[发明专利]一种基于历史数据聚类的电力设备动态阈值整定方法

权利要求书

1.一种基于历史数据聚类的电力设备动态阈值整定方法，其特征在于：在对变电站设备在线监测数据的处理应用时，以已经收集到的历史数据为依据，按照数值分布空间的范围初步划分电力设备运行的不同状态空间，基于电力设备相关运行规范定义的标准和历史数据分布范围，进行状态空间的原始边界的确定、阈值的选取；将监测数据按照数据出现的区域范围进行初步聚类，以历史数据确定的状态空间为依据将监测数据与状态空间范围按接近程度进行聚类区分匹配，形成设备运行的不同状态的监测数据的数值范围；在设备运行监测数据的持续补充并进行区分匹配中，按照数据出现的概率分布范围逐渐修正其边界，完成动态的电力设备运行状态阈值整定，形成设备运行状态的判断依据。

2.根据权利要求1所述的基于历史数据聚类的电力设备动态阈值整定方法，其特征在于具体步骤为：

(1)通过应用电力设备的相关历史数据，至少包含概论值、规程值、经验值、预试值的资料；按照电力设备运行规范的要求和已有的确定的电力设备运行状态值域，初步将设备运行的状态空间划分为不同的值域范围，即正常运行、异常可运行、预警、告警四种运行状态；

(2)通过电力设备的相关历史数据，至少包含概论值、规程值、经验值、预试值的资料；中同一监测量的最大、最小边界值的比较选择，确定各个状态空间的阈值的选择；基于统计学原理通过分析历史数据的概率分布，确定(1)划分的不同的状态空间的原始边界的确定，即数据出现的范围为初步确定的状态空间的原始范围，圈定其边界；

(3)将监测数据进行初步聚类划分(即根据最大化类内相似性、最小化类间相似性的原则进行聚类，使得在同一个类中的对象具有很高的相似性，而与其它类中的对象很不相似)，以历史数据确定的电力设备运行状态空间为基本范围，将监测数据与状态空间范围按接近程度进行聚类区分匹配，即将数据所处范围与状态空间范围相互近似重合区域匹配为同一类，形成反映设备运行不同状态的监测数据的数值范围；

聚类区分匹配方法为借助于若干分析指标对变量之间的密切程度进行测定，即相关分析，按照跟不同的状态空间密切程度相互比较，密切程度最高的状态空间为数据应该匹配的值域范围。在判断相关关系密切程度之前，首先确定现象之间有无相关关系。确定方法有：一是根据自己的理论知识和实践经验综合分析判断；二是用相关图表进一步确定现象之间相关的方向和形式。在此基础上通过计算相关系数或相关指数来测定相关关系密切的程度；相关系数r计算公式如下：

r=σxy2σxσy=Σ(x-x‾)(y-y‾)Σ(x-x‾)2Σy-y‾)2]]>

=xy‾-x‾·y‾(x‾2-x‾2)·(y→2-y‾2)=nΣxy-ΣxΣynΣx2-(Σx)2nΣy2-(Σy)2]]>

利用相关系数判断相关关系的密切程度标准定义如下：

若相关系数|r|＝0，则相关程度为完全不相关；

若相关系数0＜|r|≤0.3，则相关程度为微弱相关；

若相关系数0.3＜|r|≤0.5，则相关程度为低度相关；

若相关系数0.5＜|r|≤0.8，则相关程度为显著相关；

若相关系数0.8＜|r|≤1，则相关程度为高度相关；

若相关系数|r|＝1，则相关程度为完全相关；

上述公式相关内容中，聚类匹配依据为待聚类数据跟状态空间值域范围的相关系数的直接比较确定，定义中相关程度的划分意义为直观表述相关关系的密切程度；

(4)在(3)的基础上持续补充后续监测数据并进行区分匹配，按照数据出现的概率分布范围逐渐修正不同状态空间的边界，不断修改不同区域的阈值，进行电力设备运行状态阈值整定，形成设备运行状态的判断依据。