[发明专利]一种基于聚类特征树的变压器无监督运行状态识别方法

说明书

本发明公开了一种基于聚类特征树的变压器无监督运行状态识别方法，用于表征变压器的实时运行状态。该方法是根据变压器在线监测数据进行聚类特征树建模，发掘变压器稳定运行时的状态模式和特征；然后对当前时刻在线监测数据进行分析计算；最后匹配状态模式和特征并给出运行状态的识别结果。该方法可以辅助电网短期运行和在线调度决策，进一步提升电力企业设备精益管理的水平，为检修运维方式提供数据支撑。

技术领域

本发明涉及电力设备状态监测与故障诊断技术领域，特别涉及一种基于聚类特征树的变压器无监督运行状态识别方法。

背景技术

变压器作为电力系统中重要的电气设备之一，它一旦发生事故，所需的修复时间较长，造成的影响也比较严重。随着我国电力工业的徐速发展，电网规模不断扩大，电力变压器的单机容量和安装容量随之不断增加，电压等级也在不断地提高。一般而言，容量越大，电压等级越高，变压器故障造成的损失也就越大。变压器是电力系统的核心元件，其运行状态时评估整个系统可靠性的重要指标，为保障其平稳运行，有必要对变压器的实时运行状态进行有效识别。

发明内容

有鉴于此，本发明的第一方面的目的是提供一种基于聚类特征树的变压器无监督运行状态识别方法。

本发明的第一方面的目的是通过以下技术方案实现的：

一种基于聚类特征树的变压器无监督运行状态识别方法，其特征在于：所述方法包括：

根据变压器在线监测数据进行聚类特征树建模，发掘变压器稳定运行时的状态模式和特征；

对当前时刻在线监测数据进行分析计算；

匹配状态模式和特征并给出运行状态的识别结果。

特别地，所述聚类特征数建模包括以下步骤：

步骤S21：根据变压器稳定运行时的历史在线监测数据进行Birch层次聚类，构建聚类特征树，选择最能表征变压器运行状态的在线监测油中溶解气体来构建训练集；

步骤S22：从训练集依次读入样本，从根节点依次往下到内部节点再到叶节点进行访问，将样本点不断放入节点中的元组，设置元组半径r，每新读入一个样本，计算该样本与各个节点中各元组集合的豪斯多夫距离d_H，如d_Hr，则加入该元组，否则设置新元组放置该样本，不断重复上述过程，直到所有样本都被放置在聚类特征树节点中的元组，每个节点就是一个聚类的簇，记录每个簇的中心向量.

特别地，所述豪斯多夫距离计算公式如下：

d_H(A,B)＝max(d_h(A,B),d_h(B,A))；

其中，A和B表示两个集合，a和b分别是两个集合中的样本点。

特别地，根据Birch聚类特征树的聚类结果标记变压器稳定状态模式，标记步骤如下：

剔除聚类结果中离群样本组成的簇；聚类结果中由稀疏数据组成的节点簇的状态模式不足以代表整体样本的模式特征，将这些稀疏数据簇作为离群样本剔除，只考虑稠密数据的簇，其中，稀疏数据指节点中所有元组样本总数量少于所有簇的平均样本量；

根据剔除离群样本后的簇中的样本范围来标记稳定模式域。

特别地，剔除后剩余n个簇C1、C2、……，Cn，分别计算n个簇样本集合之间的平均距离d_avg，如C1计与C2之间的平均距离d_avg(C1,C2)的计算公式如下：