基于油中溶解气体Canopy高维模型的变压器异常状态快速识别方法

在线油中溶解气体数据是电力变压器重要状态参数,故障诊断前首先要识别异常。针对当前异常识别方法受数据波动、缺失影响大及运算时间长的问题,提出基于油中溶解气体Canopy高维模型的变压器异常状态快速识别方法。该文分析在线油中溶解气体数据质量,提出基于滑窗的离群点识别方法,引入波动系数评价数据质量,根据特征气体波动系数建立变权高维空间,抑制识别中波动大的气体影响。针对缺失值,在变权高维空间上利用Canopy簇合并算法对状态进区分,结合异常事件库对异常状态进行识别。对比该方法与K-Means聚类算法,该方法可改善状态边界数据的分类效果,并减小计算量。将该方法应用于现场检测,可有效识别未达到注意阈值的过热异常案例,并且避免数据质量差导致的过阈值误报。