一种基于阈值自适应设置的设备参数异常检测系统及方法与流程

本发明涉及输变电设备检测领域,具体涉及一种基于阈值自适应设置的设备参数异常检测系统及方法。

背景技术：

众所周知，设备的运行状态对于电厂生产影响巨大，设备在正常工况运行过程中体现出来的功能特征、表象特征以及电气特征与异常状态下的特征是有差异的。根据设备状态预警，做出检修计划，将节省电厂巨大的人力、物力、财力，具有非常大的经济潜力。

目前，在设备状态预警方面，设备生产厂商根据制造工艺设定各个部件不同预警级别的阈值方法，现有设备异常检测方法采用静态阈值设置的方法，即以现有数据平均值为基准，上下分别以均值的固定百分比(例如150％、300％)作为上下阈值，进行数据异常检测。

上下阈值之间的区域为“正常”区域，上下阈值之外的区域为“异常”区域。静态阈值设置无法反映数据的动态实时特点。阈值上下界设置采用业务专家的主观经验，无法反映数据客观规律。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种基于阈值自适应设置的设备参数异常检测系统及方法，解决变电设备状态参数异常检测阈值区间较多依赖变电设备专家离线计算及主观经验，而无法根据设备运行实时状态自适应方式变化的问题。

本发明提供了一种基于阈值自适应设置的设备参数异常检测系统，包括变电设备、集中器、传输线路和检测系统，变电设备包括N个监测点，检测系统包括接收器和处理器，N个监测点分别与集中器连接，集中器通过传输线路与检测系统中的接收器连接，接收器与处理器连接，N大于2的正整数；

N个监测点，用于实时检测变电设备的运行状态，实时获取多维度实时测点数据并传输至集中器；

集中器，用于接收到N个监测点发送来的测点数据后，按照接收时间分批次将不同时间接收的测点数据通过传输线路发送至接收器；

接收器，接收器用于接收来自集中器发送的测点数据，经过预处理后发送至处理器；

处理器包括：

正则化模块，用于对预处理后的测点数据进行归一化运算；

降维模块，用于对归一化处理后的数据序列进行多维度变电设备数据降维；

预测模块，用于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；

分值计算模块，用于利用变电设备实际数据与预测数据进行分值计算，得到当前时刻电设备运行状态分值；

阈值计算模块；确定变电设备运行状态阈值区间，包括上阈值界、下阈值界，计算正常阈值范围；

异常检测模块，用于判断当前时刻分值是否在阈值范围内，得到是否异常的结果。

进一步地，传输线路为有线线路、无线线路，或有线线路和无线线路结合的线路。

进一步地，进一步地正则化模块还用于将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：

x_t＝(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，

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。

进一步地，降维模块还用于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。

进一步地，分值计算模块还用于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，

得到变电设备运行状态分值到z_t。

进一步地，阈值计算模块还用于计算变电设备的行状态阈值区间，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。

进一步地，异常检测模块还用于判断当前时刻分值是否在阈值区间范围，并做出变电设备运行状态是否异常的结论是指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。

本发明还提供了一种基于阈值自适应设置的设备参数异常检测方法，依次包括如下步骤：

步骤1:变电设备运行状态多维度实时测点数据接入，并进行归一化处理，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2: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3: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4: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5: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6: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，并做出变电设备运行状态是否异常的结论。

本发明的基于阈值自适应设置的设备参数异常检测系统及方法，可以实现：

解决变电设备状态参数异常检测阈值区间较多依赖变电设备专家离线计算及主观经验，而无法根据设备运行实时状态自适应方式变化的问题，利用特定顺序和特殊的处理方式，实时的采集处理变电设备数据，提高了运算效率，并且能够实时快速、自动化的检测设备异常情况。

附图说明

图1为基于阈值自适应设置的设备参数异常检测系统的结构图

图2为处理器中各个模块处理流程图

图3为基于阈值自适应设置的设备参数异常检测方法流程图

具体实施方式

下面详细说明本发明的具体实施，有必要在此指出的是，以下实施只是用于本发明的进一步说明，不能理解为对本发明保护范围的限制，该领域技术熟练人员根据上述本发明内容对本发明做出的一些非本质的改进和调整，仍然属于本发明的保护范围。

本发明提供了一种基于阈值自适应设置的设备参数异常检测系统，如图1所示，系统主要包括变电设备11、集中器14、传输线路15和检测系统16，其中变电设备11包括N个监测点12、13，检测系统包括接收器17和处理器18，N个监测点分别与集中器14连接，集中器14通过传输线路15与检测系统16中的接收器17连接，接收器17与处理器18连接。

N个监测点用于实时检测变电设备11的运行状态，实时获取多维度实时测点数据并传输至集中器14，集中器14接收到N个监测点发送来的测点数据后，按照接收时间分批次将不同时间接收的测点数据通过传输线路15发送至接收器，其中传输线路15可以为有线的方式，也可以是无线的方式，甚至可以是有线和无线结合的方式，接收器17接收到来自集中器14发送的测点数据以后，进行预处理后发送至处理器18，其中预处理为滤波、放大等处理。如图2所示，处理器18包括正则化模块21，降维模块22，预测模块23，分值计算模块24，阈值计算模块25和异常检测模块26，处理器18接收到来自接收器17预处理后的测点数据以后，进行以下处理：

(1)对预处理后的测点数据进行归一化运算，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：

x_t＝(x⁽¹⁾，x⁽²⁾，…，x⁽ⁱ⁾，…，x⁽ⁿ⁾)

所述归一化处理，是指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，

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。

其中所述变电设备包括(但不限于)开关刀闸、变压器等，所述变电设备状态参数包括(但不限于)电流、电压、功率、功率因数、油温、油中气体数据等。

(2)对归一化处理后的数据序列进行多维度变电设备数据降维，具体为：

所述进行降维操作，是指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；所述降维运算PCA(x_t)包括(但不限于)离散余弦变换、主成分分析、离散小波变换等。

(3)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，具体为：

所述预测计算，是指对变电设备运行状态的实时降维数据序列y_t进行预测计算，

得到t时刻变电设备运行状态的预测数据序列其中AR(y_t)是预测器；其中所述预测器包括(但不限于)：多项式回归预测器、支持向量机预测器、人工神经网络预测器、卡尔曼预测滤波器、决策树回归预测器。

(4)利用变电设备实际数据与预测数据进行分值计算，得到当前时刻电设备运行状态分值，具体为：

所述分值计算，是指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，

得到变电设备运行状态分值到z_t；

(5)确定变电设备运行状态阈值区间，包括上阈值界、下阈值界，计算正常阈值范围，具体为：

所述变电设备运行状态阈值区间，是指

[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)判断当前时刻分值是否在阈值范围内，得到是否异常的结果。

所述判断当前时刻分值是否在阈值区间范围，并做出变电设备运行状态是否异常的结论是指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。

本发明还提供了一种基于阈值自适应设置的变电设备状态参数异常检测方法，如图3所示，包括以下步骤：

步骤1:变电设备运行状态多维度实时测点数据接入，并进行归一化处理，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2: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3: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4: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5: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6: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，并做出变电设备运行状态是否异常的结论。

尽管为了说明的目的，已描述了本发明的示例性实施方式，但是本领域的技术人员将理解，不脱离所附权利要求中公开的发明的范围和精神的情况下，可以在形式和细节上进行各种修改、添加和替换等的改变，而所有这些改变都应属于本发明所附权利要求的保护范围，并且本发明要求保护的产品各个部门和方法中的各个步骤，可以以任意组合的形式组合在一起。因此，对本发明中所公开的实施方式的描述并非为了限制本发明的范围，而是用于描述本发明。相应地，本发明的范围不受以上实施方式的限制，而是由权利要求或其等同物进行限定。