[发明专利]基于历史信息挖掘的变压器本体关键评价指标选取方法

说明书

一种基于历史信息挖掘的变压器本体关键评价指标选取方法，所述方法包括以下统计变压器本体的缺陷记录和故障记录,利用关联分析形成指标置信度矩阵,数据矩阵标准化,计算相关系数矩阵的特征值与特征向量,计算特征值累计贡献率，获取主分量,利用主分量分析方法计算归一化指标权重，选择取值范围内的权重中元素值大于某数的元素对应的缺陷指标作为关键指标；本发明利用迅速发展的大数据技术，通过对设备历史运行数据的挖掘分析，可有效选取设备的关键评价指标，从而规避指标冗余和评价不准确。

技术领域

本发明涉及变压器状态评估领域，尤其涉及了一种基于历史信息挖掘的变压器本体关键评价指标选取方法。

背景技术

目前，传统变压器健康状态评价方法主要依靠设备状态评价导则，然而电网设备的运检过程中，由于缺陷评价指标众多，很难界定关键的评价指标，容易导致评估结果不准确和决策失误。

随着电力大数据的快速发展，电力系统的数据呈爆炸式增长，而利用大数据挖掘技术对设备状态进行异常检测也得以实现。通过对设备历史运行数据的挖掘分析，可有效选取设备的关键评价指标，从而规避指标冗余和评价不准确。

发明内容

针对现有变压器本体健康状态评价中存在的问题，本发明提供一种基于历史信息挖掘的利用关联分析、主分量分析方法选取变压器本体的关键评价指标，快速有效的选取关键指标，规避了指标的繁琐复杂，提高了评价的准确性。

为了实现上述目的，本发明的技术方案为：

一种基于历史信息挖掘的变压器本体关键评价指标选取方法，所述方法包括以下步骤：步骤1：统计变压器本体的缺陷记录和故障记录；步骤2：利用关联分析形成指标置信度矩阵；步骤3：数据矩阵标准化；步骤4：计算相关系数矩阵的特征值与特征向量；步骤5：计算特征值累计贡献率，获取主分量；步骤6：利用主分量分析方法计算归一化指标权重，选择取值范围内的权重中元素值大于预设值的元素对应的缺陷指标作为关键指标。

进一步的，所述步骤1中统计变压器本体最近10年的缺陷记录和故障记录。

进一步的，收集分析区域内所有同类型变压器最近10年的本体缺陷记录，包括短路情况、过负荷、渗漏油、本体油位、噪声及振动、运行油温、红外测温、绕组介损、总烃、乙炔、氢气、油中糠醛含量、油介质损耗因数、油击穿电压、水分共15项缺陷指标。

进一步的，所述步骤2中利用关联分析形成指标置信度矩阵的表达式：

对于第i项缺陷指标，计算其第j年的置信度：

其中，X_i,j是第j年发生第i项缺陷指标裂化的次数，Y_i,j是第j年由于第i项指标裂化引起的变压器本体故障次数。对每一项指标都进行置信度的计算，可以形成15行10列的置信度矩阵X₀。

再进一步的，所述步骤4中根据步骤3对初始数据矩阵X₀进行标准化得到标准矩阵X_st，计算相关系数矩阵R＝X_stX_st^T，求取R的特征值(λ₁,λ₂,…,λ_n从大到小排列)与特征向量(p₁,p₂,…,p_n)。

进一步的，所述步骤5计算特征值累计贡献率的表达式为：

进一步的，获取主分量个数的判断方法为：当C_m大于85％，而C_m+1小于85％时，前m个分量作为主分量。