[发明专利]基于多阶段的油浸式变压器故障数据预处理方法

说明书

本发明公开的基于多阶段的油浸式变压器故障数据预处理方法，采集油浸式变压器数据，对其进行孤立点检测，根据孤立点检测的结果，对油浸式变压器数据进行预处理得到待分析的数据集，实现数据预处理。本发明公开的方法利用聚类算法对原始数据进行孤立点检测，并根据变压器的相关导则标准建立规则，剔除伪错误数据，大大降低错报数据量，减少故障诊断分析量，减少工程人员的工作量。利用数据采集约定构建规则II判断是否缺损和冗余，通过数据填充算法和数据简约方法对数据进行补偿，提升了数据质量。

技术领域

本发明属于变压器故障监测技术领域，具体涉及一种基于多阶段的油浸式变压器故障数据预处理方法。

背景技术

变压器在电力系统中应用广泛，其安全稳定的运行状态关系着电网与人民的安全，发生故障将造成很大的经济损失。因此，国家电网也不断将先进的传感器技术和在线监测手段应用于变压器状态的监测，由各在线监测系统传回的数据也能够“较准确”的反映变压器的运行状态，但由于变压器运行环境的不确定性、现场人员的误操作、以及通信故障等问题，会产生部分“脏数据”影响变压器故障诊断分析。

因此，通过数据挖掘相关数据预处理技术检测出“脏数据”并通过相应的算法或标准进行数据修复或者丢弃，对变压器故障诊断的准确性显得十分重要。现有的变压器“脏数据”检测多采用滑动窗口和聚类算法结合来进行分析，而没有与电力变压器相关行业标准结合，仅靠算法往往难以满足要求，而孤立点检测算法已经广泛应用于交通流数据监测，并取得良好的效果。所以，将孤立点检测算法与电力变压器相关行业标准结合，对在线监测数据进行分析。

本发明基于多阶段预处理方法，能够处理任意类型的变压器在线监测数据，为变压器设备的故障诊断提供良好的数据源(以油中溶解气体数据为例)，以提高变压器故障诊断的分析效果。

发明内容

本发明的目的是提供一种基于多阶段的油浸式变压器故障数据预处理方法，解决了现有的监测系统上传数据时，因为偶然性问题产生的“脏数据”，从而导致变压器故障诊断算法精确度不高的问题。

本发明所采用的技术方案是，基于多阶段的油浸式变压器故障数据预处理方法，具体操作过程包括以下步骤：

步骤1，采集油浸式变压器数据，对其进行孤立点检测；

步骤2，根据孤立点检测的结果，对油浸式变压器数据进行预处理得到待分析的数据集，实现数据预处理。

本发明的其他特点还在于，

进一步地，将步骤2得到数据集进行通过现有的分类算法进行训练得到故障诊断模型，实现变压器故障诊断，提高故障诊断的精度；

现有的分类算法为神经网络、支持向量机、极限学习算法中的任意一种或常见的可生成二分类器的算法。

优选的，步骤1的具体过程如下：

定义采集油浸式变压器数据为X＝{x₁,x₂,…x_N}，定义其中每个对象有m个属性，即x_i＝{x_i1,x_i2…x_im},i＝(1,2,…n)，为了降低误差，对输入的数据在[-1,1]进行归一化处理，归一化后的X记为X¹，如下矩阵所示：

计算归一化处理后各对象两两之间的相似系数r_ij，判断X中各对象的离散程度，并构成相似系数矩阵：

其中，

令p_i是相似系数矩阵i行的和，该值越小，说明对象i与其他对象的距离越远，即为孤立点集的候选项；

计算