一种多维度实时变电设备数据的阈值自适应设置异常检测方法与流程

技术特征：

1.一种多维度实时变电设备数据的阈值自适应设置异常检测方法，其特征在于，依次包括如下步骤：

步骤1：在变电系统数据库里，找到变电设备的所有历史指标信息，选取一段时间内变电设备在正常运行状态下和非正常运行状态下的历史数据；

步骤2：

A.对选取的变电设备的正常运行状态下的历史数据按照如下公式进行归一化处理：

$h_{n1}=\frac{2(h_1-h_{max1})}{(h_{max1}-h_{\min 1})}+1$

其中，h_n1为h₁归一化后的值，h_max1和h_min1分别为变电设备正常运行状态下的历史数据的最大值和最小值，h₁为变电设备正常运行状态下的历史数据；

B.对选取的变电设备的非正常运行状态下的历史数据按照如下公式进行归一化处理：

$h_{n2}=\frac{h_2-h_{\min 2}}{h_{\max 2}-h_{\min 2}}$

其中，h_n2为h₂归一化后的值，h_max2和h_min2分别为变电设备非正常运行状态下的历史数据的最大值和最小值，h₂为变电设备非正常运行状态下的历史数据；

步骤3：

A：将归一化后的h_n1做平均值计算，得到平均值H1，并且设置阈值补偿参数L1，设置正常状态下初始野值滤除阈值的下限值为H1-L1，上限值为H1+L1，；

B：将归一化后的h_n2做平均值计算，得到平均值H2，计算ΔH＝|H1-H2|，并且设置误差阈值补偿参数L2，设置非正常状态下初始野值滤除误差阈值的下限值为ΔH-L2，上限值为ΔH+L2；

步骤4:

A.将正常状态下初始野值滤除阈值的下限值为H-L，上限值为H+L分别利用如下公式进行还原，得到还原后的初始野值滤除阈值的上、下限值：

$\begin{array}{c}{h}_{down1}=\frac{1}{2}\[\left(H1-L1\right)-1)\](h_{\max 1}-h_{\min 1})+h_{\max 1}\\ h_{up1}=\frac{1}{2}\[\left(H1+L1\right)-1)\](h_{\max 1}-h_{\min 1})+h_{\max 1}\end{array};$

B.将非正常状态下初始野值滤除误差阈值的下限值为ΔH-L2，上限值为ΔH+L2分别利用如下公式进行还原，得到还原后的初始野值滤除误差阈值的上、下限值：

h_down2＝(ΔH-L2)(h_max2-h_min2)+h_min2

h_up2＝(ΔH+L2)(h_max2-h_min2)+h_min2；

步骤5:实时获取变电设备运行状态多维度实时测点数据，判断：

A：比较实时测点数据和初始野值滤除阈值的上、下限值的差值，如果差值没有落入初始野值滤除阈值的上、下限值构成的阈值范围，则剔除此实时测点数据，如果都落入则进入下一步骤；

B：判断实时测点数据是否落入初始野值滤除阈值的上、下限值构成的阈值范围，如果未落入则剔除此实时测点数据，如果落入则进行归一化处理，获得变电设备运行状态的实时多维度归一化数据序列；

步骤6:通过对变电设备运行状态的实时多维度归一化数据序列应用降维操作，产生变电设备运行状态的实时降维数据序列；

步骤7:应用可配置的预测器，对变电设备运行状态的实时降维数据序列进行预测计算，产生变电设备运行状态的预测数据序列；

步骤8:应用变电设备运行状态的实时数据及预测数据进行分值计算，得到变电设备运行状态分值；

步骤9:确定变电设备运行状态阈值区间，包括上阈值界、下阈值界；

步骤10:应用变电设备运行状态阈值区间，判断当前时刻分值是否在阈值区间范围，判断变电设备的状态异常。

2.如权利要求1所述的方法，其特征在于：步骤5中进行归一化处理，获得变电设备运行状态的实时多维度归一化数据序列具体为：

多维度实时变电设备参数x_t定义为t时刻变电设备数据集合，x⁽ⁱ⁾定义为多维度变电设备数据的第i维，i＝1，2，…，n，表示为：

xt＝(x⁽¹⁾，x⁽²⁾，…，x⁽ⁱ⁾，…，x⁽ⁿ⁾)

对多维度实时变电设备参数x_t进行正规化，实现归一化运算，

$n_t=NOR\left(x_t\right)=\frac{x_t}{\left|\right|x_t\left|\right|}$

得到t时刻变电设备运行状态的实时多维度归一化数据序列到n_t，其中NOR(x_t)是正规化运算，||x_t||，是x_t的模。

3.如权利要求2所述的方法，其特征在于：步骤6具体为对变电设备运行状态的实时多维度归一化数据序列n_t进行降维运算：

y_t＝PCA(n_t)

得到t时刻变电设备运行状态的实时降维数据序列y_t，其中PCA(x_t)是降维运算，通过对变电设备运行状态的实时多维度归一化数据序列应用降维操作，产生变电设备运行状态的实时降维数据序列。

4.如权利要求1-3所述的方法，其特征在于：步骤7具体为：应用变电设备运行状态的实时降维数据序列y_t和变电设备运行状态的实时数据及预测数据进行分值计算，

$z_t=\underset{i=1}{\overset{n}{\Σ}}\frac{{(y_t^{\left(i\right)}-{\hat{y}}_t^{\left(i\right)})}^2}{{\hat{y}}_t^{\left(i\right)}}$

得到变电设备运行状态分值到z_t。

5.如权利要求1-4所述的方法，其特征在于：步骤9具体为：

[Q₁-1.5IQR，Q₃+1.5IQR]

其中，Q₁-1.5IQR为上阈值；Q₃+1.5IQR为下阈值；四分位数间距IQR＝Q₃-Q₁。

6.如权利要求1-5所述的方法，其特征在于：步骤10具体为：使用变电设备运行状态分值到z_t与变电设备运行状态阈值区间[Q₁-1.5IQR，Q₃+1.5IQR]进行比较，如果z_t在该区间范围，则变电设备状态正常；否则，变电设备状态异常。