[发明专利]一种基于色谱数据的监测装置和变压器异常状态识别方法

权利要求书

1.一种基于色谱数据的监测装置和变压器异常状态识别方法，其特征在于，包括如下步骤：

步骤1、从监测的历史色谱数据识别与剔除孤立异常点数据；

步骤2、剔除孤立异常点数据后，基于剩下的历史色谱数据计算核向量k_i；

步骤3、基于步骤2计算的核向量k_i计算统计量T²和Q以及对应的控制限和Q_a；

步骤4、根据计算的统计量T²和Q以及对应的控制限和Q_a，对异常数据进行识别以及对故障类型进行判别。

2.根据权利要求1所述的一种基于色谱数据的监测装置和变压器异常状态识别方法，其特征在于，所述的步骤1中对孤立异常点数据的识别与剔除具体方法为：

步骤1.1、提取n天历史监测数据，计算其均值和方差σ²；

步骤1.2、计算n个监测数据到中心点的马氏距离：

式中，x_i为第i个监测数据，i＝1，2，…n；

步骤1.3、将n个监测按照马氏距离d_i升序排列，选取其中d_i最小的k个监测数据，对新选的h个监测数据通过C—步骤过程迭代直到收敛，返回稳定的均值和方差

步骤1.4、根据和计算每个监测数据稳健的马氏距离d_i。d_i近似服从一个自由度为1的卡方分布，当时，判定i点为异常点，其中表示卡方检验的临界值，α为置信度；

步骤1.5、根据异常值在时间上是否具有连续性，分为孤立异常值点和连续异常值区间，并将孤立异常点的数据剔除。

3.根据权利要求1所述的一种基于色谱数据的监测装置和变压器异常状态识别方法，其特征在于，所述的步骤2中计算核向量k_i的具体方法为：

步骤2.1、将孤立异常点的数据剔除后，假设剩余的监测数据有m个，提取剩余的N个数据标准化为H，H＝[h₁,h₂,…,h_N]为监测数据中样本数为N的采样序列，根据下式计算其对应的核矩阵K：

其中，式中K＝φ(H)^Tφ(H)，φ(H)为去均值后的特征矩阵，N为样本数目，E_N为N×N恒1方阵，K为核矩阵，是映射后数据样本经核函数内积；

步骤2.2、在特征空间中对高维数据去中心化处理，使

步骤2.3、对不同生产厂家和运行年限的监测装置计算出差异化特征值贡献率，使其引入重复信息较少的情况下提取原始数据的大部分方差信息；

步骤2.4、对核矩阵K进行主成分分解，根据步骤2.3得出的不同生产厂家和运行年限监测装置的特征值贡献率确定应保留的主成分个数j，并标准化处理其特征向量P；

步骤2.5、标准化采样数据h_t，计算其对应核向量k_t，进行去中心化处理。