[发明专利]电能质量监测数据驱动的变压器状态异常检测方法

说明书

本发明的电能质量监测数据驱动的变压器状态异常检测方法，利用现有检测系统中的变压器电气量监测数据，采用聚类算法，将各电气量间的复杂相关关系简化，且能够很好地处理偏差明显的大数据，有效地实现了变压器状态异常的检测。

技术领域

本发明涉及电力检测技术领域，尤其涉及一种电能质量监测数据驱动的变压器状态异常检测方法。

背景技术

电力变压器作为电力系统的关键枢纽设备，其安全稳定运行是保障优质电力正常供应以及社会生活正常运作的必要基础。传统的计划检修方式费事费力，而电力变压器状态检修是一种以评估设备状态为基础、以预测状态发展趋势为依据的新型检修方式，这种检修方式能够在提高设备可靠性的同时，有效规避检修不足及检修过度等问题。要运用状态检修方式的关键是实现电力变压器的状态估计。除此之外，在运行过程中能提前识别变压器的异常状态，及时对变压器进行状态检修，能够在提高设备可靠性的同时，减少事故发生的可能性，有效规避检修不足及检修过度等问题。

电力变压器的状态评价方法主要有层次分析法、贝叶斯网络、支持向量机、人工神经网络等。随着状态监测技术的不断发展，利用在线监测参数进行变压器状态的识别得到了越来越广泛的应用。但是现有的变压器状态异常检测算法主要使用的是顶层油温、负荷、甲烷(CH4)体积分数、环境温度、乙炔(C2H2)体积分数等非电气量数据，未能利用现有监测系统中所积累的海量变压器电气量监测数据，难以直接将状态识别算法与谐波监测、调度等系统相关联，给变压器的状态检测带来了诸多不便。

发明内容

有鉴于此，有必要提供一种利用现有检测系统中的变压器电气量监测数据对变压器状态进行检测的电能质量监测数据驱动的变压器状态异常检测方法。

一种电能质量监测数据驱动的变压器状态异常检测方法包括以下步骤：

步骤S001，检测正常状态下的变压器的电气量数据，并积累正常状态下的变压器的电气量数据建立数据库，对电气量数据库中的电气量数据的特征属性进行标准化处理，得到电气量数据的特征属性值；

步骤S002，通过聚类算法，将标准化处理后的电气量数据的特征属性值分成若干聚类簇；

步骤S003，将各聚类簇内的中位数作为新的聚类中心，再次对特征属性值进行聚类，通过聚类目标函数对聚类簇进行评估，直至得到最优的聚类簇以及最优的聚类簇中心，最优的聚类簇作为正常数据聚类簇以及每个正常数据聚类簇中心；

步骤S004，计算各正常数据聚类簇内的特征属性值与正常数据聚类簇中心的距离，将特征属性值与正常数据聚类簇中心的最远距离确定为各聚类簇的距离阈值；

步骤S005，输入实时检测的电气量数据，并计算该电气量数据与各聚类簇中心的距离，并找出与该电气量数据最短距离的聚类簇中心，该聚类簇中心所在的聚类簇为该电气量数据所归属的聚类簇；

步骤S006，将实时检测的电气量数据与聚类簇中心的最短距离，与该电气量数据所归属的聚类簇的距离阈值进行比较，如果实时检测的电气量数据与电气量数据所归属的聚类簇之间的距离大于距离阈值，那么该电气量数据为异常数据，反之为正常数据。

优选的，在步骤S001中，“对所有的电气量数据的特征属性进行标准化处理”具体步骤为：

步骤S101，计算电气量数据的平均值：

式中：x为电气量数据，n为电气量数据的个数；

步骤S102，计算电气量数据的绝对偏差的平均值：

步骤S103，对所有的电气量数据的特征属性进行标准化处理，得到电气量数据的特征属性值：