明涛， 张龙军， 王巧莉

(国网新疆电力公司，新疆 乌鲁木齐 830017)

0 引 言

在信息化建设和大数据利用快速发展的当下，依托合理的评估模型对大型油浸式变压器的健康态势做出科学评判，以此给予变电运检以有效的辅助决策，这是可行的，也是必须的[1]。

因此，本文确立以下研究方案：第一步，以点密度判据为准则，对经由在线(或离线)监测装置获取到的DGA数据进行预处理，目的是滤除由噪声导致的不良数据点并基于合理性原则作补全；第二步，根据大数据聚类要义，将经由上一步操作后的数据序列与表征历史故障的相关数据簇做相对邻近度测算，以此为据来辨识设备在当下时段所处状态类型(健康/潜伏故障/故障)，以及故障类型(健康态除外)；第三步，经由时间序列分析对潜伏故障向显在故障转化所需的时间进行预测，同时对健康态设备做健康分值计算。

1 数据预处理

以Tc作为计算周期的设定，以Ts表征数据采样周期，则数据预处理的窗口幅值n可由式(1)表示。

(1)

一个窗口内异常点数据(特指由采样噪声所致)的甄别：一般情况下，正常数据点数量总会显著大于异常数据点数量[2-3]，即具有较高密度的数据区域比起分散、零星的数据点来说，总是大概率趋于正常。因此，可经由“数据点密度计算”来辨识某数据点的离群程度，进而达成异常点检测之目的。数据点密度：数据点与周围点的邻近度[4-5]。邻近度定义如式(2)所示。

(2)

式中：N(x,k)为以数据点x为核心，包含与其最为接近的k个邻点的集合；……