi)={yi‑w,yi‑w+1,...,yi‑1},i=w,w+1....N对于时间窗Sw(yi)的指数加权移动平均值vi的计算公式如下:νi=βyi‑1+(1‑β)×νi‑1 (1)把vi‑w‑1初始化为0后,展开该公式变为:vi=(1‑β)(yi‑1+βyi‑2+...βw‑1yi‑w) (2)其中,β代表加权下降 ...
【技术特征摘要】
1.一种基于多维高斯分布与趋势分段的变压器异常检测方法,其特征在于,包括如下步骤:步骤S1、数据的筛选与清理:对获取到的变压器在线监测数据的历史数据进行筛选和清理,处理无效数据;步骤S2、数据预处理:设置滑动窗口,窗口宽度为w,将每个点与该点之前滑动窗口内所有数据的指数加权移动平均进行比较,得出偏差数据集;获取变压器投入运行或滤油以来的油中检测气体观测历史数据D={(ti,yi),i=1,2,…N},其中ti是以t0为基准的相对时间,时间窗口宽度为w,那么观测值yi之前滑动窗口内的数据点表示为:Sw(yi)={yi-w,yi-w+1,...,yi-1},i=w,w+1....N对于时间窗Sw(yi)的指数加权移动平均值vi的计算公式如下:νi=βyi-1+(1-β)×νi-1(1)把vi-w-1初始化为0后,展开该公式变为:vi=(1-β)(yi-1+βyi-2+...βw-1yi-w)(2)其中,β代表加权下降的速率,其值越小下降速度越快;在数学运算中,取作为临界值,小于该值的加权系数的值不做考虑,由于所以时间窗的宽度w的取值为:另由于vi-w-1初始化为0会导致初期的数值过小,所以对公式(1)进行修正:把当前观测值减去yi减去νi,便得出我们要分析的偏差值,公式如下:Δyi=yi-νi(4)根据公式(4)获取到第w个数据之后所有数据的偏差值数据集D'={(tw,Δyw),(tw+1,Δyw+1),(tw+2,Δyw+2)),…(tN,ΔyN)},该偏差值数据集服从高斯分布;步骤S3、基于多维高斯分布的异常检测:正常运行状态下的变压器,因绝缘油和固体绝缘的老化裂解等会分解出极少量气体,这些气体会相互转换,因此各气体的浓度值之间的关系并不独立,而经步骤S2处理后,各气体的加权移动偏差值数据集D'均服从高斯分布,对此采用多维高斯分布来检测变压器在线监测数据异常;具体实现如下:假设训练集为:x∈Rm,其中,w为滑动窗口宽度,共有N-w+1次历史观测数据偏差值,而每一笔数据包含m种不同气体观测偏差值,那么各气体的偏差值的关系可通过协方差矩阵来描述,对期望向量的估计如下:其中,μ∈Rm,∑∈Rm×m,Σ为协方差矩阵;通过以上公式可计算出多维高斯模型的参数;对于新观测到的一气体样本值y*,减去它所在时间窗内移动指数加权平均后得到Δy*,这样m种同时观测到的气体偏差值组合生成检测数据x*,使用以上训练得到的多维高斯分布模型计算概率值,具体公式如下:将计算出来的概率与阈值ε进行比较,若该概率值小于ε,则认为这个新观测到的样本值异常。2.根据权利要求1所述的基于多维高斯分布与趋势分段的变压器异常检测方法,其特征在于,还包括一步骤S4,具体实现如下:步骤S41、对步骤S3中观测到的异常样本值,进行去除,并采用其前...
【专利技术属性】
技术研发人员:何尧,梁宏池,连鸿松,张少涵,邹复民,张顺淼,叶娟,郑作霖,陈太,娄坚鑫,苏鑫,郑泽志,施宗兴,
申请(专利权)人:福建工程学院,
类型:发明
国别省市:福建,35
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。