本發(fā)明涉及輸變電設備檢測領域,具體涉及一種多維度實時變電設備數(shù)據(jù)的閾值自適應設置異常檢測方法。

背景技術：

眾所周知，設備的運行狀態(tài)對于電廠生產(chǎn)影響巨大，設備在正常工況運行過程中體現(xiàn)出來的功能特征、表象特征以及電氣特征與異常狀態(tài)下的特征是有差異的。根據(jù)設備狀態(tài)預警，做出檢修計劃，將節(jié)省電廠巨大的人力、物力、財力，具有非常大的經(jīng)濟潛力。

目前，在設備狀態(tài)預警方面，設備生產(chǎn)廠商根據(jù)制造工藝設定各個部件不同預警級別的閾值方法，現(xiàn)有設備異常檢測方法采用靜態(tài)閾值設置的方法，即以現(xiàn)有數(shù)據(jù)平均值為基準，上下分別以均值的固定百分比(例如150％、300％)作為上下閾值，進行數(shù)據(jù)異常檢測。

上下閾值之間的區(qū)域為“正?！眳^(qū)域，上下閾值之外的區(qū)域為“異?！眳^(qū)域。靜態(tài)閾值設置無法反映數(shù)據(jù)的動態(tài)實時特點。閾值上下界設置采用業(yè)務專家的主觀經(jīng)驗，無法反映數(shù)據(jù)客觀規(guī)律。閾值的確定直接影響了對于變電設備的檢測精度以及數(shù)據(jù)處理的效率，然而目前靜態(tài)閾值的方式已經(jīng)無法滿足日趨復雜的變電設備檢測。

技術實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種多維度實時變電設備數(shù)據(jù)的閾值自適應設置異常檢測方法，解決變電設備狀態(tài)參數(shù)異常檢測閾值區(qū)間較多依賴變電設備專家離線計算及主觀經(jīng)驗，而無法根據(jù)設備運行實時狀態(tài)自適應方式變化的問題，采用了多種歸一化方式進行數(shù)據(jù)處理，并且對采集的實時測點數(shù)據(jù)首先進行多重的去野值判斷，提高了數(shù)據(jù)的有效性和處理效率。

本發(fā)明提供了一種多維度實時變電設備數(shù)據(jù)的閾值自適應設置異常檢測方法，依次包括如下步驟：

步驟1：在變電系統(tǒng)數(shù)據(jù)庫里，找到變電設備的所有歷史指標信息，選取一段時間內變電設備在正常運行狀態(tài)下和非正常運行狀態(tài)下的歷史數(shù)據(jù)；

步驟2：

A.對選取的變電設備的正常運行狀態(tài)下的歷史數(shù)據(jù)按照如下公式進行歸一化處理：

其中，h_n1為h₁歸一化后的值，h_max1和h_min1分別為變電設備正常運行狀態(tài)下的歷史數(shù)據(jù)的最大值和最小值，h₁為變電設備正常運行狀態(tài)下的歷史數(shù)據(jù)；

B.對選取的變電設備的非正常運行狀態(tài)下的歷史數(shù)據(jù)按照如下公式進行歸一化處理：

其中，h_n2為h₂歸一化后的值，h_max2和h_min2分別為變電設備非正常運行狀態(tài)下的歷史數(shù)據(jù)的最大值和最小值，h₂為變電設備非正常運行狀態(tài)下的歷史數(shù)據(jù)；

步驟3：

A：將歸一化后的h_n1做平均值計算，得到平均值H1，并且設置閾值補償參數(shù)L1，設置正常狀態(tài)下初始野值濾除閾值的下限值為H1-L1，上限值為H1+L1，；

B：將歸一化后的h_n2做平均值計算，得到平均值H2，計算ΔH＝|H1-H2|，并且設置誤差閾值補償參數(shù)L2，設置非正常狀態(tài)下初始野值濾除誤差閾值的下限值為ΔH-L2，上限值為ΔH+L2；

步驟4:

A.將正常狀態(tài)下初始野值濾除閾值的下限值為H-L，上限值為H+L分別利用如下公式進行還原，得到還原后的初始野值濾除閾值的上、下限值：

B.將非正常狀態(tài)下初始野值濾除誤差閾值的下限值為ΔH-L2，上限值為ΔH+L2分別利用如下公式進行還原，得到還原后的初始野值濾除誤差閾值的上、下限值：

步驟5:實時獲取變電設備運行狀態(tài)多維度實時測點數(shù)據(jù)，判斷：

A：比較實時測點數(shù)據(jù)和初始野值濾除閾值的上、下限值的差值，如果差值沒有落入初始野值濾除閾值的上、下限值構成的閾值范圍，則剔除此實時測點數(shù)據(jù)，如果都落入則進入下一步驟；

B：判斷實時測點數(shù)據(jù)是否落入初始野值濾除閾值的上、下限值構成的閾值范圍，如果未落入則剔除此實時測點數(shù)據(jù)，如果落入則進行歸一化處理，獲得變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列；

步驟6:通過對變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列應用降維操作，產(chǎn)生變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列；

步驟7:應用可配置的預測器，對變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列進行預測計算，產(chǎn)生變電設備運行狀態(tài)的預測數(shù)據(jù)序列；

步驟8:應用變電設備運行狀態(tài)的實時數(shù)據(jù)及預測數(shù)據(jù)進行分值計算，得到變電設備運行狀態(tài)分值；

步驟9:確定變電設備運行狀態(tài)閾值區(qū)間，包括上閾值界、下閾值界；

步驟10:應用變電設備運行狀態(tài)閾值區(qū)間，判斷當前時刻分值是否在閾值區(qū)間范圍，判斷變電設備的狀態(tài)異常。

其中，步驟5中進行歸一化處理，獲得變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列具體為：

多維度實時變電設備參數(shù)x_t定義為t時刻變電設備數(shù)據(jù)集合，x⁽ⁱ⁾定義為多維度變電設備數(shù)據(jù)的第i維，i＝1，2，…，n，表示為：

x_t＝(x⁽¹⁾，x⁽²⁾，…，x⁽ⁱ⁾，…，x⁽ⁿ⁾)

對多維度實時變電設備參數(shù)x_t進行正規(guī)化，實現(xiàn)歸一化運算，

得到t時刻變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列到n_t，其中NOR(x_t)是正規(guī)化運算，||x_t||，是x_t的模。

其中，步驟6具體為對變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列n_t進行降維運算：

y_t＝PCA(n_t)

得到t時刻變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列y_t，其中PCA(x_t)是降維運算，通過對變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列應用降維操作，產(chǎn)生變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列。

其中，步驟7具體為：應用變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列y_t和變電設備運行狀態(tài)的實時數(shù)據(jù)及預測數(shù)據(jù)進行分值計算，

得到變電設備運行狀態(tài)分值到z_t。

其中，步驟9具體為：

[Q₁-1.5IQR，Q₃+1.5IQR]

其中，Q₁-1.5IQR為上閾值；Q₃+1.5IQR為下閾值；四分位數(shù)間距IQR＝Q₃-Q₁。

其中，步驟10具體為：使用變電設備運行狀態(tài)分值到z_t與變電設備運行狀態(tài)閾值區(qū)間[Q₁-1.5IQR，Q₃+1.5IQR]進行比較，如果z_t在該區(qū)間范圍，則變電設備狀態(tài)正常；否則，變電設備狀態(tài)異常。

本發(fā)明的多維度實時變電設備數(shù)據(jù)的閾值自適應設置異常檢測方法，可以實現(xiàn)：

解決變電設備狀態(tài)參數(shù)異常檢測閾值區(qū)間較多依賴變電設備專家離線計算及主觀經(jīng)驗，而無法根據(jù)設備運行實時狀態(tài)自適應方式變化的問題，利用特定順序和特殊的處理方式，并且采用了多種歸一化方式進行數(shù)據(jù)處理，并且對采集的實時測點數(shù)據(jù)首先進行多重的去野值判斷，提高了數(shù)據(jù)的有效性和處理效率，提高了運算效率，并且能夠實時快速、自動化的檢測設備異常情況。

附圖說明

圖1為野值濾除閾值處理流程圖

圖2為變電設備參數(shù)異常檢測方法流程圖

具體實施方式

下面詳細說明本發(fā)明的具體實施，有必要在此指出的是，以下實施只是用于本發(fā)明的進一步說明，不能理解為對本發(fā)明保護范圍的限制，該領域技術熟練人員根據(jù)上述本發(fā)明內容對本發(fā)明做出的一些非本質的改進和調整，仍然屬于本發(fā)明的保護范圍。

本發(fā)明提供了一種多維度實時變電設備數(shù)據(jù)的閾值自適應設置異常檢測方法，如圖1和2所示，具體包括如下的步驟：

步驟1：在變電系統(tǒng)數(shù)據(jù)庫里，找到變電設備的所有歷史指標信息，選取一段時間內變電設備在正常運行狀態(tài)下和非正常運行狀態(tài)下的歷史數(shù)據(jù)；

步驟2：

A.對選取的變電設備的正常運行狀態(tài)下的歷史數(shù)據(jù)按照如下公式進行歸一化處理：

其中，h_n1為h₁歸一化后的值，h_max1和h_min1分別為變電設備正常運行狀態(tài)下的歷史數(shù)據(jù)的最大值和最小值，h₁為變電設備正常運行狀態(tài)下的歷史數(shù)據(jù)；

B.對選取的變電設備的非正常運行狀態(tài)下的歷史數(shù)據(jù)按照如下公式進行歸一化處理：

其中，h_n2為h₂歸一化后的值，h_max2和h_min2分別為變電設備非正常運行狀態(tài)下的歷史數(shù)據(jù)的最大值和最小值，h₂為變電設備非正常運行狀態(tài)下的歷史數(shù)據(jù)；

步驟3：

A：將歸一化后的h_n1做平均值計算，得到平均值H1，并且設置閾值補償參數(shù)L1，設置正常狀態(tài)下初始野值濾除閾值的下限值為H1-L1，上限值為H1+L1，其中L1可以為根據(jù)實際需要濾除野值而設置的，也可以根據(jù)長時間變電設備的歷史數(shù)據(jù)做出的經(jīng)驗選擇，例如可以是0.1,0.2等；

B：將歸一化后的h_n2做平均值計算，得到平均值H2，計算ΔH＝|H1-H2|，并且設置誤差閾值補償參數(shù)L2，設置非正常狀態(tài)下初始野值濾除誤差閾值的下限值為ΔH-L2，上限值為ΔH+L2，其中L2可以為根據(jù)實際要濾除野值而設置的，也可以根據(jù)長時間變電設備的歷史數(shù)據(jù)做出的經(jīng)驗選擇，例如可以是0.03,0.05等；

步驟4:

A.將正常狀態(tài)下初始野值濾除閾值的下限值為H-L，上限值為H+L分別利用如下公式進行還原，得到還原后的初始野值濾除閾值的上、下限值：

B.將非正常狀態(tài)下初始野值濾除誤差閾值的下限值為ΔH-L2，上限值為ΔH+L2分別利用如下公式進行還原，得到還原后的初始野值濾除誤差閾值的上、下限值：

步驟5:實時獲取變電設備運行狀態(tài)多維度實時測點數(shù)據(jù)，判斷：

A：比較實時測點數(shù)據(jù)和初始野值濾除閾值的上、下限值的差值，如果差值沒有落入初始野值濾除閾值的上、下限值構成的閾值范圍，則剔除此實時測點數(shù)據(jù)，如果都落入則進入下一步驟；

B：判斷實時測點數(shù)據(jù)是否落入初始野值濾除閾值的上、下限值構成的閾值范圍，如果未落入則剔除此實時測點數(shù)據(jù)，如果落入則進行歸一化處理，獲得變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列；

進行歸一化處理，獲得變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列；

其中對測點數(shù)據(jù)進行歸一化運算，具體為；

多維度實時變電設備參數(shù)x_t定義為t時刻變電設備數(shù)據(jù)集合，x⁽ⁱ⁾定義為多維度變電設備數(shù)據(jù)的第i維，i＝1，2，…，n，表示為：

x_t＝(x⁽¹⁾，x⁽²⁾，…，x⁽ⁱ⁾，…，x⁽ⁿ⁾)

所述歸一化處理，是指對多維度實時變電設備參數(shù)x_t進行正規(guī)化，實現(xiàn)歸一化運算，

得到t時刻變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列到n_t，其中NOR(x_t)是正規(guī)化運算，||x_t||，是x_t的模。

其中所述變電設備包括(但不限于)開關刀閘、變壓器等，所述變電設備狀態(tài)參數(shù)包括(但不限于)電流、電壓、功率、功率因數(shù)、油溫、油中氣體數(shù)據(jù)等。

步驟6:通過對變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列應用降維操作，產(chǎn)生變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列；

對歸一化處理后的數(shù)據(jù)序列進行多維度變電設備數(shù)據(jù)降維，具體為：

所述進行降維操作，是指對變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列n_t進行降維運算：

y_t＝PCA(n_t)

得到t時刻變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列y_t，其中PCA(x_t)是降維運算，通過對變電設備運行狀態(tài)的實時多維度歸一化數(shù)據(jù)序列應用降維操作，產(chǎn)生變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列；所述降維運算PCA(x_t)包括(但不限于)離散余弦變換、主成分分析、離散小波變換等。

步驟7:應用可配置的預測器，對變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列進行預測計算，產(chǎn)生變電設備運行狀態(tài)的預測數(shù)據(jù)序列；

對變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列進行預測計算，產(chǎn)生變電設備運行狀態(tài)的預測數(shù)據(jù)序列，具體為：

所述預測計算，是指對變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列y_t進行預測計算，

得到t時刻變電設備運行狀態(tài)的預測數(shù)據(jù)序列其中AR(y_t)是預測器；其中所述預測器包括(但不限于)：多項式回歸預測器、支持向量機預測器、人工神經(jīng)網(wǎng)絡預測器、卡爾曼預測濾波器、決策樹回歸預測器。

步驟8:應用變電設備運行狀態(tài)的實時數(shù)據(jù)及預測數(shù)據(jù)進行分值計算，得到變電設備運行狀態(tài)分值；

利用變電設備實際數(shù)據(jù)與預測數(shù)據(jù)進行分值計算，得到當前時刻電設備運行狀態(tài)分值，具體為：

所述分值計算，是指應用變電設備運行狀態(tài)的實時降維數(shù)據(jù)序列y_t和變電設備運行狀態(tài)的實時數(shù)據(jù)及預測數(shù)據(jù)進行分值計算，

得到變電設備運行狀態(tài)分值到z_t；

步驟9:確定變電設備運行狀態(tài)閾值區(qū)間，包括上閾值界、下閾值界；

確定變電設備運行狀態(tài)閾值區(qū)間，包括上閾值界、下閾值界，計算正常閾值范圍，具體為：

所述變電設備運行狀態(tài)閾值區(qū)間，是指

[Q₁-1.5IQR，Q₃+1.5IQR]

其中，Q₁-1.5IQR為上閾值；Q₃+1.5IQR為下閾值；四分位數(shù)間距IQR＝Q₃-Q₁。

步驟10:應用變電設備運行狀態(tài)閾值區(qū)間，判斷當前時刻分值是否在閾值區(qū)間范圍，并做出變電設備運行狀態(tài)是否異常的結論。

所述判斷當前時刻分值是否在閾值區(qū)間范圍，并做出變電設備運行狀態(tài)是否異常的結論是指使用變電設備運行狀態(tài)分值到z_t與變電設備運行狀態(tài)閾值區(qū)間[Q₁-1.5IQR，Q₃+1.5IQR]進行比較，如果z_t在該區(qū)間范圍，則變電設備狀態(tài)正常；否則，變電設備狀態(tài)異常。

盡管為了說明的目的，已描述了本發(fā)明的示例性實施方式，但是本領域的技術人員將理解，不脫離所附權利要求中公開的發(fā)明的范圍和精神的情況下，可以在形式和細節(jié)上進行各種修改、添加和替換等的改變，而所有這些改變都應屬于本發(fā)明所附權利要求的保護范圍，并且本發(fā)明要求保護的產(chǎn)品各個部門和方法中的各個步驟，可以以任意組合的形式組合在一起。因此，對本發(fā)明中所公開的實施方式的描述并非為了限制本發(fā)明的范圍，而是用于描述本發(fā)明。相應地，本發(fā)明的范圍不受以上實施方式的限制，而是由權利要求或其等同物進行限定。