一种配电变压器故障检测方法及系统与流程

本发明涉及数据处理，尤其涉及一种配电变压器故障检测方法及系统。

背景技术：

1、配电变压器作为电力系统中的重要设备，其技术创新一直备受关注。近年来，随着智能电网、新能源等领域的发展，配电变压器的技术创新也呈现出多元化的趋势。对变压器的局部区域放电检测是一种常见的故障检测手段，通过检测局部区域放电可以及早发现潜在的问题，从而采取措施避免更严重的故障发生，通过对局部区域放电的检测，可以降低其运行成本，为电力系统的稳定运行提供了有力保障。

2、公告号为cn113469257b的专利文件公开了一种配电变压器故障检测方法和系统。所述配电变压器故障检测方法通过采用基于鲁棒多核极限学习机-自编码器的配电变压器故障检测模型，基于实时获取的配电变压器运行过程中的监测数据得到检测结果，以解决数据不平衡问题和噪声干扰问题，进而提高故障检测率和降低故障误报率。

3、然而稳健随机分割森林（rrcf，robustrandomcutforest）算法相比上述专利文件的检测模型，rrcf算法更适用于实时数据流，并且计算效率更高，能够在数据流中快速检测异常点，同时rrcf算法的实现相对简单，易于部署和维护，对于实时系统来说，简单的实现意味着更低的维护成本。

4、rrcf算法是一种面向动态数据量的异常检测算法，该算法在数据流上动态维护随机分割树的分布，并根据新样本点的插入或删除对分割树复杂度的影响来评判其异常程度。在利用rrcf对配电变压器的区域放电数据进行异常检测时，由于区域放电数据为时序数据，rrcf算法在处理时序数据时需要定期更新模型以适应数据的变化，而在每次更新模型时传统rrcf模型往往采用固定的分割树数量进行异常检测，但由于配电变压器周围环境问题导致不同时间的噪声影响不同，如果采用固定的分割树数量会导致rrcf算法无法适应变压器局部放电数据的变化，从而导致异常检测效果不佳，影响配电变压器故障检测的准确性。

技术实现思路

1、为了解决固定的分割树数量会导致rrcf算法无法适应变压器局部放电数据的变化，从而导致异常检测效果不佳，影响配电变压器故障检测的准确性的问题，本发明提供一种配电变压器故障检测方法及系统。

2、第一方面，本发明提供一种配电变压器故障检测方法，采用如下的技术方案：

3、一种配电变压器故障检测方法，包括：实时获取配电变压器上各位置区域的数据序列；通过对各数据点的预设的局部范围内所有数据点及其下一数据点进行曲线拟合，确定各数据序列内各数据点的噪声表现程度，噪声表现程度与曲线拟合时的误差正相关；根据数据序列和其邻域中其它数据序列内对应数据点的预设的局部范围的序列之间的相关性对该数据点的噪声表现程度进行修正，修正后的噪声表现程度与该数据点的噪声表现程度正相关，与所述相关性负相关；确定各数据序列的噪声影响程度，噪声影响程度与该数据序列中各数据点的修正后的噪声表现程度正相关；根据各数据序列的噪声影响程度确定对应位置区域使用rrcf模型检测时的自适应分割树数量，第一次自适应分割树数量与预设的分割树数量、第一次的该数据序列的噪声影响程度正相关，后续每次自适应分割树数量与上次自适应分割树数量、本次和上次的该数据序列的噪声影响程度之比正相关；通过rrcf模型的自适应分割树数量对配电变压器在各位置区域的数据序列检测，得到各位置区域的异常值，以便进行配电变压器故障检测。

4、有益效果在于：通过实时获取数据、评估和修正噪声表现程度，并利用rrcf模型的自适应分割树数量，能够有效地识别和量化变压器在不同位置的异常，从而提供更为精准和可靠的故障检测，因此，本方法通过综合考虑数据序列中的噪声表现程度及其变化趋势来提高故障检测的准确性；同时本方法通过精细化处理和动态调整有助于及时发现潜在问题，降低维护成本，提高变压器的运行安全性。

5、进一步地，所述曲线拟合为利用最小二乘法进行曲线拟合，曲线拟合时横坐标为各数据序列内数据点的时间顺序，纵坐标为各数据序列内数据点的值。

6、进一步地，所述各数据序列内各数据点的噪声表现程度满足如下关系式：

7、；式中，表示第个数据序列内第个数据点的噪声表现程度，表示第个数据序列内第个数据点的预设的局部范围内数据点的数量，表示第个数据序列内第个数据点的预设的局部范围内所有数据点在利用最小二乘法进行曲线拟合时的拟合曲线的函数式，表示第个数据序列内第个数据点的预设的局部范围内第个数据点及个数据点在利用最小二乘法进行曲线拟合时的连线的函数式，表示积分符号，表示微分符号。

8、有益效果在于：通过计算拟合曲线与数据点连线之间的差异，量化了数据序列中每个数据点的噪声表现程度，从而帮助识别和处理噪声较大的数据点，提高数据分析和建模的精确性，进而提升预测或分析结果的可靠性。

9、进一步地，所述修正后的噪声表现程度满足如下关系式：

10、；式中，表示第个数据序列内第个数据点的修正后的噪声表现程度，表示第个数据序列内第个数据点的噪声表现程度，表示第个数据序列邻域内数据序列的数量，表示第个数据序列内第个数据点的预设的局部范围的序列，表示第个数据序列邻域中第个数据序列内和第个数据点时间顺序相对应的数据点的预设的局部范围的序列，表示自然指数函数，表示皮尔逊相关系数函数。

11、有益效果在于：通过将皮尔逊相关系数和指数衰减结合，修正后的噪声表现程度能更准确地反映数据点在其邻域中的噪声影响，从而减少了噪声对检测结果的干扰，并且通过考虑邻域数据序列的相关性，有助于更准确地识别异常数据点，进而提升故障检测的可靠性和准确性。

12、进一步地，所述各数据序列的噪声影响程度满足如下关系式：

13、；式中，表示第个数据序列的噪声影响程度，表示第个数据序列内数据点的个数，表示第个数据序列内第个数据点的修正后的噪声表现程度。

14、有益效果在于：通过对整个数据序列内的修正噪声表现程度求平均，提供了一个全局性的噪声影响评估，能更全面地反映数据序列中的整体噪声水平，避免了局部噪声对整体评估的偏差。

15、进一步地，所述第一次自适应分割树数量满足如下关系式：

16、；式中，表示第个数据序列对应位置段第一次自适应分割树数量，表示预设的分割树数量，表示第一次的第个数据序列的噪声影响程度，表示向上取整函数。

17、有益效果在于：根据噪声影响程度自适应调整分割树数量，使得rrcf模型更具灵活性，能够根据数据特性优化分割策略，适应不同的噪声环境；通过动态调整分割树数量，模型可以在噪声较大的数据序列中更精确地捕捉数据特征，在噪声较小的数据序列中保持高效处理，从而提升整体性能和稳定性。

18、进一步地，所述后续每次自适应分割树数量满足如下关系式：

19、；式中，表示第个数据序列对应位置段本次自适应分割树数量，表示第个数据序列对应位置段上次自适应分割树数量，表示本次的第个数据序列的噪声影响程度，表示上次的第个数据序列的噪声影响程度，表示向上取整函数。

20、有益效果在于：通过根据噪声影响程度动态调整分割树的数量，可以更有效地分配计算资源，在噪声较高的情况下增加分割树数量，可以更细致地处理数据，而在噪声较低的情况下减少分割树数量，则可以节省计算资源，提升计算效率；通过调整每次分割树的数量，可以避免在每一步中都使用大量的树结构，减少计算时间和存储需求，提高整体处理效率。

21、进一步地，所述进行配电变压器故障检测，包括：响应于异常值大于预设的异常阈值，认定该位置区域异常，并发出预警提示，完成配电变压器故障检测。

22、第二方面，本发明提供一种配电变压器故障检测系统，采用如下的技术方案：

23、一种配电变压器故障检测系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述一种配电变压器故障检测方法。

24、通过采用上述技术方案，将上述的一种配电变压器故障检测方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而根据存储器及处理器制作终端设备，方便使用。

25、本发明具有以下技术效果：

26、传统rrcf往往采用固定的分割树数量，而在配电变压器的局部放电数据中，由于周围环境、配电变压器的运行状态都会导致其噪声影响的变化，因此如果使用固定的分割树数量就会导致rrcf模型出现将异常点检测为正常或将正常点检测为异常，通过分析各数据序列的噪声影响程度，自适应rrcf模型中分割树数量，在噪声影响程度较低的情况下，减少分割树数量，节约计算资源，提升计算效率；而在噪声影响程度较高的情况下，增加分割树的数量以提高模型的敏感度，更好的捕捉异常信号，显著提高rrcf算法异常检测的效率，更准确地识别异常，从而减少误报、漏报的情况，提高检测准确性。