[發明專利]一種電力變壓器狀態監測數據的清洗方法

在審

• 申請號: 201911032677.2
• 申請日: 2019-10-28
• 公開（公告）號: CN110866604A
• 公開（公告）日: 2020-03-06
• 發明（設計）人: 高樹國;夏彥衛;李剛;劉云鵬;張博;許自強;臧謙;趙軍;劉宏亮
• 申請（專利權）人: 國網河北省電力有限公司電力科學研究院;華北電力大學（保定）
• 主分類號: G06N7/00
• 分類號: G06N7/00;G06N3/04;G06N3/08
• 代理公司: 石家莊冀科專利商標事務所有限公司 13108
• 代理人: 李羨民;高錫明

一種電力變壓器狀態監測數據的清洗方法，所述方法針對油浸式電力變壓器油中氣體的監測數據建立堆棧降噪自編碼器，并在逐個訓練堆棧降噪自編碼器中的每一個自編碼器之后，再進行堆疊和微調處理，得到最終的堆棧降噪自編碼器數據清洗模型，最后將油浸式電力變壓器油中氣體的監測數據輸入到堆棧降噪自編碼器數據清洗模型進行處理，達到對原始數據進行降噪的目的。本發明以堆棧降噪自編碼器為理論基礎建立數據清理模型，同傳統基于統計方法的數據清洗方式相比，該方法從數據本質特征出發，擺脫了數據指標化評判標準的束縛，能夠較好地消除數據噪聲，為設備狀態評估和設備壽命預測等工作提供可靠的監測數據。

技術領域

本發明涉及一種電力變壓器狀態監測數據的清洗方法，該方法可消除數據噪聲，為設備狀態評估和設備壽命預測等工作提供可靠的監測數據，屬于變壓器技術領域。

背景技術

電力變壓器是電力系統中的核心部件之一，為確保其高效、持久、穩定運行，諸多電力變壓器狀態評估方法和故障診斷方法應運而生。同時，隨著現今各種傳感器技術的應用普及，針對電力變壓器可采集的監測數據的數據量和數據維度，都呈現爆發式增長，逐漸顯現出多源異構的數據特性。

由于電力變壓器運行工況不同、通信線路存在損耗等原因，從遠端變壓器處所采集的狀態數據往往會夾雜諸多噪聲等信息，這就為后續的設備狀態評估工作帶來了一定的影響，導致評估誤差增大，進而影響電力系統的正常工作。因此，針對電力變壓器狀態監測數據的數據清理就顯得尤為重要。

對于數據清洗問題，國內外學者主要圍繞數據異常值監測，缺失數據值修復，去除數據噪聲等方面展開研究工作。由于數據清洗的具體原則具有較強的針對性，需要結合具體應用場景和數據采集對象建立相應的數據清洗策略，針對電力變壓器狀態監測數據的數據清洗方法主要有兩類：

一類是基于統計學理論的數據清洗方法，該方法對單一或者低維度數據有比較有效的預處理效果；另一類是基于數據挖掘的清理方法，例如，基于時間序列分析的數據清理方法；基于機器學習深度學習的研究方法，可以從數據本質特征入手對數據進行符合數據特點的降噪處理。

在數據清洗過程中，由于相同的數據可以分析不同的數據用例，如果僅僅使用一個用例的業務規則對原始數據集進行轉換，可能會對另一個用例的使用造成負面影響。

同時，在傳統數據質量研究方式中，數據維度被映射到既定的數據質量評判框架中，因此，需要針對變壓器狀態參量等諸多數據進行調查研究，判斷哪些維度的數據更為重要，并建立相應的數據質量評判框架。

目前國內外已有許多與數據清洗相關的研究成果，婁建樓等人針對風電機組風速功率數據提出最優組內方差清洗算法，該方法對孤立點的清洗效果較差，且風速區間對初始閾值的選取有一定的挑剔性，同時難以處理高數據維度。嚴英杰等人在對設備故障信息異常數據進行清洗的過程中，通過一種基于時間序列分析的數據清洗方法，用雙循環迭代檢驗法對導線溫度數據和油中氣體CH₄的監測，達到修正數據噪聲點和填補數據空缺值的目的，并取得較好實驗效果，但使用這種方法清洗后的時間序列與原始時間序列的異常值發生時刻附近存在較大誤差。同樣，嚴英杰等人通過采用單狀態量數據的時間序列自回歸模型處理設備狀態量，并采用自組織神經網絡對時間序列進行了量化，對設備多狀態量數據進行挖掘，與基于設備狀態量閾值判定設備狀態是否異常的判定方法相比，簡化了設備狀態量多維參量的復雜相關關系，但其處理結果容易受到外界環境異常帶來的影響。但現階段，針對電力設備日常監測數據的數據清洗模型研究較少，研究者更多關注的是所獲取的狀態監測數據為后續的設備狀態評估和設備壽命預測等工作所帶來的幫助，缺少專門針對電力設備狀態監測數據的清洗修正方法的研究。

發明內容

本發明的目的在于針對現有技術之弊端，提供一種電力變壓器狀態監測數據的清洗方法，以消除數據噪聲，為設備狀態評估和設備壽命預測等工作提供可靠的監測數據。

本發明所述問題是以下述技術方案解決的：