一种用于变压器的异常监控方法及系统与流程

本技术涉及数据处理领域，具体涉及一种用于变压器的异常监控方法及系统。

背景技术：

1、变压器是现代工业中使用比较广泛的一种设备，在变压器故障发生前，会出现一些异常的运行异常现象。因此在变压器工作运行过程中，值班人员需要认真的监视并且检查变压器的实际运行状况，主要查看变压器运行过程中发出的声音、振动、电压电流以及温度等变化情况，以判断是否存在运行异常，并对导致异常发生的原因、部位进行分析，从而采取有效措施加以处理。但是人工检测过程不具有实时性，因而不能够及时检测到异常状况。

2、由于变压器运行状态不同，其产生的声音、振动、电流等各种运行数据的取值不同。当变压器运行不正常时，就会产生一些异常的运行数据，因而异常的运行数据可以有助于变压器运行情况判定。因而需要获取异常数据。由于变压器在正常运行时，其产生的正常的运行数据会在一定范围内波动，即每种运行数据取值应该相似，而变压器在运行不正常时，其产生的异常的运行数据就会差异较大。因而可以通过聚类处理，将正常数据和异常数据分隔开，然后对每个类别中数据的异常情况进行分析得到异常的运行数据。进而根据异常数据来实现变压器异常监控。

3、在对变压器的每种运行数据进行聚类分析时，一般会采用k-means聚类，而这种聚类方法需要先预设一个类别数。当预设的类别数不够准确时，会导致聚类结果不够准确，从而无法将异常的运行数据和正常的运行数据分隔开。因而如何通过确定一个准确的类别数，来实现准确的将异常数据和正常数据分隔开成为一个亟待解决的问题。

技术实现思路

1、为了解决上述技术问题，本发明提供一种用于变压器的异常监控方法，所述方法包括：

2、获取变压器运行数据得到变压器异常检测矩阵；

3、对变压器异常检测矩阵的每行运行数据进行聚类处理得到每行运行数据的第一聚类结果，通过对每行运行数据的第一聚类结果中任意两个类别的均值之间的距离和两个类别的最近数据之间的距离得到第一类别距离函数，将第一类别距离函数的最小值对应的两个类别作为两个需合并类别；对第一聚类结果中的两个需合并类别进行合并处理得到第二聚类结果，根据第二聚类结果中各类别中各数据与同类别中各数据的之间的距离得到第二聚类结果中各类别各数据的第一聚合指标，根据第二聚类结果中各类别中各数据与其他类别中各数据之间的距离得到第二聚类结果中各类别各数据的第二聚合指标，根据各类别各数据的第一聚合指标和第二聚合指标得到第二聚类结果中每个类别的变换因子，将每个类别的变换因子均小于预设变换因子阈值作为类别合并截止条件，当第二聚类结果满足类别合并截止条件时，将第二聚类结果作为最佳聚类结果，当第二聚类结果不满足类别合并截止条件时，则获取第二聚类结果中的两个需合并类别，对第二聚类结果中的两个需合并类别进行类别合并处理得到第三聚类结果，以此类推，直至满足类别合并截止条件得到最佳聚类结果；

4、根据最佳聚类结果得到异常数据集合，根据异常数据集合中各异常数据的偏离程度和异常数据的异常影响情况得到变压器异常监控指标，根据变压器的异常监控指标得到异常监控结论。

5、优选的，所述通过对每行运行数据的第一聚类结果中任意两个类别的均值之间的距离和两个类别的最近数据之间的距离得到第一类别距离函数，包括的具体步骤为：

6、第一类别距离函数为：

7、

8、其中，分别表示类别a和类别b，min()表示最小值函数，表示第一类别距离函数，表示类别a的均值数据与类别b的均值数据之间的欧式距离，分别表示类别a中的第f个数据和类别b中的第g个数据，表示数据与数据之间的欧式距离，g表示类别a中数据的个数，f表示类别b中数据的个数。

9、优选的，所述根据第二聚类结果中各类别中各数据与同类别中各数据的之间的距离得到第二聚类结果中各类别各数据的第一聚合指标，包括的具体步骤为：

10、获取第二聚类结果中的各类别的各数据与同类别中其他各数据的欧式距离，将各类别各数据与同类别中其他各数据的欧式距离按升序排列得到各类别各数据的第一距离序列，将各类别各数据的第一距离序列中所有数据的中位数作为各类别各数据的第一聚合指标。

11、优选的，所述根据第二聚类结果中各类别中各数据与其他类别中各数据之间的距离得到第二聚类结果中各类别各数据的第二聚合指标，包括的具体步骤为：

12、获取第二聚类结果中的各类别各数据与其他各类别中各数据的欧式距离，将各类别各数据与其他各类别中各数据的欧式距离按升序排列得到各类别各数据与其他各类别的第二距离序列，将各类别各数据与其他各类别的第二距离序列中所有数据的中位数作为各类别各数据与其他各类别的第二聚合指标，将各类别各数据与其他所有类别的第二聚合指标的均值作为各类别各数据的第二聚合指标。

13、优选的，所述根据各类别各数据的第一聚合指标和第二聚合指标得到第二聚类结果中每个类别的变换因子，包括的具体步骤为：

14、第s个类别中第k个数据的变换因子计算公式为：

15、

16、其中，表示第s个类别中第k个数据的第一聚合指标，表示第s个类别中第k个数据的第二聚合指标，表示第s个类别中第k个数据的变换因子；

17、利用变换因子计算公式得到每个类别中每个数据的变换因子，将每个类别中所有数据的变换因子均值作为每个类别的变换因子。

18、优选的，所述根据最佳聚类结果得到异常数据集合，包括的具体步骤为：

19、基于最佳聚类结果，获取变压器异常检测矩阵中每行运行数据的各类别数据，获取每行运行数据的各类别数据的均值，设置每行运行数据的标准数据；

20、根据每行运行数据的各类别数据的均值和每行运行数据的标准数据得到每行运行数据的各类别的异常程度：

21、

22、其中，表示第x行运行数据的标准数据，表示第x行运行数据的第t个类别的均值，表示第x行运行数据的第t个类别的异常程度，表示取绝对值函数；

23、将异常程度大于预设异常程度值的类别划分为异常类别，将异常类别中的数据称为异常数据，将异常数据构成的集合称为异常数据集合。

24、优选的，所述根据异常数据集合中各异常数据的偏离程度和异常数据的异常影响情况得到变压器异常监控指标，包括的具体步骤为：

25、变压器异常监控指标计算公式为：

26、

27、

28、

29、其中，a表示异常数据集合，v表示异常数据集合中包含的异常数据个数，q表示变压器异常监控指标，表示第x行第y个异常数据的偏离指标，表示第x行第y个异常数据的权值因子，表示第x行运行数据中的第y个异常数据，表示异常数据所在行的所有运行数据的信息熵，表示第i行所有运行数据的信息熵，m表示变压器异常检测矩阵的行数，表示第x行运行数据的标准数据，表示取绝对值函数。

30、优选的，所述根据变压器的异常监控指标得到异常监控结论，包括的具体步骤为：

31、当变压器异常监控指标大于预设异常监控阈值时，判定变压器存在异常，当变压器异常监控指标小于预设异常监控阈值时，判定变压器不存在异常。

32、一种用于变压器的异常监控系统，所述系统包括：

33、数据采集模块、数据处理模块、预警控制模块，其中数据采集模块用于采集变压器运行数据，数据处理模块通过调用计算机程序实现一种用于变压器的异常监控方法得到变压器异常监控结论，预警控制模块根据变压器监控结论进行预警控制。

34、本发明实施例至少具有如下有益效果：设置预设类别数，根据预设类别数据对变压器运行数据进行聚类处理得到第一聚类结果，考虑到预设类别数设置不准确导致第一聚类结果不准确的现象，首先根据第一聚类结果中数据的聚合性情况来构建类别合并模型实现类别合并处理，然后在类别合并过程中，通过分析各类别的聚合性情况得到各类别的变换因子，根据各类别的变换因子确定类别合并截止条件，结合类别合并模型和类别合并截止条件完成类别合并得到最佳聚类结果，最佳聚类结果能够较准确的反映运行数据的类别情况，为后续异常分析提供基础。

35、基于最佳聚类结果，通过分析各类别数据偏离标准运行数据的情况得到异常数据集合，根据异常数据集合中各异常数据偏离标准运行数据的情况和各异常数据的异常影响程度得到变压器的异常监控指标，根据异常监控指标得到变压器的异常监控结论，从而实现变压器准确的异常监控。