基于大數據分析的輸變電設備狀態數據異常檢測措施

鐘燕

摘要：文章結合相關的研究工作，提出了一種基于大數據分析手段下的檢測方法，由數據的演進過程、數據關聯等角度實現了對于異常情況有效檢測，并進一步提出了異常檢測體系，使其能夠使用在輸變電設備的狀態監測數據流中，促使數據流當中的異常狀況能夠得以及時測出。

關鍵詞：大數據；輸變電設備；異常檢測；時間序列；神經網絡 文獻標識碼：A

中圖分類號：TM764 文章編號：1009-2374（2016）29-0128-02 DOI：10.13535/j.cnki.11-4406/n.2016.29.058

在輸變電設備的日常運行過程中常常會遭受到負荷、過電壓、內部絕緣老化、自然環境等多方面異常狀況的影響，此類異常狀況往往會致使設備出現缺陷情況，因而針對設備狀態實施異常檢測十分重要，應當引起人們的重視與思考。

1 單狀態量數據流特征量提取

1.1 自回歸模型

時間序列的自回歸模型大多應用在許多工業過程之中，其主要的特點即為具備有極強記憶能力的AR系統，在時間維度的t值上往往需借助于從前時刻行為，這和設備運行過程當中的低動態性完全符合。輸變電設備在日常運行過程當中其一部分狀態量的改變程度相對較小，例如導線拉力、接地電流等內容，這些狀態量的數據信息往往從屬于平穩序列，能夠直接應用于AR擬合；此外還有一部分的狀態量會伴隨時間的推移而呈現出周期性的改變，但改變的幅度相對較小，例如油溫、環境溫度等情況，將其日周期性的改變因素排除后亦可借助于AR進行擬合，因而針對狀態數據則可利用一階AR進行模型擬合。……