[发明专利]一种基于密度聚集算法的变压器油温异常监测方法

权利要求书

1.一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，包括步骤：

S1：采集变压器的数据生成第一数据集，在第一数据集中根据变压器冷却装置的工作特性对数据进行清洗，生成第二数据集；在第二数据集中提取出所述变压器的特征参数，将特征参数按照时间序列生成特征矩阵；其中

所述特征参数包括：生产厂家、设备型号、环境温度与变压器负载率；

S2：对特征矩阵进行归一化处理，给定密度聚集所需的参数进行密度聚集输入；

S3：调用密度聚集对归一化处理后的特征矩阵进行聚类处理，输出聚类结果；

S4：根据上述步骤S3的结果，对噪声样本进行标记并剔除，输出油温数据。

2.根据权利要求1所述的一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，在上述步骤S1中，生成特征矩阵包括如下步骤：

确定时间维度方向，基于该时间维度方向对变压器连续采集N次，获得N个第一数据集，并对每一个第一数据集的数据进行清洗生成N个第二数据集，对每一个第二数据集进行特征参数的提取，并将提取的特征参数进行预处理，生成特征矩阵；其中，N为正整数。

3.根据权利要求2所述的一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，将提取的特征参数进行预处理包括如下步骤：

标定特征参考集，以该特征参考集及其在时间维度方向上相邻的特征参数进行递归循环；

遍历所有特征参数，提取所有差异度信息，并筛选满足预设差异度要求的有效特征参数；

将所述有效特征参数进行合并处理，按时间序列生成特征矩阵。

4.根据权利要求1所述的一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，在上述步骤S2中，所述密度聚集所需的参数包括邻域与核心对象，其中

所述邻域包括包含归一化后的特征矩阵内的元素构成的变压器油温样本集中与特征矩阵中任一元素x_j的距离不大于所选用度量距离的阈值的样本；

所述核心对象的判定方式为：若x_j邻域内至少包括MinPts个样本，则x_j为一个核心对象。

5.根据权利要求4所述的一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，在上述步骤S2中，确定所述密度聚集输入参数包括子步骤：

S21：将所述变压器的特征参数包括生产厂家、设备型号、环境温度与变压器负载率打包生成原始数据集；

S22：计算原始数据集中所有点之间的欧氏距离，生成一维距离数据集；并对所述一维距离数据集进行聚类，在聚类的结果中标记类簇，计算聚类后的结果在所述一维距离数据集的比重；

S23：计算所述样本集在聚类后的类上的加权平均值，以所述加权平均值作为密度聚集邻域的取值Eps；

S24：计算所述标记类簇在Eps邻域内的点数，输出输入参数MinPts的值。

6.根据权利要求5所述的一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，在上述步骤S22中，采用K-Means算法进行聚类，输出最佳的K个一维距离类，以第i个类簇作为所述标记类簇，分别计算每个标记类簇中的距离数据，并记录所述距离数据的均值，并计算每个所述距离数据的均值在所述一维距离数据集中的比重。

7.根据权利要求6所述的一种基于密度聚集算法的变压器油温异常监测方法，其特征在于，在上述步骤S24中，计算所述标记类簇在Eps邻域内的点数后，以其中最小的点数设为所述标记类簇核心样本MinPts的值；在所有标记类簇的核心样本MinPts中选取数值最大的MinPts作为输入参数核心样本MinPts的值。