变压器在线监测数据异常值检测与清洗

摘要：

在线监测数据能够实时监测变压器状态,然而经调查发现存在数据不可靠的问题,直接关系到后续状态评估的准确性.针对在线监测数据中异常值特点,以及一般的异常状态检测方法是基于阈值,噪声数据难以及时甄别的问题,提出了一种基于灰色关联度和K-means聚类的方法.利用灰色关联法对在线监测的多元时间序列数据进行关联度挖掘,提取出关联性强的序列为后续多元序列异常数据检测提供依据;其次建立基于k-means聚类的方法建立数据的异常检测模型;最后研究了时间序列预测方法,完成趋势预测并填充缺失值和噪声值,保持数据完整性.通过某变电站的在线监测数据对此算法进行验证,结果表明该方法可及时完成异常检测及清洗,清洗后准确率93.9％,完备率可达98.6％,有较高使用价值.

关键词：变压器、在线监测数据、K-means聚类、异常值检测、时间序列

所属期刊栏目：25

分类号：TM411(变压器、变流器及电抗器)

资助基金：国网安徽省电力有限公司科技项目;国家重点研发计划项目

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15-22