[发明专利]一种基于离群检测对MOV实际状态监测评估的方法

权利要求书

1.一种基于离群检测对MOV实际状态监测评估的方法，其特征在于，包括以下步骤：

(1)对MOV运行动作时刻的各项实际参数进行不同时间点的数次采样，形成原始数据集；

(2)对原始数据集进行主成分分析来降低采集到的特征维度，用以提升结果精度，并实现在二维或者三维层面的可视化；

(3)根据局部异常因子计算经过PCA后的数据集中数据点之间相邻两点的距离、第k距离、第k距离邻域、可达距离和局部可达密度；

(4)利用以上计算所得参数，计算局部离群因子，得到MOV任意一次采样数据的离群性检测评估结果。

2.根据权利要求1所述的一种基于离群检测对MOV实际状态监测评估的方法，其特征在于，所述步骤(1)包括以下步骤：

(11)确定待测电气系统内的MOV作为离群检测的目标；

(12)考虑影响MOV物理特性及实际运行状态的特征参数，包括物理参数和环境影响参数，通过检测仪器，记录采集原始特征数据，包括压敏电压、泄漏电流、Cp(50Hz)、Cp(10kHz)、Ls(10kHz)、Rs(10kHz)、环境温度、湿度等特征因素；

(13)将以上特征数据整理排查，构成原始数据集。

3.根据权利要求1所述的一种基于离群检测对MOV实际状态监测评估的方法，其特征在于，所述步骤(2)包括以下步骤：

(21)对原始数据进行标准化处理：

假设有P个样本{X¹,X²,...,X^M}，每个样本N维特征每一个特征x_j都有各自的特征值，构造数据矩阵，对其进行如下标准化转换：

其中，得到标准化矩阵Z；

(22)对标准化后的数据集计算协方差矩阵R：

其中，

(23)计算数据集对应协方差矩阵R的特征方程|R-λI_p|＝0，得到p个特征根，确定主成分；

(24)将标准化后的指标变量转换为主成分

其中，U₁为第一主成分，U₂为第二主成分,...,U_p为第p主成分；

(25)将原始标准化后的数据集根据主成分加权求和，得到新降维优化后的数据集。

4.根据权利要求1所述的一种基于离群检测对MOV实际状态监测评估的方法，其特征在于，所述步骤(3)包括以下步骤：

(31)计算相邻两数据点之间的直线距离d(p,o)

(32)计算数据点p的第k距离：点p的第k距离为d_k(p)＝d(p,o)，并且满足：在集合中至少有不包括p在内的k个点o′∈C{x≠p}，满足d(p,o′)≤d(p,o)；在集合中最多有不包括p在内的k-1个点o′∈C{x≠p},满足d(p,o′)＜d(p,o)；

(33)计算数据点p的第k距离邻域：点p的第k距离邻域N_k(p)，为p的第k距离即以内的所有数据点，包括第k距离；p的第k距离邻域点的个数为|N_k(p)|≥k；

(34)点o到点p的第k可达距离定义为：

reach-distance_k(p,o)＝max{k-distance(o),d(p,o)}

为点o到点p的第k可达距离，或为o的第k距离、o,p之间的真实距离；

(35)点p的局部可达密度表示为：

表示为点p的第k距离邻域内点到p的平均可达距离的倒数。

5.根据权利要求1所述的一种基于离群检测对MOV实际状态监测评估的方法，其特征在于，步骤(4)所述局部离群因子表示为：

其中，该值表示点p的邻域点N_k(p)的局部可达密度与点p的局部可达密度之比的均值；如果比值越接近1，说明p的其邻域点密度相似，p和邻域同属一簇；如果比值越小于1，说明p的密度高于其邻域点密度，p为密集点；如果比值越大于1，说明p的密度小于其邻域点密度，p越可能是离群点。