[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

说明书

本说明书实施例公开了一种针对变压器监测数据的异常检测方法及装置。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。本方案可以在有效识别异常数据信息的基础上，深入分析异常模式，对有效异常点与无效异常点实现准确区分。

技术领域

本申请涉及计算机技术领域，尤其涉及一种针对变压器监测数据的异常检测方法及装置。

背景技术

随着基于大数据、物联网技术在电力变压器状态感知、运行维护中的广泛应用，变压器监测数据的规模呈现指数型增长趋势，为设备的综合状态评估及预测提供重要的数据基础。但受各类突发事件的影响，设备在线监测系统会不可避免地产生部分异常数据。可靠识别异常数据并对其模式进行有效区分是实现在线监测数据高效清洗与设备运行状态准确把握的重要基础。现有的异常检测研究涉及基于聚类、基于分类、基于统计等方法。

现有的异常识别算法如聚类算法中初始聚类中心的选取会对聚类收敛效果造成较大的影响；分类算法适用于大量异常样本的数据集，而在多数场景中，异常数据都是很少的部分；基于统计的方法由于受选取样本集的干扰较大，样本数据波动严重时，会降低识别效果。并且当前已有方法对于如何有效区分不同类型的异常模式的研究还不够深入，需要开展进一步的研究。

发明内容

有鉴于此，本申请实施例提供了一种针对变压器监测数据的异常检测方法及装置，本方案可以在有效识别异常数据信息的基础上，深入分析异常模式，对有效异常点与无效异常点实现准确区分。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种针对变压器监测数据的异常检测方法，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。

可选的，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。

可选的，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。

可选的，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。