摘要
针对欧式距离在某些数据集合相似性度量中存在区分能力差的缺点,本文提出基于双向KL(Kullback-Leibler)距离聚类算法的变压器状态异常检测一般模型及分析方法。以湖州市某变电站历史监测数据对上述模型进行算例分析,结果表明,该方法消除了欧式距离在变压器状态异常检测中的不足,可有效减少故障漏报信息,具有一定的实用价值。
Since the Euclidean distance has the disadvantage of poor distinguishing ability in the similarity measure of some data sets,ageneral model and analysis method of power transformer state anomaly detection based on bidirectional KL(Kullback-Leibler)distance clustering algorithm is proposed in this paper.The model is analyzed by the historical monitoring data of a substation in Huzhou.The results show that the method is effective and the accuracy is improved compared with the traditional method.
引文
[1]李刚,于长海,刘云鹏,等.电力变压器故障预测与健康管理:挑战与展望[J].电力系统自动化,2017,41(1):143-155.
[2]高树国,王学类,李庆民,等.基于MCD稳健统计分析的变压器油色谱异常值检测及分布特性[J].高电压技术,2014,40(11):3477-3482.
[3]熊鸣翔,宋人杰,宋俊杰.变压器油位巡检方法的探讨[J].变压器,2017,54(10):77-80.
[4]严英杰,盛戈皞,刘亚东,等.基于滑动窗口和聚类算法的变压器状态异常检测[J].高电压技术,2016,42(2):4020-4025.
[5]陈佳俊,陈玉峰,严英杰,等.基于时空联合聚类方法的输变电设备状态异常检测[J].南方电网技术,2015,9(11):65-72.
[6]杜文霞,句希源,吕锋.基于模糊聚类算法的变压器故障诊断研究[J].变压器,2009,46(8):65-69.
[7]廖瑞金,王谦,骆思佳,等.基于模糊综合评判的电力变压器运行状态评估模型[J].电力系统自动化,2008,32(3):70-74.
[8]赵文清,朱永利,姜波,等.基于贝叶斯网络的电力变压器状态评估[J].高电压技术,2008,34(5):1032-1039.
[9]阮羚,谢齐家,高胜友,等.人工神经网络和信息融合技术在变压器状态评估中的应用[J].高电压技术,2014,40(3):822-828.
[10] HUANG Y C.Condition assessment of power transformers using genetic-based neural networks science[J].IEEE,Proceedings of Science,Measurement and Technology,2003,150(1):19-24.
[11] PIERRE B.An introduction to probabilistic modeling[M].Heidelberg:Springer Science and Business Media,2004:34-40.
[12]石亚冰,黄予,覃晓,等.基于优化初始种子新策略的K-Means聚类算法[J].广西师范大学学报(自然科学版),2013,31(4):33-40.
[13]许震,沙朝锋,王晓玲,等.基于KL距离的非平衡数据半监督学习算法[J].计算机研究与发展,2010,47(1):81-87.
[14]姚志均,刘俊涛,周瑜,等.基于对称KL距离的相似性度量方法[J].华中科技大学学报(自然科学版),2011,39(11):1-6.
[15]谭飞刚,刘伟铭,黄玲,等.基于加权欧式距离度量的目标再识别算法[J].华南理工大学学报(自然科学版),2015,43(9):88-94.
[16]胡郁葱,陈杰,邹小健,等.基于两阶段聚类的电动自行车出行者选择研究[J].广西师范大学学报(自然科学版),2017,35(3):22-29.