[发明专利]一种变压器DGA在线监测数据异常模式判定方法

说明书

本发明涉及一种变压器DGA在线监测数据异常模式判定方法，导入DGA在线监测数据，设置滑动窗口的长度和滑动步长，以一定的步长滑动窗口遍历在线数据集，对截取的每个数据窗口，使用基于最小二乘的滑动数据分段线性化算法拟合，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表征拟合出的这条线段，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；线段集的符号化表示，归总不同序列符号化后集合中元素数目；基于Apriori算法的思想，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，根据序列之间的关联性强弱，对判定数据中存在的异常数值类型，分离出不同异常模式的数据。

技术领域

本发明涉及一种变压器DGA在线监测数据异常模式判定方法，属于电力设备数据处理技术领域。

背景技术

电力变压器是电能转换与传输的枢纽设备，其安全稳定的运行是对用户供电质量的重要保障。变压器的铁芯接地电流监测数据是对变压器进行状态评估的重要依据。一段时间的监测数据，包含其整体变化趋势、变化中的极值点及跃变点以及数据统计特征，可以从多方面反映电力变压器的内部可能存在的异常情况。

由于设备所处运行环境以及变压器本身存在的一些电磁干扰作用，在线监测装置在数据的采集传输过程中容易出现随机分布的异常数值点，严重时甚至出现数据漂移，传输中断的情况。对数据漂移、数据中断等明显数据异常现象，后台系统可以很快的进行辨别，并针对问题进行报警；但对于那些随机分布于正常在线数据中的异常数值点，对设备状态指标的实时表征起到严重的干扰作用，也对基于指标的状态评价工作产生影响，容易造成设备异常状态的误报、错报等情况，导致设备的运行检修资源的浪费。

经过电力设备的长期运行，已有较大规模的指标数据存储于电力数据库中，其中必然包含不同异常模式的指标数据，通过对已有的指标数据进行关联分析，挖掘出其中存在的关联关系，基于该关联关系分析数据中不同异常模式的数据，有利完善电力设备的综合状态评价体系，提早发现设备装置的异常状态，提高设备检修效率，降低设备的运维成本。

变压器的DGA指标在线数据是对设备绝缘性能的实时监测，基于油色谱数据的分析，可以快速得出变压器所处的实时状态；同时DGA数据中指标维度较多，通过对其中指标的关联关系挖掘，有助于甄别在线数据中不同异常模式的数据，可以增强设备综合状态评价结果的可信度。

变电设备的在线数据通常需要经过采集、转化、传输，最后才能存储在系统数据库中，该数据是对设备状态的实时监控与展示。然而由于人为操作失误、运行环境恶劣、强电磁干扰等因素的影响，系统收集的在线数据中通常存在较多的问题，在线数据对设备状态的表征的可信度受到了较大的影响。

发明内容

本发明所解决的技术问题在于提供一种变压器DGA在线监测数据异常模式判定方法，以解决上述技术背景的问题。

本发明通过以下技术方案来实现，一种变压器DGA在线监测数据异常模式判定方法，具体步骤如下：

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，，数据处理将以数据窗口作为分析的基本单位；