[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

说明书

本发明提供一种基于密度聚集算法的变压器油温异常监测方法，先采集变压器油温的数据，根据变压器冷却装置的工作特性清洗数据选择出特征参数，继而从参数中进行特征提取，提取参数特征，得到输入特征矩阵。调用基于动态时间归整距离的密度聚集对归一化后的特征矩阵进行聚类处理，利用密度聚集算法进行变压器油温数据的异常检测。

技术领域

本发明涉及电气技术检测领域，具体涉及一种基于密度聚集算法的变压器油温异常监测方法。

背景技术

变压器作为电力一次的关键设备，其相关技术复杂，其运行状况对电网的安全有较大的影响。变压器油温决定着变压器负载能力及其内部绝缘老化速度，进而影响着变压器的寿命。

传统变压器油温异常识别的方法主要有油浸式变压器顶层油温预测，基于油色谱的油浸式变压器诊断等方法，但准确性和时效性难以同时满足。

发明内容

本发明目的在于提供一种基于密度聚集算法的变压器油温异常监测方法，为变压器冷却装置工况异常分析提供了一种数据分析方法。

本发明通过下述技术方案实现：

一种基于密度聚集算法的变压器油温异常监测方法，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

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。

作为本发明的一种可选方式，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。

作为本发明的一种可选方式，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；

将有效特征参数进行合并处理，按时间序列生成特征矩阵。

作为本发明的一种可选方式，在上述步骤S2中，密度聚集所需的参数包括邻域与核心对象，其中

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；

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。

作为本发明的一种可选方式，在上述步骤S2中，确定密度聚集输入参数包括子步骤：

S21：将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一维距离数据集的比重；