CN110907544A - 一种变压器油中溶解气体含量异常阶跃数据识别方法 - Google Patents
一种变压器油中溶解气体含量异常阶跃数据识别方法 Download PDFInfo
- Publication number
- CN110907544A CN110907544A CN201911073142.XA CN201911073142A CN110907544A CN 110907544 A CN110907544 A CN 110907544A CN 201911073142 A CN201911073142 A CN 201911073142A CN 110907544 A CN110907544 A CN 110907544A
- Authority
- CN
- China
- Prior art keywords
- data set
- point
- content
- dissolved gas
- judged
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明公开了一种变压器油中溶解气体含量异常阶跃数据识别方法。该方法包括:获取变压器的油中溶解气体含量在线监测数据集;获取待判断点前端数据集并计算最大值;获取待判断点后端数据集并计算最小值;对比待判断点数值与前端数据集最大值和后端数据集最小值的关系,判断是否为异常阶跃点;输出判断结果。本发明解决了由于相关技术中在对变压器油中溶解气体含量进行在线监测时,监测装置发生异常而导致数据出现较大波动跳跃但无法进行准确识别的技术问题。
Description
技术领域
本发明属于变压器油色谱在线监测技术领域,具体涉及一种变压器油中溶解气体含量异常阶跃数据识别方法。
背景技术
变压器是重要的输变电设备,其运行的可靠性直接关系电力系统的安全稳定运行。油中溶解气体数据通常用来对变压器的运行状态进行评估。在现场的实际应用中,由于监测装置运行环境的特殊性、监测装置工作状态的不稳定性、传输线路的不稳定性以及采集传输过程中噪声干扰等多种因素的影响,油中溶解气体在线监测系统会出现异常,从而导致大量异常检测数据的产生,其中,最常见的即为阶跃数据。阶跃数据的存在会导致对变压器运行状态误判的发生,从而严重影响状态判别的准确性,给现场的运维和检修工作造成消极影响。因此,对变压器油中溶解气体异常阶跃数据进行识别,对于提高在线监测系统的可靠性具有重要意义。
近年来国内外对于异常数据处理有过一些研究。专利《异常数据的检测方法及其系统》(阿里巴巴集团控股有限公司)中将第一维数据通过自动编码机编码为第二维数据,再将第二维数据通过自动编码机解码为第一维数据,根据输入数据和解码数据计算损失函数的值;如果损失函数的值大于约定阈值,则判定输入数据为异常数据。该专利基于自动编码机以及损失函数实现异常数据的判断,与本专利有较大的不同。专利《一种道路交通流异常数据识别方法》(北京工业大学)中该方法首先剔除无效的交通流数据,然后利用阈值法、交通流参数之间的一致性关系及数理统计理论,以在线和离线两种方式,分别从微观和宏观角度识别交通流异常数据。该专利利用反差校验、参数组合校验、参数阈值校验以及真假零值校验实现异常值的判断,是一种复杂的综合性判断方法,然而显著区别于本专利提出的异常阶跃识别方法。专利《一种异常数据的识别方法》(广东工业大学)中以格拉布斯检验法统计量|Gi|≥G(n,α)作为异常数据的判别标准,该专利是一种基于统计特征的异常数据检验方法,显著区别于本专利提出的基于数值特征的异常阶跃识别方法。专利《一种数据集之中异常数据的识别方法》(杭州乾圆科技有限公司)利用基于神经网络的分类器实现异常数据的判别,该专利基于智能分类器实现异常数据判别,在实现方法上较为复杂,且显著区别于本专利提出的异常阶跃识别方法。专利《一种清洗异常数据的方法和装置》(北京京东尚科信息技术有限公司)中根据历史数据的概率分布确定异常数据,方法是一种基于大规模数据统计分析的方法,区别于本专利提出的异常阶跃识别方法。专利《异常数据访问的识别方法和装置》中将原始访问信息量化为多个维度的目标访问特征参数,之后将多个维度的目标访问特征参数作为入参输入已训练的访问模型,根据访问模型的输出结果判断所述目标数据访问行为是否异常。该专利是一种异常访问行为识别方法,区别于本专利提出的异常阶跃识别方法。专利《异常数据流量检测方法及装置》(北京国双科技有限公司)将访问数据流量和预设数据流量基准进行自动对比并识别异常数据,进而完成对不同等级的异常数据流量的标注和数据特征化。该专利是一种基于阈值的判断方法,区别于本专利提出的异常阶跃识别方法。专利《一种异常数据的检测方法及其装置》(深圳怡化电脑股份有限公司)中根据编码器的输出信号在预设周期内高频脉冲信号的第一个数、预设的周期内所述编码器的输出信号中高频脉冲的第二个数和预设的异常数据判断规则,确定数据采集装置采集到的数据是否异常,该专利将编码器的中心轴与数据采集装置的主动轴相连,确定数据是否异常。区别于本专利提出的异常阶跃识别方法。专利《一种矿井瓦斯监测异常数据识别方法》(西安科技大学)中对实时监测数据样本进行重构,设置初始质心向量进行聚类,对聚类中的判别样本进行分析,若存在突变情形,并在历史数据95%置信区间之外,则为小概率事件,确定监测异常,否则为正常检测数据。该专利是一种基于聚类和置信区间的异常数据判别方法,区别于本专利提出的异常阶跃识别方法。
综上所述,现有还没有针对变压器油中溶解气体含量异常阶跃数据识别的方法。
发明内容
本发明提供一种变压器油中溶解气体含量异常阶跃数据识别方法,以解决监测装置发生异常而导致数据出现较大波动跳跃但无法进行准确识别的技术问题。
为了解决上述技术问题,本发明具体为一种变压器油中溶解气体含量异常阶跃数据识别方法,包括如下步骤:获取变压器的油中溶解气体含量在线监测数据集;获取待判断点前端数据集并计算最大值;获取待判断点后端数据集并计算最小值;对比待判断点数值与前端数据集最大值和后端数据集最小值的关系,判断是否为异常阶跃点;输出判断结果。
进一步的,获取变压器的油中溶解气体含量在线监测数据集,步骤包括:
获取的油中溶解气体含量在线监测数据集记为:X={x1,x2,x3,……xk},k为油中溶解气体含量数据集的长度。
进一步的,获取待判断点前端数据并计算最大值,步骤包括:
设置前端数据集的长度R;
对于待判断点xi,其前端数据集为:F={xi-R,…,xi-1};
获取前端数据集F的最大值FM。
进一步的,获取待判断点后端数据集并计算最小值,步骤包括:
设置后端数据集的长度,后端数据集的长度应等于前端数据集长度R;
对于待判断点xi,其后端数据集为:T={xi+1,…,xi+R};
获取后端数据集T的最小值TM。
进一步的,对比待判断点数值与前端数据集最大值和后端数据集最小值的关系,判断是否为异常阶跃点,步骤包括:
设置权重系数w;
如果待判断点TM>xi>(w×FM)则xi被判定为异常阶跃数据,否则不是异常阶跃数据。
附图说明
图1是本发明一种变压器油中溶解气体含量异常阶跃数据识别方法的流程图。
图2变压器油中溶解气体含量异常阶跃数据识别结果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种变压器油中溶解气体含量异常阶跃数据识别方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明提供的一种变压器油中溶解气体含量异常阶跃数据识别方法的流程图。如图1所示,该方法包括如下步骤:
S102,获取变压器的油中溶解气体含量在线监测数据集;
S104,获取待判断点前端数据集并计算最大值;
S106,获取待判断点后端数据集并计算最小值;
S108,对比待判断点数值与前端数据集最大值和后端数据集最小值的关系,判断是否为异常阶跃点;
S110,输出判断结果。
通过上述步骤,通过将待判断点的值与其前端数据集的最大值和后端数据集的最小值进行对比,可以判断其是否是阶跃数据。
具体的,在上述步骤S102中,选取某台变压器的油中溶解总烃数据X={x1,x2,x3,……x425},共有425条监测数据。具体如表1所示。
表1
进一步地,在上述步骤S104中,设置前端数据集的长度R=7,则对于待判断点xi(7<i≤418),其前端数据集为:F={xi-7,…,xi-1},获取前端数据集F的最大值FM。例如:对于待测点x10,其前端数据集为:F={x3,…,x9}={0.82,0.76,0.81,0.87,0.85,0.84,0.74},获取前端数据集F的最大值FM=0.85;
进一步地,在上述步骤S106中,设置后端数据的长度,后端数据集的长度应等于前端数据集长度R=7;则对于待判断点xi(7<i≤418),其后端数据集为:T={xi+1,xi+R};获取后端数据集T的最小值TM。例如:对于待测点x10,其前端数据集为:T={x11,…,x17}={0.87,0.86,0.8,0.8,0.8,0.83,0.85},获取后端数据集T的最小值TM=0.8;
进一步地,在上述步骤S108中,设置权重系数w=0.95,如果待判断点满足TM>xi>(w×FM)则xi被判定为异常阶跃数据。例如:对于待测点x10,x10=0.81>(0.85*0.95),满足>(w×FM)的条件,但是x10=0.81>TM=0.8,无法满足<TM的条件,所以x10不是阶跃点。
进一步地,利用上述方法对X中的所有数据进行判断,可以判断为阶跃点的数据如表2所示。绘制原始数据集以及识别出来的异常阶跃数据如图2所示。
表2
序号 | 异常阶跃数据 |
153 | 0.89 |
188 | 1.03 |
203 | 1.42 |
241 | 2.02 |
243 | 2.1 |
253 | 2.24 |
最后应该说明的是,结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到,本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (5)
1.一种变压器油中溶解气体含量异常阶跃数据识别方法,其特征在于,包括如下步骤:
获取变压器的油中溶解气体含量在线监测数据集;
获取待判断点前端数据集并计算最大值;
获取待判断点后端数据集并计算最小值;
对比待判断点数值与前端数据集最大值和后端数据集最小值的关系,判断是否为异常阶跃点;
输出判断结果。
2.根据权利要求1所述的一种变压器油中溶解气体含量异常阶跃数据识别方法,其特征在于,获取变压器的油中溶解气体含量在线监测数据集,步骤包括:
获取的油中溶解气体含量在线监测数据集记为:X={x1,x2,x3,……xk},k为油中溶解气体含量数据集的长度。
3.根据权利要求1所述的一种变压器油中溶解气体含量异常阶跃数据识别方法,其特征在于,获取待判断点前端数据并计算最大值,步骤包括:
设置前端数据集的长度R;
对于待判断点xi,其前端数据集为:F={xi-R,…,xi-1};
获取前端数据集F的最大值FM。
4.根据权利要求1所述的一种变压器油中溶解气体含量异常阶跃数据识别方法,其特征在于,获取待判断点后端数据集并计算最小值,步骤包括:
设置后端数据集的长度,后端数据集的长度应等于前端数据集长度R;
对于待判断点xi,其后端数据集为:T={xi+1,…,xi+R};
获取后端数据集T的最小值TM。
5.根据权利要求1所述的一种变压器油中溶解气体含量异常阶跃数据识别方法,其特征在于,对比待判断点数值与前端数据集最大值和后端数据集最小值的关系,判断是否为异常阶跃点,步骤包括:
设置权重系数w;
如果待判断点TM>xi>(w×FM)则xi被判定为异常阶跃数据,否则不是异常阶跃数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911073142.XA CN110907544B (zh) | 2019-11-05 | 2019-11-05 | 一种变压器油中溶解气体含量异常阶跃数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911073142.XA CN110907544B (zh) | 2019-11-05 | 2019-11-05 | 一种变压器油中溶解气体含量异常阶跃数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110907544A true CN110907544A (zh) | 2020-03-24 |
CN110907544B CN110907544B (zh) | 2022-06-24 |
Family
ID=69814772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911073142.XA Active CN110907544B (zh) | 2019-11-05 | 2019-11-05 | 一种变压器油中溶解气体含量异常阶跃数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110907544B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413491A (zh) * | 2020-04-11 | 2020-07-14 | 深圳市资通科技有限公司 | 充油设备绝缘老化评估平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160181A (zh) * | 2015-09-02 | 2015-12-16 | 华中科技大学 | 一种数控系统指令域序列异常数据检测方法 |
CN106649204A (zh) * | 2016-09-18 | 2017-05-10 | 广东电网有限责任公司电力科学研究院 | 一种变压器油中溶解气体异常识别方法 |
CN108088916A (zh) * | 2017-12-05 | 2018-05-29 | 国网山东省电力公司电力科学研究院 | 一种油中溶解气体在线监测数据质量的提升方法及系统 |
CN109614576A (zh) * | 2018-12-11 | 2019-04-12 | 福建工程学院 | 基于多维高斯分布与趋势分段的变压器异常检测方法 |
CN109765332A (zh) * | 2018-12-05 | 2019-05-17 | 国网辽宁省电力有限公司信息通信分公司 | 基于隔离森林的变压器异常值实时检测和故障诊断方法 |
-
2019
- 2019-11-05 CN CN201911073142.XA patent/CN110907544B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160181A (zh) * | 2015-09-02 | 2015-12-16 | 华中科技大学 | 一种数控系统指令域序列异常数据检测方法 |
CN106649204A (zh) * | 2016-09-18 | 2017-05-10 | 广东电网有限责任公司电力科学研究院 | 一种变压器油中溶解气体异常识别方法 |
CN108088916A (zh) * | 2017-12-05 | 2018-05-29 | 国网山东省电力公司电力科学研究院 | 一种油中溶解气体在线监测数据质量的提升方法及系统 |
CN109765332A (zh) * | 2018-12-05 | 2019-05-17 | 国网辽宁省电力有限公司信息通信分公司 | 基于隔离森林的变压器异常值实时检测和故障诊断方法 |
CN109614576A (zh) * | 2018-12-11 | 2019-04-12 | 福建工程学院 | 基于多维高斯分布与趋势分段的变压器异常检测方法 |
Non-Patent Citations (2)
Title |
---|
沈晓东: "基于小波模极大值变压器油色谱在线异常数据识别", 《新型工业化》 * |
荣智海等: "基于油中溶解气体Canopy高维模型的变压器异常状态快速识别方法", 《中国电机工程学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413491A (zh) * | 2020-04-11 | 2020-07-14 | 深圳市资通科技有限公司 | 充油设备绝缘老化评估平台 |
Also Published As
Publication number | Publication date |
---|---|
CN110907544B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557546B (zh) | 一种对特高压在线监测数据进行挖掘并评价的方法及系统 | |
CN107271809B (zh) | 一种面向大数据应用的电力设备状态量动态阈值获取方法 | |
CN104764869A (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
CN107677903B (zh) | 一种变压器状态监测数据的聚类分析方法 | |
CN111371188A (zh) | 一种用电异常数据实时预警系统 | |
CN103399237A (zh) | 一种检测油浸式变压器故障的方法 | |
CN111797887A (zh) | 一种基于密度筛选与k-均值聚类的反窃电预警方法及系统 | |
CN106570644B (zh) | 一种基于统计工具的输变电设备量化评估方法 | |
CN110930057A (zh) | 基于lof算法的配电变压器检验结果可信度的量化评判方法 | |
CN107276779B (zh) | 一种监控方法、系统及设备 | |
CN111308406A (zh) | 一种电流互感器饱和检测方法、系统、介质及电子设备 | |
CN116304957A (zh) | 一种供变电设备监测状态突变在线识别方法 | |
CN112417763A (zh) | 输电线路的缺陷诊断方法、装置、设备及存储介质 | |
CN110907544A (zh) | 一种变压器油中溶解气体含量异常阶跃数据识别方法 | |
CN115664038A (zh) | 一种用于电气安全管理的智能配电运维监控系统 | |
CN109191448B (zh) | 基于三维坐标绘制和数字图像处理的变压器故障识别方法 | |
CN110781612A (zh) | 滚珠丝杠的故障诊断方法、装置、计算机设备和存储介质 | |
CN113255096A (zh) | 基于向前逐步回归的高损线路异常台区定位方法及系统 | |
CN117491787A (zh) | 一种芯片生产设备电磁干扰检测系统 | |
CN116127270A (zh) | 异常检测方法、装置、设备、介质及产品 | |
CN110244198B (zh) | 基于复合判据的阻性负荷串联电弧检测方法及应用 | |
CN115308644A (zh) | 基于电流偏移比差分析的变压器绕组故障检测方法及系统 | |
CN114118720A (zh) | 一种核电厂循环水泵运行状态综合评价方法、装置及电子设备和存储介质 | |
CN114118208A (zh) | 基于多元信息的变压器故障判断方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |