[发明专利]基于DBSCAN算法的变压器不良漏抗参数辨识方法

权利要求书

1.一种基于DBSCAN算法的变压器不良漏抗参数辨识方法，其特征在于，包括如下步骤：

步骤1)：选取待辨识数据集；

步骤2)：对待辨识数据集进行归一化处理，形成相关系数矩阵；

步骤3)：设定相关聚类参数，对待辨识数据集进行DBSCAN算法聚类，形成各聚类簇及其噪声簇；

步骤4)：计算各聚类簇的典型特征向量，形成典型特征向量库；

步骤5)：将噪声向量进行不同可疑度的划分与判别，并标记相应的等级；

步骤6)：输出不同可疑度的噪声向量，供相关人员进行相应的处理；

步骤7)：结束。

2.根据权利要求1所述基于DBSCAN算法的变压器不良漏抗参数辨识方法，其特征在于，所述步骤1)-2)，变压器特征变量的选取和数据归一化，具体为：在PSD-BPA的变压器数据卡中，详细记录了变压器参数，包括：各侧电压等级、母线名、额定容量、并联变数目、铜损等效电阻、漏抗、铁损等效电导、激磁导纳和分接头电压；在常规电力规划潮流计算中选取其低、中、高，所涉及三绕组变压器中各侧电压等级、额定容量、分接头电压和漏抗的参数数据，各侧的漏抗X_3,i，X_2,i，X_1,i，额定容量S_3,i，S_2,i，S_1，1,，分接头电压U_3,i，U_2,i，U_1,i；；这些参数表征了变压器特征t_i，记为t_i＝(X_3,i，X_2,i，X_1,i，S_N3,i，S_N2,i，S_N1,i，)；其中，i为参数的个数，i＝1,2,…N；下标数字表示第几绕组；对有N个样本数据的变压器参数矩阵为：

其中，N为正整数；

由于漏抗、额定容量和分接头电压在数值上相差很大，且量纲不同，因此需对数据进行归一化；

常用的、适用的数据归一化方法有很多，选取标准差归一化，其函数形式为：

式中：T_k为归一化前的T的第k列，代表第k个参数属性；T_k^*为T_k归一化后数据；μ_k为T_k的均值；σ_k为T_k的标准差。

3.根据权利要求1所述基于DBSCAN算法的变压器不良漏抗参数辨识方法，其特征在于，所述步骤3)设定相关聚类参数，采用基于特征相似度的DBSCAN聚类进行数据归一化之后，对相关特征向量进行聚类分析，从而区分出合理数与可疑数据；传统DBSCAN算法采用欧氏距离作为衡量数据点之间相似度的标准，采用某个数据点Eps邻域内的点的个数来表示密度；这种密度的计算方法对Eps值非常敏感，Eps的细微改变就会对密度值产生显著影响，从而对聚类结果产生影响；通过对实际电网规划中的变压器样本数据观察发现，传统DBSCAN算法在变压器不良参数聚类中也存在类似问题，即难以对变压器不良参数进行有效地区分；由于结构、制造和安装方面的差异，不同类型的变压器参数间存在明显的不同；而相同类型变压器的参数则具有某种程度的相似性；而衡量特征参数相似性的方法很多，这里选取衡量特征参数相似性之一的相关系数作为衡量特征参数数据相似性的指标，即采用相关系数代替欧氏距离作为衡量指标，采用特征相似度作为衡量指标后发现，由于相关系数被限定在-1与1之间，聚类密度对Eps的敏感性大大降低，因而相较于传统方法，Eps很容易被定位在某个范围之内；Eps根据数据集本身特性，通过若干次反复测试确定，从而找出聚类效果最佳的Eps值。

4.根据权利要求1所述基于DBSCAN算法的变压器不良漏抗参数辨识方法，其特征在于，所述步骤4)计算各聚类簇的典型特征向量，经过DBSCAN算法聚类之后，变压器参数数据会被分成若干聚类簇和数据集中存在噪声向量；在每一聚类簇中各提取出一个最能代表这个聚类簇的典型特征向量。