变压器在线监测数据异常值检测与清洗

• 作者: 付龙明 季坤 张亚静 甄超 赵常威 钱宇骋
• 来源期刊: 哈尔滨理工大学学报
• 学科: 工学
• 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
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 电气与电子工程
• 页码范围: 15-22
• 页数: 8页
• 分类号: TM411
• 语种: 中文
• DOI: 10.15938/j.jhust.2020.05.003

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.