基于大数据分析的输变电设备状态数据异常检测方法

张程伟赵晓丹

国网河南省电力公司灵宝市供电公司河南省灵宝市472500

摘要：以大数据为基础来分析的有关输变电设备状态的数据异常检测方法，通过数据的变化与数据间的联系等方面达到对异常状态的检测，并且深一层的指出异常检测的体系，在采用输变电设备情况下对数据流进行监测，确保可以及时的测出数据流当中所存在的异常情况。

关键词：大数据分析；输变电设备；数据异常检测

输变电的设备在正常运行的过程中经常会受到负荷、过电压、内部绝缘出现老化的现象以及自然环境等方面因素发生的异常情况所影响，如此异常情况常常会造成设备产生缺陷的现象，所以对于设备的状态进行异常情况的检测是非常重要的，应该引起人们的高度重视。

1.单状态量的数据流其特征量的采集

1.1自回归式的模型

时间序列形式的自回归模型基本上都应用于工业当中，其最大的特点是具有超强记忆功能的AR程序，在时间的维度t值上通常需要通过以往时间内的行为数据，这与设备运行中的低动态性非常的相符。输变电的设备在正常的运行当中一些状态量的变化相较小些，比如，导线的拉力与接地的电流等，如此状态量的数据值时常归属平稳的序列当中，可以直接的应用在AR模拟整合当中；除此之处，仍有一些状态量会随着时间变化面显示出周其性的变化，但变化的幅度会比较小，比如，油的温度、环境的温度等，把它的日周期性变化原因排除以后也可通过AR实施模拟整合操作，所以对于状态数据也可通过一阶段的AR实施模型的模拟整合。

1.2时间序列的量化行为

2.多状态量的数值流特点选定

由于设备属性与运行时的状况和环境的差异因素等的影响，一般会使设备状态的监测量，大多是参量间的相关性不能给予准确性的函数表示。比如变压器中的热点温度、油温度、环境的温度与负荷量等数据值时常需利用热平衡的方程来说明，但热平衡方程的参数量很多且在高温的环境当中会发生计算不准的现象，从而导致热点的温度数值发生异常不能给予正确的测定。利用覆盖冰层的输电线路来进行说明，把在线的监测参数Z当成是一项三维的数组，通过DBSCAN的计算方法实施类型的聚合[2]。如一项三维的数组和全部簇中点距离都大于某一指定值R，那就说明这项数据不归属任一项簇组，所以在某一参量出现异常时进而使这一多维的数组中的Z不归属任一簇时，便可以确定这一时段的多维数值出现了异常的情况。

出现异常时对其检测的具体步骤

针对在线监测数据所进行的通过异常检测的流程。1）针对各项参数值的以往数据，利用单状态量的数值流特征量取得计算方法来对其转移的概率矩阵模型实行计算。2）针对所有项参量的以往数据值，利用多状态量的数值流特征量取得的计算方法来对多元时间的序列进行聚合的处理，从而以数据值能够被聚集成m个簇[3]。3）把实时的监测所获得的数据流信息录进转移概率的矩阵中，由此获得不同的参量转移概率序列，以此通过不同的时间点中的数据是不是为多状态量的数据流特征量的m聚类进行有效的鉴别。4）参照以上的确定结果对数据流运用异常检测，当中异常检测的表述是：在各种不同参量值的转移概率序列都没有0值的时候，并且同时数据流当中各时间段数据从归属m簇中1项的时候，这段数据就是没有异常存在的状态；在铬参量转移概率序列当中有少量0值存在时，并且数据流中少数的时间段数据都不是m簇时，那这一段的数据中则有少量的噪声点存在，如此就是传感器的状态发生异常了，可以忽略；如k个参数量的转移概率序列具有连续性的整段0值时，那数据流内的较大一段时间数据都不归属m簇，同时便可确定设备发生了异常的运行状况；对于设备产生的异常情况，可参照参量转移概率序列通过0点的位置情况，明确设备出现异常现象的具体的时间段。

结束语

以上分析的方法与其优点是为了可以综合多元状态量的以往数据与最新的数据，并且同时能够达到对于动态数据异常的检测，和普通的阈值鉴别方法相比较来说明其精准程度要相对较高些。当设备在检测时检测出异常的情况以后，这一种检测的方法也存有不同程度的不足，在未来的工作中需持续的进行创新和完善，防止因为外界条件因素所导致的异常影响。

参考文献

[1]李剑，刘兴鹏，王有元．以箱壁温度为判据的油浸式变压器绕组热点温度计算模型及试验分析[J]，高电压技术，2011，37(10)：2344-2349．

[2]姚欣歆，刘英博，赵炯，等．面向设备群体的工况数据异常检测方法[J]．计算机集成制造系统，2013，19(12)：2993-3001．

[3]杨丽君，廖瑞金，孙才新，等．油纸绝缘的局部放电特征量分析及危险等级评估方法研究[J]．中国电机工程学报，2011，31(1)：123-130．