[发明专利]一种变压器DGA在线监测数据异常模式判定方法

权利要求书

1.一种变压器DGA在线监测数据异常模式判定方法，其特征在于步骤如下：

S1、DGA在线监测数据的导入与滑动窗口算法的基本参数设置：导入DGA在线监测数据，设置滑动窗口的长度为L，设置滑动步长为l；

S2、以一定的步长滑动窗口遍历在线数据集：拖动滑动窗口于整体在线监测数据集上以滑动步长 l滑动，直至遍历所有数据；令在线监测数据集长度为，遍历之后得到个数据窗口，当为小数时，向下取整，保留构成完整窗口的数据进行分析；导出所有窗口中的数据，构成待分析数据集DS_i，；

S3、序列数据的分段线性化：以待分析数据集DS_i中某窗口内数据为例进行分析，使用基于最小二乘的滑动数据分段线性化算法，将在线监测数据中不定量的点组合在一起，形成多组数据点集，对同一组的数据点集使用最小二乘法拟合，得到一条包含组内所有点的线段；

S4、数据点集属性表征：使用拟合所得线段的斜率、包含数据的实际增长率以及该线段的跨度，构成线段属性三元组，所有拟合出的线段构成线段集；

S5、构建描述不同线段相似度的模型：基于线段属性三元组中的元素，构建描述的线段相似度的模型，并使用K-means算法对线段集进行聚类分析；

S6、线段集的符号化表示：为每个类型的线段集，分配一个符号，对不同类的线段集赋予不同的符号；集合中的所有线段统一用相应的符号表示；

S7、对所需分析的序列之间进行归总：不同序列线性化的结果各有不同，每两两线段之间进行分析前，先归总不同序列符号化后集合中元素数目，保证所有序列的元素数量相同；

S8、挖掘不同序列之间的关联性：基于Apriori算法的思想，设置最小置信度与支持度，挖掘不同序列之间存在的频繁项集，量化不同序列之间的关联性；

S9、判定DGA在线数据中不同异常模式的数据：根据序列之间的关联性强弱，判定提取的窗口内数据存在的异常数值类型，分离出不同异常模式的数据。

2.根据权利要求1所述的一种变压器DGA在线监测数据异常模式判定方法，其特征是：步骤S3具体步骤是：

S3.1对于形如DGA的设备指标在线监测数据，等效为时间序列数据；

S3.2对时间序列，以长度为L，L＜k的滑动窗口截取数据点，指的是分析整体DGA在线数据中含有数据点的个数，对截取窗口内的数据，基于滑动窗口的思想，对其中含有的数据点进行分段线性拟合；

S3.3以窗口内的首个数据点为初始线段的拟合起点，令该点为，假设初始线段的拟合终点为，将这个数据点拟合为一条线段；

S3.4那么对于这样一条线段，其可以用如下所示的式子表达：

(1)

(2)

上式（1）和（2）中表示时间序列中时刻的采样数值，表示拟合线段中含有的数值点数量，表示拟合线段方程的因变量；

令为指标序列数值点至拟合线段的距离，统计式（1）所表达的线段区间中所有的数据点至线段的距离之和作为该条线段的拟合误差：

　(3)

　　　　　(4)

设置拟合误差阈值为，如果，则说明该线段仍然可以继续增加拟合点，令，并重复上述步骤S3.4；如果有，则认为线段拟合至该点为止；如果有，则判定该线段无法拟合，保存当前线段的拟合终点为，记录其数据采样时刻，之后回到步骤S3.3，重置参数，并以当前拟合终点作为下一线段的拟合起点进行下一部分的数据拟合，直至该序列中所有的数据点都拟合完毕。

3.根据权利要求2所述的一种变压器DGA在线监测数据异常模式判定方法，其特征是：步骤S4中提出的线段属性三元组表示方法为：假设拟合的线段的斜率为，线段中拟合数值点个数为，那么该线段拟合数据的实际增长率可以表示为：，表示该线段拟合的起点，以三个元素构成线段的三元组，以该三元组表示拟合出的一条线段。