[发明专利]油浸式变压器在线监测数据与带电检测数据融合矫正的方法

摘要

本发明公开了一种油浸式变压器在线监测数据与带电检测数据融合矫正的方法，首先对在线监测数据和带电检测数据进行预处理得到时间间隔相同且时间点相互对应的两组特征气体含量‑时间序列；再根据在线监控特征气体含量‑时间序列与带电检测特征气体含量‑时间序列建立贝叶斯分层模型，并利用最大期望算法对贝叶斯分层模型进行估计，得到超参数及参数向量β＝[β^o,β^f]的分布情况，再将β乘以正交向量Z得到Zβ^f的均值并作为缺失数据的代替值，补入带电检测数据中得到融合矫正后的变压器运行数据。该变压器运行数据与带电检测数据的测度水平大致相同，并最大程度地保留了在线监测数据的变化趋势，做到了优势互补，打破了在线数据与带电数据各自的局限。

主权项

1.一种油浸式变压器在线监测数据与带电检测数据融合矫正的方法，其特征在于，包括如下步骤：（1）、通过远程在线监测设备获得油浸式变压器油内特征气体的含量，记为在线监测数据；通过人工取样获得油浸式变压器油内特征气体的含量，记为带电检测数据；分别对在线监测数据和带电检测数据进行预处理，得到时间点相互对应的两组特征气体含量‑时间序列；（2）、根据在线监控特征气体含量‑时间序列与带电检测特征气体含量‑时间序列建立贝叶斯分层模型，具体形式如下式（Ⅰ）所示：式中，为模型的因变量，设在线监测数据为具有完整观测值的随机向量，带电检测数据为具有大量缺失值的随机向量，随机向量服从均值为、方差为的正态分布，其中为傅里叶变换参数，用于刻画融合数据的波动性；参数向量，服从均值为，方差为的正态分布；参数向量服从均值为，方差为的GIW分布；，，，均为超参数；（3）利用最大期望算法对贝叶斯分层模型进行估计，得到超参数，从而计算得到参数向量的分布情况，再将乘以正交向量，得到的均值，并选择的均值作为缺失数据的代替值，补入带电检测数据中，从而得到在线监测数据与带电检测数据融合矫正后的变压器运行数据。