[发明专利]一种基于多维特征量的变压器气体故障诊断和报警方法

权利要求书

1.一种基于多维特征量的变压器气体故障诊断和报警方法，它分为不良数据处理及变压器报警诊断两个步骤，其特征在于：通过在线监测系统从变压器油中获得溶解气体的浓度值(1)，并将数据反馈给上位机管理系统后，变压器故障预测报警系统就会启动数据有效性算法程序对测量的数据进行数据的有效性判断和数据处理，即判断数据是否为不良数据并处理(2)，是则表示监测装置不稳(3)；否，进行下一步工序，即使用去噪算法进行数据处理(4)；上述进行的即为不良数据的处理；

在判定数据有效后系统就会启动数据故障误报警判断算法程序进行变压器故障判断，根据变压器在线监测装置测量阀值表，判断是否报警(5)，否，表示变压器正常(6)；是，即确定报警后，通过变压器故障误报警判断程序中的关联气体报警算法，即启动数据误报警程序判断是否为误报警(7)，最终确定变压器是否发生故障，即判断是否为误报警，确定是误报警，可判定为变压器正常(8)，否则变压器存在故障(9)。

2.根据权利要求1所述的基于多维特征量的变压器气体故障诊断和报警方法，其特征在于：本发明所述的不良数据主要包括死数据和异常跳变数据，其中所述的死数据是指在时间序列中，正常应该随时间而变化的数据，在一段时间内不产生变化，这些点数据称为死数据，在确定死数据时，与测量对象的数据特性密切相关；

所述的异常跳变数据是指在时间序列中，在T_i－1时刻数据由于受到干扰，数值产生跳跃性变化，在T_i时刻回落，数值的变化幅度超越了T_i－1时刻前的波动幅度；所述数据是否为不良数据的判断和处理方法包括：

a)死数据的判断和处理：当检测出死数据时，说明传感器存在测量问题，需要人工处理；

b)异常跳变数据的判断：数据跳变设定的条件是单点数据变化较大，跳变后数据会回归到正常水平，对于数据跳变的计算，主要是确认数据变化幅度阈值；

所述异常跳变数据的处理是：基于信号处理中小波去噪原理，对气体浓度值进行滤波处理，其步骤如下：

(1)选择一个小波并确定分解的层次，然后对信号进行小波分解计算；

(2)对各个分解尺度下的高频系数选择一个合适的阈值进行软阈值量化处理；

(3)根据小波分解的最底层低频系数和经过量化处理后的各层的高频系数，进行一维信号的重构，得到恢复的原始信号的估计值。

针对跳变数据即含噪数据，使用小波多尺度分解去噪远离进行去噪。