【技术实现步骤摘要】
一种基于概率密度聚类的变压器实时故障概率计算方法
本专利技术涉及电力设备故障监测
，特别涉及一种基于概率密度聚类的变压器实时故障概率计算方法。
技术介绍
变压器的运行状态直接影响电网安全，为保证变压器平稳运行和电网的运行效率，必须实时监测变压器运行状态并估计其发生故障的概率，及时发现问题，降低电网运行风险。
技术实现思路
有鉴于此，本专利技术的第一方面的目的是提供一种基于概率密度聚类的变压器实时故障概率计算方法。本专利技术的第一方面的目的是通过以下技术方案实现的：本专利技术的一种基于概率密度聚类的变压器实时故障概率计算方法，包括根据变压器在线监测数据、台账信息和在线调度数据提取和构建影响变压器运行状态的主要特征；对提取和构建的主要特征进行状态聚类，根据聚类结果和权重设定综合定性分析变压器运行状态；将正常与异常状态的数据聚类中心作为标签，通过相关性定量分析计算出当前状态下变压器的故障概率。特别地，所述主要特征至少包括H2、C2H2、总烃、微水含量、总可燃...
【技术保护点】
1.一种基于概率密度聚类的变压器实时故障概率计算方法，其特征在于：所述方法包括/n根据变压器在线监测数据、台账信息和在线调度数据提取和构建影响变压器运行状态的主要特征；/n对提取和构建的主要特征进行状态聚类，根据聚类结果和权重设定综合定性分析变压器运行状态；/n将正常与异常状态的数据聚类中心作为标签，通过相关性定量分析计算出当前状态下变压器的故障概率。/n
【技术特征摘要】
1.一种基于概率密度聚类的变压器实时故障概率计算方法，其特征在于：所述方法包括
根据变压器在线监测数据、台账信息和在线调度数据提取和构建影响变压器运行状态的主要特征；
对提取和构建的主要特征进行状态聚类，根据聚类结果和权重设定综合定性分析变压器运行状态；
将正常与异常状态的数据聚类中心作为标签，通过相关性定量分析计算出当前状态下变压器的故障概率。
2.根据权利要求1所述的一种基于概率密度聚类的变压器实时故障概率计算方法，其特征在于：所述主要特征至少包括H2、C2H2、总烃、微水含量、总可燃气体浓度、总溶解可燃气体这六个时间序列特征。
3.根据权利要求1或2所述的一种基于概率密度聚类的变压器实时故障概率计算方法，其特征在于：分析变压器运行状态的具体分析步骤如下：
步骤S21:构造训练集,依次对主要特征中的时间序列特征进行数据重构，每一个时间序列特征的在线监测样本集为D＝{x1,x2,…,xn,xn+1,…,xn+t}，以t为滑动窗口截取数据并转置后得到训练集D_train：
其中，n表示构造出的训练样本个数；t表示滑动窗口大小，一般设置为在线监测数据取样频率的倍数，如一天记录6个点，则设置t＝12或18，t也表示构造出的训练集单个样本的长度；
步骤S22:对概率密度状态聚类；
步骤S23：综合特征状态判别，根据聚类结果综合判别设备当前的状态。
4.根据权利要求1或2或3所述的一种基于概率密度聚类的变压器实时故障概率计算方法，其特征在于：步骤S22中，通过Mean-Shift密度均值偏移算法对在线监测的至少六个时间序列特征分别进行状态聚类的步骤如下：
步骤S221:在训练集空间中随机选取一个初始样本点c，以c为圆心，r为半径做圆，则圆内k个样本点x的集合Sk为：
Sk(c)＝{x:(x-c)T(x-c)＜r2}；
其中，k表示n个训练样本中有k个落入Sk区域中，k≤n；
步骤S222：以c为起点，圆内所有的点为终点，构造k个向量并相加得到迁移向量Mr：
其中，xi表示Sk集合中的第i个样本点；
步骤S223：以迁移向量Mr的终点为圆心，r为半径继续画圆，重复步骤S221和S222，直到圆心不再移动，此时，圆心位于训练集概率密度最大的位置，这个迭代过程中访问的样本都被标记为同一个类；
步骤S224：在未被标记的训练集空间中继续随机选取一个样本点作为新的圆心c，重复上述所有步骤，直到训练集中所有的样本都被标记；
步骤S225：获取聚类结果：统计每一类对每个样本的访问次数，以此来划...
【专利技术属性】
技术研发人员：魏星，陈奂，桂昌乾，许朝萍，覃义荣，杨昌友，杨皓，刘君，孙承祥，石鹏昌，张显文，张宇红，詹乐贵，廖文彪，王龙，郑文，颜世强，邓华，张旭，沈正康，杨小军，李姜娴，王志甫，赵胜，谢菲，杨锴，刘佳，杨昌碑，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州;52
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。