油中溶解气在线监测数据识别方法、系统、存储器及设备技术方案

本发明专利技术公开了一种油中溶解气在线监测数据识别方法、系统、存储器及设备，该方法以预处理油中溶解气时间序列样本的均值与标准差、时间序列样本的欧拉距离及标准差、时间序列样本间差值、均值及标准差作为统计特征，根据拉以达法则，计算统计特征分布上下限，构建油中溶解气参考序列；利用灰色关联分析方法计算待测试时间序列与参考序列间的关联度值；依据关联度值大小识别待测试数据正常与否。本发明专利技术能够有效、合理的处理多维数据异常识别问题，为油浸式变压器运行状态评价与故障诊断提供准确、可靠的依据。可靠的依据。可靠的依据。

【技术实现步骤摘要】
油中溶解气在线监测数据识别方法、系统、存储器及设备


[0001]本专利技术涉及变压器监测
，特别是涉及一种油中溶解气在线监测数据识别方法、系统、存储器及设备。

技术介绍

[0002]油浸式变压器的油中溶解气分析是确定运行状态及潜伏性故障类型的重要手段，而油中溶解气在线监测数据是监测变压器实时运行情况的重要来源，其准确性、可靠性是保证变压器及电网可靠运行的重要保障。实际运行中，由于在线监测装置质量问题、传感器失效及数据传输回路异常等问题，将会导致在线监测数据出现异常。油中溶解气在线监测数据的准确可靠性是保障变压器设备及电力系统稳定运行的重要保障。
[0003]目前，油浸式变压器在线监测数据异常检测作为变压器状态检测的重要环节，已经开展了大量的研究。对于数据缺失、负值、超量程等简单异常数据已经具备较好的识别方法；但是针对多维数据的整体识别方法依然存在提升空间。传统的数理统计方法、K最近邻法及随机森林等方法，不能有效、合理的解决多维数据异常识别问题。

技术实现思路

[0004]本专利技术的目的在于提供一种油中溶解气在线监测数据识别方法、系统、存储器及设备，解决现有的方法不能有效、合理的解决多维数据异常识别问题。
[0005]为达到上述目的，本专利技术是通过以下技术方案实现的：
[0006]本专利技术一方面提供一种油中溶解气在线监测数据识别方法，包括：
[0007]基于油浸式变压器油中溶解气在线监测数据时间序列样本的多维统计特征，构建油中溶解气参考序列；
[0008]计算油浸式变压器油中待检测溶解气监测数据与所述油中溶解气参考序列间的关联度值；
[0009]根据所述关联度值识别待检测溶解气监测数据状态。
[0010]进一步的，所述油浸式变压器油中溶解气在线监测数据时间序列样本的多维统计特征，包括：
[0011]基于油浸式变压器油中溶解气在线监测采样周期确定时间窗口，按照时间顺序建立油中溶解气在线监测数据时间序列样本集合；
[0012]对所述油中溶解气在线监测数据时间序列样本集合采用平方根变换，重建油中溶解气在线监测数据时间序列样本集合；
[0013]基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算所有时间序列对应特征气体的均值及标准差；
[0014]基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算各时间序列样本与所有序列对应特征气体的平均值之间的欧拉距离均值及对应的标准差；
[0015]基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算相邻时间序
列样本差值序列均值和对应的标准差；
[0016]基于所述所有序列对应特征气体的均值、所有序列对应特征气体的标准差、所有序列对应特征气体的均值之间的欧拉距离均值、所有序列对应特征气体的均值之间的标准差、相邻时间序列样本差值序列均值和相邻时间序列样本差值序列均值对应的标准差，构成油中溶解气在线监测数据时间序列样本的多维统计特征。
[0017]进一步的，所述构建油中溶解气参考序列，包括：
[0018]基于拉以达法则，建立油中溶解气在线监测数据正常值上限与下限；
[0019]基于拉以达法则，建立油中溶解气在线监测数据异常值上限与下限；
[0020]将计算的各均值、正常值上限与下限以及异常值上限与下限的时间序列作为油中溶解气参考序列。
[0021]进一步的，所述计算油浸式变压器油中待检测溶解气监测数据与所述油中溶解气参考序列间的关联度值，包括：
[0022]以所有序列对应特征气体的均值、正常值上限、正常值下限以及异常值上限和下限作为参考序列，建立面向时间序列均值的灰色关联分析模型；
[0023]以欧拉距离均值、正常值上限、正常值下限以及异常值上限和下限作为参考序列，建立面向时间序列间欧拉距离的灰色关联分析模型；
[0024]以相邻时间序列样本差值序列均值、正常值上限、正常值下限以及异常值上限和下限作为参考序列，建立面向时间序列间差值的灰色关联分析模型；
[0025]将待检测溶解气监测数据依次代入所建立的3个灰色关联分析模型，计算待检测溶解气监测数据与参考序列间的关联度，得到各模型的灰色关联度序列和关联度值；
[0026]所述待检测溶解气监测数据为某一时刻的油中溶解气：氢气、甲烷、乙烷、乙烯和乙炔的监测数据。
[0027]进一步的，根据所述关联度值识别待检测溶解气监测数据状态，包括：
[0028]确定各灰色关联度序列中的最大值所对应的状态，所述状态包括正常和异常；
[0029]若有至少两个最大值所对应的状态为正常，则识别油中待检测溶解气监测数据的状态为正常，若有至少两个最大值所对应的状态为异常，则识别油中待检测溶解气监测数据的状态为异常。
[0030]本专利技术第二方面提供一种油浸式变压器油中溶解气在线监测数据异常识别系统，包括：
[0031]参考序列构建模块，用于基于油浸式变压器油中溶解气在线监测数据时间序列样本的多维统计特征，构建油中溶解气参考序列；
[0032]关联度计算模块，用于计算油浸式变压器油中待检测溶解气监测数据与所述油中溶解气参考序列间的关联度值；
[0033]识别模块，用于根据所述关联度值识别待检测溶解气监测数据状态。
[0034]进一步的，还包括：
[0035]原始数据获取模块，用于基于油浸式变压器油中溶解气在线监测采样周期确定时间窗口，按照时间顺序建立油中溶解气在线监测数据时间序列样本集合；
[0036]对所述油中溶解气在线监测数据时间序列样本集合采用平方根变换，重建油中溶解气在线监测数据时间序列样本集合；
[0037]以及，
[0038]特征计算模块，用于基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算所有序列对应特征气体的均值及标准差；
[0039]基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算各时间序列样本与所有序列对应特征气体的均值之间的欧拉距离均值及对应的标准差；
[0040]基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算相邻时间序列样本差值序列均值和对应的标准差；
[0041]基于所述所有序列对应特征气体的均值、所有序列对应特征气体的标准差、所有序列对应特征气体的均值之间的欧拉距离均值、所有序列对应特征气体的均值之间的标准差、相邻时间序列样本差值序列均值和相邻时间序列样本差值序列均值对应的标准差，构成油中溶解气在线监测数据时间序列样本的多维统计特征。
[0042]进一步的，所述参考序列构建模块具体用于，
[0043]基于拉以达法则，建立油中溶解气在线监测数据正常值上限与下限；
[0044]基于拉以达法则，建立油中溶解气在线监测数据异常值上限与下限；
[0045]将计算的各均值、正常值上限与下限以及异常值上限与下限的时间序列作为油中溶解气参考序列。
[0046]进一步的，所述关联度计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.油中溶解气在线监测数据识别方法，其特征在于，包括：基于油浸式变压器油中溶解气在线监测数据时间序列样本的多维统计特征，构建油中溶解气参考序列；计算油浸式变压器油中待检测溶解气监测数据与所述油中溶解气参考序列间的关联度值；根据所述关联度值识别待检测溶解气监测数据状态。2.根据权利要求1所述的油中溶解气在线监测数据识别方法，其特征在于，所述油浸式变压器油中溶解气在线监测数据时间序列样本的多维统计特征，包括：基于油浸式变压器油中溶解气在线监测采样周期确定时间窗口，按照时间顺序建立油中溶解气在线监测数据时间序列样本集合；对所述油中溶解气在线监测数据时间序列样本集合采用平方根变换，重建油中溶解气在线监测数据时间序列样本集合；基于重建后的所述油中溶解气在线监测数据时间序列样本集合，计算所有时间序列对应特征气体的均值及标准差；基于重建后的所述油中溶解气在线监测数据时间序列样本集合，计算各时间序列样本与所有序列对应特征气体的平均值之间的欧拉距离均值及对应的标准差；基于重建后的所述油中溶解气在线监测数据时间序列样本集合计算相邻时间序列样本差值序列均值和对应的标准差；基于所述所有序列对应特征气体的均值、所有序列对应特征气体的标准差、所有序列对应特征气体的均值之间的欧拉距离均值、所有序列对应特征气体的均值之间的标准差、相邻时间序列样本差值序列均值和相邻时间序列样本差值序列均值对应的标准差，构成油中溶解气在线监测数据时间序列样本的多维统计特征。3.根据权利要求2所述的油中溶解气在线监测数据识别方法，其特征在于，所述构建油中溶解气参考序列，包括：基于拉以达法则，建立油中溶解气在线监测数据正常值上限与下限；基于拉以达法则，建立油中溶解气在线监测数据异常值上限与下限；将计算的各均值、正常值上限与下限以及异常值上限与下限的时间序列作为油中溶解气参考序列。4.根据权利要求3所述的油中溶解气在线监测数据识别方法，其特征在于，所述计算油浸式变压器油中待检测溶解气监测数据与所述油中溶解气参考序列间的关联度值，包括：以所有序列对应特征气体的均值、正常值上限、正常值下限以及异常值上限和下限作为参考序列，建立面向时间序列均值的灰色关联分析模型；以欧拉距离均值、正常值上限、正常值下限以及异常值上限和下限作为参考序列，建立面向时间序列间欧拉距离的灰色关联分析模型；以相邻时间序列样本差值序列均值、正常值上限、正常值下限以及异常值上限和下限作为参考序列，建立面向时间序列间差值的灰色关联分析模型；将待检测溶解气监测数据依次代入所建立的3个灰色关联分析模型，计算待检测溶解气监测数据与参考序列间的关联度，得到各模型的灰色关联度序列和关联度值；所述待检测溶解气监测数据为某一时刻的油中溶解气：氢气、甲烷、乙烷、乙烯和乙炔
的监测数据。5.根据权利要求4所述的油中溶解气在线监测数据识别方法，其特征在于，根据所述关联度值识别待检测溶解气监测数据状态，包括：确定各灰色关联度序列中的最大值所对应的状态，所述状态包括正常和异常；若有至少两个最大值所对应的状态为正常，则识别油中待检测溶解气监测数据的状态为正常，若有至少两个最大值所对应的状态为异常，则识别油中待检测溶解气监测数据的状态为异常。6.油中溶解气在线监测数据识别系统，其特征在于，包括：参考序列构建模块，用于基于油浸式变压器油中溶解气在线监测数据时间序列样本的多维统计特征，构建油中溶解气参考序列；关联度计算模...

【专利技术属性】
技术研发人员：孙成群，郝宝欣，范青，陈俣，汤宁，赵高峰，犹锋，王虎，言巍巍，张子谦，田大东，张玮，储惠，
申请(专利权)人：国网电力科学研究院有限公司国网江苏省电力有限公司，
类型：发明
国别省市：