[发明专利]一种变压器在线监测差异化阈值动态设置方法、系统

权利要求书

1.一种变压器在线监测差异化阈值动态设置方法，其特征在于，所述方法包括：

分类标识不同运行环境以及不同运行季节监测到的变压器历史数据；

预处理所述分类标识的历史数据，去除所述历史数据中的异常数据；

将所述去除异常数据的历史数据采用基于K-means聚类的方法动态计算所述变压器的判别阈值；

基于Spark分布式并行计算框架，构建基于所述判别阈值的阈值报警和趋势分析的所述变电设备综合预警模型，从而差异化监测所述变压器的判别阈值。

2.根据权利要求1所述的方法，其特征在于，所述监测变压器历史数据通过传感器采集所述变压器的变压油溶解气体数据，将所述变压油溶解气体数据上传到数据库并按时间序列进行排序。

3.根据权利要求1、2所述的方法，其特征在于，所述预处理所述分类标识的历史数据，去除所述历史数据中的异常数据，包括：

获取所述历史数据中某一固定时间段的历史数据作为特征数据集；

基于时间序列异常检测方法去除所述历史数据中的异常数据。

4.根据权利要求1所述的方法，其特征在于，所述将所述去除异常数据的历史数据采用基于K-means聚类的方法动态计算所述变压器的判别阀值，包括：

步骤S1，输入所述变压器油中溶解气体监测样本集X，并按公式(1)对所述样本集X进行均值方差标准化，得到样本集Y；

式中，x’为标准化后的数据，x为标准化前原始数据，μ为数据的平均值，σ为数据的方差；

步骤S2，确定聚类类数K，并在所述样本集Y中随机选取K个样本类作为初始聚类中心，设定迭代中止条件；(如最大循环次数或者聚类中心收敛的误差容限)；将所述样本集Y中的每一数据样本按最小距离原则分别分配到K个聚类中，进行初始聚类；

步骤S3，按聚类中心公式重新计算新的聚类中心；

步骤S4，根据步骤S3得到的新的聚类中心，按照最小距离原则重新分配所述样本集Y数据到K个聚类中，顺序且反复执行步骤S3、步骤S4，直至满足所述步骤S2设定的所述迭代中止条件，得到聚类结果；

步骤S5，将所述样本集Y中聚类簇中的数据与所述步骤S4得到的聚类中心的距离乘以常数D，作为R，即R为计算得到的判别阀值。

5.根据权利要求4所述的方法，其特征在于，所述判别阈值包括：注意阈值、告警阈值、趋势告警阈值、三相比对告警阈值。

6.一种在线监测差异化阈值动态设置系统，其特征在于，所述系统包括：

采集单元，用于依据不同运行环境以及不同运行季节监测到的变压器历史数据进行分类标识；

预处理单元，用于对所述分类标识的历史数据进行预处理，去除所述历史数据中的异常数据；

生成单元，用于将所述去除异常数据的历史数据采用基于K-means聚类的方法动态计算所述变压器的判别阈值；

模型化单元，用于基于Spark分布式并行计算框架，构建基于所述判别阈值的阈值报警和趋势分析的所述变电设备综合预警模型，从而差异化监测所述变压器的判别阈值。

7.根据权利要求6所述的系统，其特征在于，所述采集单元监测到的变压器历史数据通过传感器采集所述变压器的变压油溶解气体数据，将所述变压油溶解气体数据上传到数据库并按时间序列进行排序。

8.根据权利要求6、7所述的系统，其特征在于，所述预处理单元包括：

获取模块，用于获取所述历史数据中某一固定时间段的历史数据作为特征数据集；

处理模块，用于基于时间序列异常检测方法去除所述历史数据中的异常数据。