[发明专利]变压器数据异常检测方法、装置、设备、介质和产品

说明书

本申请涉及一种变压器数据异常检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：首先获取待处理变压器状态数据，并根据目标模型对获取的待处理变压器状态数据进行特征提取得到目标特征信息，然后获取初始聚类中心，并根据初始聚类中心对目标特征信息进行聚类得到目标聚类中心，最后根据目标聚类中心对目标特征信息进行异常检测，以确定与目标特征信息对应的待处理变压器状态数据是否为异常数据。本方法从待处理变压器状态数据中提取目标特征信息能够提高异常数据检测效率。

技术领域

本申请涉及电力系统技术领域，特别是涉及一种变压器数据异常检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着智能变电站建设的不断完善，其产生和储存的数据不断增多，经常出现数据丢失和数据突变等数据异常现象。变压器作为智能变电站不可或缺的设备，也经常出现数据异常的情况。为了提高数据质量、保证变电站正常运行，需要对变压器进行数据异常检测。

目前，常用的变压器数据异常检测方法是基于神经网络的数据异常检测方法和基于模糊理论与聚类分析的数据异常检测方法。基于神经网络的数据异常检测方法在网络训练过程、训练样本以及样本代表性具有很强的依赖性，且神经网络中阈值的选取通常具有很强的主观性；而基于模糊理论与聚类分析的数据异常检测方法虽然可以避免神经网络对样本的依赖性，但是聚类点坐标及目标函数均不是连续分布的，导致存在许多局部极值，影响检测效果。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高异常数据检测效率的变压器数据异常检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种变压器数据异常检测方法，所述方法包括：

获取待处理变压器状态数据；

根据目标模型对所述待处理变压器状态数据进行特征提取得到目标特征信息；

获取初始聚类中心；

根据所述初始聚类中心对所述目标特征信息进行聚类得到目标聚类中心；

根据所述目标聚类中心对所述目标特征信息进行异常检测，以确定与所述目标特征信息对应的所述待处理变压器状态数据是否为异常数据。

在其中一个实施例中，所述获取待处理变压器状态数据，包括：

获取初始变压器状态数据；

对所述初始变压器状态数据进行预处理得到待处理变压器状态数据，所述预处理包括根据互信息对所述初始变压器状态数据进行数据筛选。

在其中一个实施例中，所述根据互信息对所述初始变压器状态数据进行数据筛选，包括：

获取所述初始变压器状态数据对应的互信息的值；

当所述互信息的值小于预设阈值时，则删除所述互信息对应的所述初始变压器状态数据；

当所述互信息的值大于或等于所述预设阈值时，则保留所述互信息对应的所述初始变压器状态数据。

在其中一个实施例中，所述根据目标模型对所述待处理变压器状态数据进行特征提取得到目标特征信息之前，还包括：

获取样本变压器状态数据以及初始模型；

通过粒子群算法以及所述样本变压器状态数据确定所述初始模型中隐含层特征的数量；

根据所述隐含层特征的数量以及所述初始模型确定目标模型。

在其中一个实施例中，所述获取初始聚类中心之前，包括：

通过所述目标模型对所述样本变压器状态数据进行特征提取得到样本特征信息；