一種基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明提供一種基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合分析方法， 屬于電力系統(tǒng)高壓設(shè)備的狀態(tài)監(jiān)測(cè)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 變電站設(shè)備在線監(jiān)測(cè)系統(tǒng)由于可實(shí)時(shí)反映設(shè)備運(yùn)行狀態(tài)，廣泛應(yīng)用于智能變電站 一次設(shè)備智能化，對(duì)變電設(shè)備的運(yùn)行狀態(tài)進(jìn)行全程跟蹤，監(jiān)測(cè)其在實(shí)際運(yùn)行過(guò)程中健康狀 態(tài)和壽命情況，在保證安全性和可靠性的前提下，合理安排試驗(yàn)檢修，提高電力設(shè)備的使用 率與使用年限是電力系統(tǒng)一直W來(lái)的追求。在線監(jiān)測(cè)系統(tǒng)便是在運(yùn)樣的需求下應(yīng)運(yùn)而生 的。目前由于變電站在線監(jiān)測(cè)設(shè)備數(shù)據(jù)精度低，數(shù)據(jù)的連續(xù)性難W保證，導(dǎo)致了變電站設(shè)備 "體征"信息孤島嚴(yán)重，未實(shí)現(xiàn)設(shè)備運(yùn)行、監(jiān)測(cè)等信息間互聯(lián)互通，導(dǎo)致缺乏基于設(shè)備運(yùn)行、 各監(jiān)測(cè)單元多維信息橫向維度W及時(shí)間縱向維度全景信息可靠綜合診斷。由于在變電站的 在線監(jiān)測(cè)中，變壓器作為變電站內(nèi)的主體設(shè)備，對(duì)變壓器在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行處理具有重要 意義，并且在電力設(shè)備狀態(tài)監(jiān)測(cè)研究中，變壓器狀態(tài)監(jiān)測(cè)發(fā)展時(shí)間最長(zhǎng)，應(yīng)用也最廣泛，數(shù) 據(jù)較為豐富和完善。所W，選取變壓器在線監(jiān)測(cè)作為研究實(shí)例。
[0003] 由于存在上述因素，針對(duì)目前變電站設(shè)備在線監(jiān)測(cè)目前所存在的問題，為利用變 壓器在線監(jiān)測(cè)多維信息，挖掘信息所存在的內(nèi)在規(guī)律，一種基于相關(guān)分析和馬氏距離的變 壓器在線監(jiān)測(cè)信息聚合分析方法。利用變壓器在線監(jiān)測(cè)獲得的多維信息，首先進(jìn)行數(shù)據(jù)歸 一化和標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)處理，其次對(duì)預(yù)處理后的數(shù)據(jù)W當(dāng)前采樣點(diǎn)的前Μ個(gè)點(diǎn)構(gòu)成一組時(shí)窗 長(zhǎng)度進(jìn)行局部相關(guān)系數(shù)的計(jì)算。再次，利用所獲得的原始多維信息特征矩陣計(jì)算各樣本與 分布中屯、的馬氏距離，提取距離大于距離整定值Zwt的數(shù)據(jù)異常樣本，基于異常樣本找到與 之對(duì)應(yīng)的原始異常數(shù)據(jù)樣本，最終進(jìn)行數(shù)據(jù)異常驗(yàn)證說(shuō)明。經(jīng)仿真表明，使用距離中屯、的馬 氏距離，不僅可W定性檢測(cè)出異常，而且還可W定量表示異常程度，便于運(yùn)行人員感知運(yùn)行 態(tài)勢(shì)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合 分析方法，用W解決上述問題。
[0005] 本發(fā)明的技術(shù)方案是：一種基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合 分析方法，利用變壓器在線監(jiān)測(cè)獲得的多維信息，首先進(jìn)行數(shù)據(jù)歸一化和標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)處 理，其次對(duì)預(yù)處理后的數(shù)據(jù)W當(dāng)前采樣點(diǎn)的前Μ個(gè)點(diǎn)構(gòu)成一組時(shí)窗長(zhǎng)度進(jìn)行局部相關(guān)系數(shù) 的計(jì)算。再次，利用所獲得的原始多維信息特征矩陣計(jì)算各樣本與分布中屯、的馬氏距離，提 取距離大于距離整定值Zwt的數(shù)據(jù)異常樣本，基于異常樣本找到與之對(duì)應(yīng)的原始異常數(shù)據(jù) 樣本，最終進(jìn)行數(shù)據(jù)異常驗(yàn)證說(shuō)明。經(jīng)仿真表明，使用距離中屯、的馬氏距離，不僅可W定性 檢測(cè)出異常，而且還可W定量表示異常程度，便于運(yùn)行人員感知運(yùn)行態(tài)勢(shì)。
[0006] 具體步驟如下：
[0007] 第一步、數(shù)據(jù)歸一化，標(biāo)準(zhǔn)化等預(yù)處理。由于變壓器在線監(jiān)測(cè)數(shù)據(jù)種類繁多，單位 不一，數(shù)據(jù)存在冗余。因此，將不同采樣頻率下具有不同單位的數(shù)據(jù)進(jìn)行歸一化和標(biāo)準(zhǔn)化處 理。將選定對(duì)象X(η)與其余監(jiān)測(cè)數(shù)據(jù)數(shù)據(jù)y(η)求取其均方根為：
[0010] 式（1)、似中，Ν為相關(guān)信號(hào)采樣點(diǎn)數(shù)。[0011] 定義數(shù)字信號(hào)X(η)和y(η)互相關(guān)函數(shù)如下：
[0012] 〇>
[0013] 其中，Ν為相關(guān)信號(hào)采樣點(diǎn)數(shù)，j為兩個(gè)信號(hào)之間時(shí)間差，j= 0, 1，….。
[0014] 根據(jù)（3)式對(duì)每組信號(hào)進(jìn)行歸一化運(yùn)算，得到相關(guān)系數(shù)Pyy:
[0015]
[0016] 第二步、對(duì)預(yù)處理后的數(shù)據(jù)W當(dāng)前采樣點(diǎn)的前Μ個(gè)點(diǎn)構(gòu)成的時(shí)窗長(zhǎng)度為一組進(jìn)行 局部相關(guān)系數(shù)的計(jì)算。
[0017]第Ξ步、對(duì)第二步所得到的相關(guān)系數(shù)計(jì)算距離。假設(shè)所獲得數(shù)據(jù)的特征分布服從 多維正態(tài)分布，可利用數(shù)據(jù)特征距分布中屯、的距離表征數(shù)據(jù)異常程度。利用式（5)對(duì)原始 特征矩陣計(jì)算各樣本與分布中屯、的馬氏距離，得到數(shù)據(jù)樣本的馬氏距離頻數(shù)分布直方圖： 陽(yáng)01 引（f狂，G)=狂-U)'Σ1狂-U) (5)
[0019] 式妨中，G為m維總體（考察m個(gè)指標(biāo)），均值向量為u=(叫，112，113...，1〇'，協(xié) 方差陣為Σ= (σij)。
[0020] 第四步、提取距離大于距離整定值Zwt的數(shù)據(jù)異常樣本。利用第Ξ步得到的數(shù)據(jù) 樣本的馬氏距離頻數(shù)分布直方圖，提取大于整定值Zwt的數(shù)據(jù)異常樣本。
[0021] 第五步、提取異常原始數(shù)據(jù)樣本。根據(jù)第四步所獲取的數(shù)據(jù)異常樣本，提取異常原 始數(shù)據(jù)樣本的分布區(qū)間，利用馬氏距離所提取的異常數(shù)據(jù)樣本與原始數(shù)據(jù)樣本進(jìn)行比對(duì)， 可驗(yàn)證方法的有效性。
[0022] 本發(fā)明的有益效果是：
[002引 （1)本發(fā)明所采用的方法，有效的突破了現(xiàn)有的變壓器在線監(jiān)測(cè)數(shù)據(jù)信息單一，難W實(shí)現(xiàn)對(duì)所監(jiān)測(cè)設(shè)備的全景感知等難題，減小了在線監(jiān)測(cè)判斷結(jié)果可能存在誤差。
[0024] (2)本發(fā)明所設(shè)及的基馬氏距離算法擺脫了傳統(tǒng)的異常判斷手段，利用數(shù)據(jù)特征 距分布中屯、的距離來(lái)刻畫數(shù)據(jù)異常程度，距離越遠(yuǎn)，異常程度越高。其中，馬氏距離補(bǔ)單考 慮數(shù)據(jù)相關(guān)性，而且不受量綱影響，是一種發(fā)現(xiàn)變壓器在線監(jiān)測(cè)數(shù)據(jù)異常潛在規(guī)律的有效 手段。
【附圖說(shuō)明】
[00巧]圖1為實(shí)施例1中1-6類監(jiān)測(cè)量與氨氣相關(guān)分析結(jié)果。 陽(yáng)0%] 圖2為實(shí)施例1中7-12類監(jiān)測(cè)量與氨氣相關(guān)分析結(jié)果。
[0027]圖3為實(shí)施例1中馬氏距離計(jì)算結(jié)果。
[002引圖4為實(shí)施例1中異常樣本提取結(jié)果。
[0029] 圖5為實(shí)施例1中原始數(shù)據(jù)。
【具體實(shí)施方式】
[0030] 實(shí)施例1 :本實(shí)例中選取220kV變電站的1號(hào)主變?cè)诰€監(jiān)測(cè)數(shù)據(jù)為例進(jìn)行實(shí)例展 示。1號(hào)主變的油中溶解氣體監(jiān)測(cè)采樣間隔為24小時(shí)，即每天1個(gè)采樣點(diǎn)。本例中展示的 是73天內(nèi)的歷史數(shù)據(jù)。數(shù)據(jù)包括12類在線監(jiān)測(cè)數(shù)據(jù)，分別是：Α、ΒΧΞ相介損、一氧化碳、 甲燒、乙燒、泄漏電流、微水、乙烘、氨氣、乙締、總控。
[0031] (1)將不同采樣頻率下、具有不同單位的12類在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行歸一化和標(biāo)準(zhǔn)化 處。由于氨氣是多種變壓器故障表征氣體，選取氨氣作為與其余監(jiān)測(cè)量相關(guān)分析的對(duì)象。對(duì) 氨氣X(η)和其余監(jiān)測(cè)量數(shù)據(jù)y(η)求取其均方根。對(duì)兩組信號(hào)進(jìn)行歸一化運(yùn)算后，得到相 關(guān)系數(shù)Pxy，如圖1、2所示。
[0032] (2)對(duì)獲得的歷史數(shù)據(jù)W當(dāng)前采樣點(diǎn)的前8個(gè)點(diǎn)構(gòu)成的時(shí)窗長(zhǎng)度為一組進(jìn)行局部 相關(guān)系數(shù)的計(jì)算，如圖1、2所示。如圖1可知，在30-40采樣點(diǎn)之間相關(guān)系數(shù)除總控外，其余 相關(guān)系數(shù)在0. 4左右，弱相關(guān)；40-70義樣點(diǎn)之間，相關(guān)系數(shù)穩(wěn)定在0. 9左右，強(qiáng)相關(guān)；80-90 采樣點(diǎn)之間，相關(guān)系數(shù)變化趨勢(shì)平穩(wěn)，較強(qiáng)相關(guān)。如圖2可知，相關(guān)系數(shù)變化趨勢(shì)與上述情 況大致吻合。
[0033] (3)再次對(duì)原始特征矩陣計(jì)算各樣本與分布中屯、的馬氏距離。數(shù)據(jù)樣本的馬氏距 離頻數(shù)分布直方圖，如圖3所示，可知，數(shù)據(jù)呈正態(tài)分布，樣本總數(shù)為2485,樣本中屯、點(diǎn)為 3-7。
[0034] (4)提取距離大于Zset的樣本。經(jīng)多組數(shù)據(jù)驗(yàn)證，取距離整定值Zset為8. 78。樣本 數(shù)為10,概率為0. 4%。如圖4所示，數(shù)據(jù)的異常樣本集中于1745~1945 ;2051~2128 ; 2457~2470。可知距離越遠(yuǎn)，異常程度越高。
[0035] (5)提取異常原始數(shù)據(jù)樣本；根據(jù)距離大于8. 78的數(shù)據(jù)異常樣本，提取異常原始 數(shù)據(jù)；原始數(shù)據(jù)樣本集中于31-37 ;41~43 ;63~65。如圖5所示。從而說(shuō)明，使用距離中 屯、的馬氏距離，不僅可W定性檢測(cè)出異常，而且還可W定量表示異常程度，便于運(yùn)行人員感 知運(yùn)行態(tài)勢(shì)。
【主權(quán)項(xiàng)】
1. 一種基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合分析方法，利用變壓器在 線監(jiān)測(cè)獲得的多維信息，首先進(jìn)行數(shù)據(jù)歸一化和標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)處理，其次對(duì)預(yù)處理后的數(shù) 據(jù)以當(dāng)前采樣點(diǎn)的前Μ個(gè)點(diǎn)構(gòu)成一組時(shí)窗長(zhǎng)度進(jìn)行局部相關(guān)系數(shù)的計(jì)算；再次，利用所獲 得的原始多維信息特征矩陣計(jì)算各樣本與分布中心的馬氏距離，提取距離大于距離整定值 zset的數(shù)據(jù)異常樣本，基于異常樣本找到與之對(duì)應(yīng)的原始異常數(shù)據(jù)樣本，最終進(jìn)行數(shù)據(jù)異常 驗(yàn)證說(shuō)明。2. 根據(jù)權(quán)利要求書1所述的基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合分 析方法，其特征在于具體步驟為： 第一步、數(shù)據(jù)歸一化，標(biāo)準(zhǔn)化等預(yù)處理；將不同采樣頻率下具有不同單位的數(shù)據(jù)進(jìn)行歸 一化和標(biāo)準(zhǔn)化處理，將選定對(duì)象X (η)與其余監(jiān)測(cè)數(shù)據(jù)數(shù)據(jù)y (η)求取其均方根為：式（1)、（2)中，Ν為相關(guān)信號(hào)采樣點(diǎn)數(shù)； 定義數(shù)字信號(hào)X (η)和y (η)互相關(guān)函數(shù)如下：其中，Ν為相關(guān)信號(hào)采樣點(diǎn)數(shù)，j為兩個(gè)信號(hào)之間時(shí)間差，j = 0, 1，； 根據(jù)（3)式對(duì)每組信號(hào)進(jìn)行歸一化運(yùn)算，得到相關(guān)系數(shù)Pxy:第二步、對(duì)預(yù)處理后的數(shù)據(jù)以當(dāng)前采樣點(diǎn)的前Μ個(gè)點(diǎn)構(gòu)成的時(shí)窗長(zhǎng)度為一組進(jìn)行局部 相關(guān)系數(shù)的計(jì)算； 第三步、對(duì)第二步所得到的相關(guān)系數(shù)計(jì)算距離，假設(shè)所獲得數(shù)據(jù)的特征分布服從多維 正態(tài)分布，可利用數(shù)據(jù)特征距分布中心的距離表征數(shù)據(jù)異常程度，利用式（5)對(duì)原始特征 矩陣計(jì)算各樣本與分布中心的馬氏距離，得到數(shù)據(jù)樣本的馬氏距離頻數(shù)分布直方圖：式（5)中，G為m維總體（考察m個(gè)指標(biāo)），均值向量為u = (W，u2, u3. . .，um) '，協(xié)方差 陣為Σ = 〇 ; 第四步、提取距離大于距離整定值z(mì)set的數(shù)據(jù)異常樣本，利用第三步得到的數(shù)據(jù)樣本的 馬氏距離頻數(shù)分布直方圖，提取大于整定值z(mì)Mt的數(shù)據(jù)異常樣本； 第五步、提取異常原始數(shù)據(jù)樣本，根據(jù)第四步所獲取的數(shù)據(jù)異常樣本，提取異常原始數(shù) 據(jù)樣本的分布區(qū)間，利用馬氏距離所提取的異常數(shù)據(jù)樣本與原始數(shù)據(jù)樣本進(jìn)行比對(duì)，可驗(yàn) 證方法的有效性。
【專利摘要】本發(fā)明提供一種基于相關(guān)分析和馬氏距離的變壓器在線監(jiān)測(cè)信息聚合分析方法，屬于電力系統(tǒng)高壓設(shè)備的狀態(tài)監(jiān)測(cè)技術(shù)領(lǐng)域。本發(fā)明的技術(shù)方案是利用變壓器在線監(jiān)測(cè)獲得的多維信息，首先進(jìn)行數(shù)據(jù)歸一化和標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)處理，其次對(duì)預(yù)處理后的數(shù)據(jù)以當(dāng)前采樣點(diǎn)的前M個(gè)點(diǎn)構(gòu)成一組時(shí)窗長(zhǎng)度進(jìn)行局部相關(guān)系數(shù)的計(jì)算。再次，利用所獲得的原始多維信息特征矩陣計(jì)算各樣本與分布中心的馬氏距離，提取距離大于距離整定值z(mì)set的數(shù)據(jù)異常樣本，基于異常樣本找到與之對(duì)應(yīng)的原始異常數(shù)據(jù)樣本，最終進(jìn)行數(shù)據(jù)異常驗(yàn)證說(shuō)明。經(jīng)仿真表明，使用距離中心的馬氏距離，不僅可以定性檢測(cè)出異常，而且還可以定量表示異常程度，便于運(yùn)行人員感知運(yùn)行態(tài)勢(shì)。
【IPC分類】G06F17/50
【公開號(hào)】CN105279315
【申請(qǐng)?zhí)枴緾N201510631520
【發(fā)明人】束洪春, 呂蕾, 董俊, 孟祥飛, 盧楊
【申請(qǐng)人】昆明理工大學(xué)
【公開日】2016年1月27日
【申請(qǐng)日】2015年9月29日