基于OPTICS的变电设备状态监测异常数据过滤算法

被引：13

作者：

张强 ^{[1
]}

王序文 ^{[2
]}

王小捷 ^{[3
]}

陈光 ^{[1
]}

刘娟 ^{[1
]}

机构：

[1] 国网电力科学研究院

[2] 中国医学科学院医学信息研究所

[3] 北京邮电大学

来源：

电力信息与通信技术 | 2015年 / 13卷 / 06期

关键词：

异常数据; OPTICS聚类; 状态监测; 数据挖掘;

D O I：

10.16543/j.2095-641x.electric.power.ict.2015.06.003

中图分类号：

TP311.13 []; TM63 [变电所];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对变电一次设备状态监测中普遍存在的异常数据问题,提出了一种基于点排序识别聚类结构(Ordering Points to Identify the Clustering Structure,OPTICS)的状态监测异常数据过滤算法。通过对一次设备状态监测的历史数据进行异常数据特征分析,建立了基于密度聚类的异常数据过滤机制。并以某110 k V变电站一次设备变压器油色谱以及GIS SF6密度微水实验为例,对该算法的异常数据检测效果进行了验证。该算法与传统异常数据过滤算法的对比试验结果表明,该算法能够准确地识别异常数据的特征,有效过滤状态监测中的异常数据,显著降低噪声干扰,从而提高数据的可靠性。

引用

页码：8 / 14

页数：7

共 12 条

[1]

On estimation and influence diagnostics for the Grubbs’ model under heavy-tailed distributions.[J].Felipe Osorio;Gilberto A. Paula;Manuel Galea.Computational Statistics and Data Analysis.2008, 4

[2]

电气设备状态监测与故障诊断技术.[M].朱德恒等; 编著.中国电力出版社.2008,

[3]

变压器油中溶解气体分析和判断导则.[S].贾瑞君;薛辰东..2001,

[4]

基于改进k-means算法的海量智能用电数据分析 [J].