APP下载

基于滑动窗口和聚类算法的变压器状态评价研究

2020-12-21朱建华梁栋李芳翟海文

科技风 2020年34期

朱建华 梁栋 李芳 翟海文

摘 要:为了提高变压器状态检测实时性和精准性,本文采用聚类算法,引入滑动窗口技术,设计了状态检测模型。该模型以异常多元数据点相邻时间段内出现异常数據点数量统计结果作为判断依据,判断设备运行是否发生异常。测试结果表明,本检测模型可以准确检测异常数据,有助于变压器运行状态监管工作的开展。

关键词:聚类算法;异常检测;滑动窗口

变压器作业状态在线评估作为提高输变电设备管理的参考依据,随着状态检测技术水平的提升逐渐得到完善[1]。目前,主要针对单一系统设备运行信息进行检测,根据设备运行参数标准设定阈值,观察采集到的信号是否超出此范围,从而判断变压器健康状态[2-3]。由于变压器运行状态数据信息量较大,加大了异常检测难度,目前尚未形成较为完善的状态检测评价模型。

一、变压器状态评价模型的构建

(一)滑动窗口在候选异常数据集创建中的应用

(5)按照以上步骤筛选数据,从大量数据中筛选出异常数据,标记并列入异常数据集,形成集合D。

(二)k-means聚类算法在异常数据检测中的应用

聚类分析指的是在不知情情况下划分类型,采用相似度作为量化标准,对变压器运行状态进行评估[5]。此评估过程是通过计算各个类之间的相似度,根据相似度排名情况,分析设备运行数据变化特点。本文选取k-means聚类算法作为数据变化分析工具,按照最小相似度原则展开数据分析,通过简化数据之间的关系,以减少数据分析工作量。……

登录APP查看全文