[发明专利]一种针对变压器监测数据的异常检测方法及装置

权利要求书

1.一种针对变压器监测数据的异常检测方法，其特征在于，所述方法包括：

获取变压器在线监测数据的待检测序列；

采用时序建模与孤立森林算法构建异常数据识别模型；

采用基于改进多维SAX向量表示方法构建异常类型识别模式；

采用所述异常数据识别模型识别所述待检测序列的异常数据；

采用所述异常类型识别模式确定所述异常数据的异常类型，所述异常类型包括无效异常模式和有效异常模式；

当所述异常类型为所述无效异常模式时，采用序列关联分析对所述异常类型进行关联性校验。

2.如权利要求1所述的方法，其特征在于，所述采用所述异常数据识别模型识别所述待检测序列的异常数据，具体包括：

运用经验小波变换理论将待检测序列自适应分解为频率互异的时序分量；

通过差分自回归移动平均模型对所述时序分量分别进行时序建模，并将各分量的预测值进行重构获得监测序列的预测值；

计算所述预测值与测量值之间的差值得到残差序列；

利用孤立森林算法对所述残差序列进行异常识别，实现对待检测序列中异常信息的有效提取。

3.如权利要求1所述的方法，其特征在于，所述基于改进多维SAX向量表示方法分别从时间序列的统计特性、形态特性以及熵特性角度考虑，选择由均值、斜率以及样本熵组成的特征值向量来对序列特性进行完备表示。

4.如权利要求1所述的方法，其特征在于，所述采用序列关联分析对所述异常类型进行关联性校验，具体包括：

采用灰关联分析算法的序列关联分析对所述异常类型进行关联性校验。

5.如权利要求4所述的方法，其特征在于，所述灰关联分析算法依据各参量变化曲线几何形状的相似程度，对各参量间关联程度的强弱进行判断，所述灰关联分析算法通过对动态过程发展态势的量化分析，完成时间序列有关统计数据几何关系的比较，并求出各参量之间的关联度。

6.如权利要求1所述的方法，其特征在于，所述无效异常模式包括噪声点与缺失值，在异常发生时刻其观测值会严重偏离期望值，该时刻前后的时间序列会保持相对一致的特性；所述有效异常模式是指由于设备状态异常变化所引起的监测数据水平迁移与趋势改变，异常发生时刻前后的时间序列特性会表现出较大的差异。

7.如权利要求3所述的方法，其特征在于，采用基于改进多维SAX向量表示方法构建异常类型识别模式，具体包括：

采用零-均值规范化将不同量级的时间序列进行标准化处理；

将标准化处理后的时间序列进行等距分段，并选择以均值、斜率以及样本熵作为时间序列的特征值构建表征时间序列特性的特征值向量；

对所述特征值向量进行符号化处理。

8.如权利要求1所述的方法，其特征在于，所述采用所述异常类型识别模式确定所述异常数据的异常类型，具体包括：

输入所述异常数据的位置信息；

根据所述位置信息对所述异常数据进行分割，生成分段序列；

通过改进多维SAX向量表示方法对所述分段序列进行多维符号化向量表示，并计算各异常点两侧符号向量的关联系数；

判断所述关联系数是否高于预设阈值，若否，则确定异常类型为有效异常模式。

9.如权利要求8所述的方法，其特征在于，所述预设阈值为0.75。