[发明专利]变压器异常数据检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种变压器异常数据检测方法、装置、计算机设备和存储介质，该变压器异常数据检测方法包括：获取变压器的状态数据；对状态数据进行筛选和特征提取，得到特征数据集；对特征数据集进行聚类分析，得到聚类结果；基于聚类结果，进行异常数据判断，得到变压器异常数据检测结果并输出。上述变压器异常数据检测方法，先对变压器的状态数据进行筛选和特征提取，得到特征数据集，相当于对状态数据进行了降维处理，可以减少后续处理过程的数据量，有利于提高工作效率。

技术领域

本申请涉及电力系统异常检测技术领域，特别是涉及一种变压器异常数据检测方法、装置、计算机设备和存储介质。

背景技术

智能变电站作为智能电网的物理基础，同时作为高级调度中心的信息采集和命令执行单元，是智能电网的重要组成部分。智能变电站以变电站一、二次设备为数字化对象，以高速网络通信平台为基础，通过对数字化信息进行标准化，实现站内外信息共享和互操作，并以网络数据为基础，实现测量监视、控制保护、信息管理等自动化功能。作为智能变电站的重要组成部分，变压器的状态数据的质量会直接影响智能变电站状态评估和决策的准确性，因此有必要进行变压器异常数据检测。

传统的变压器异常数据检测方法，通过采集变压器运行状态数据，并基于预设阈值范围，对各状态数据与对应阈值范围分别进行对比，当状态数据不在对应阈值范围内，则判断为异常数据。也即，需要对所有状态数据一一进行对比分析，再根据对比结果进行异常判断。由于变压器运行状态数据的数据量大，因此，传统的变压器异常数据检测方法，具有工作效率低的缺点。

发明内容

基于此，有必要针对上述技术问题，提供一种工作效率高的变压器异常数据检测方法、装置、计算机设备和存储介质。

一种变压器异常数据检测方法，包括：

获取变压器的状态数据；

对所述状态数据进行筛选和特征提取，得到特征数据集；

对所述特征数据集进行聚类分析，得到聚类结果；

基于聚类结果，进行异常数据判断，得到变压器异常数据检测结果并输出。

在其中一个实施例中，所述对所述状态数据进行筛选和特征提取，得到特征数据集，包括：

运用互信息算法对所述状态数据进行筛选，得到数据矩阵；

基于主成分分析算法对所述数据矩阵进行特征提取，得到特征数据集。

在其中一个实施例中，所述基于主成分分析算法对所述数据矩阵进行特征提取，得到特征数据集，包括：

对所述数据矩阵进行标准化处理，并基于标准化处理结果得到样本协方差矩阵；

对所述协方差矩阵进行特征值分解，得到特征值；

计算各特征值的累积方差贡献率，并根据所述累积方差贡献率确定初始主成分，得到初始主成分矩阵；

计算所述数据矩阵中的原始特征与所述初始主成分矩阵的复相关系数，并根据所述复相关系数确定补充主成分；

根据所述初始主成分和所述补充主成分，得到特征数据集。

在其中一个实施例中，所述对所述特征数据集进行聚类分析，得到聚类结果，包括：

运用MapReduce并行化聚类算法对所述特征数据集进行聚类分析，得到聚类结果。

在其中一个实施例中，所述运用MapReduce并行化聚类算法对所述特征数据集进行聚类分析，得到聚类结果，包括：

对所述特征数据集进行物理分割，得到多个数据集；将所述数据集送入对应的Map函数节点上，进行键值对转化；