一种电力变压器状态监测数据的清洗方法

    公开(公告)号:CN110866604A

    公开(公告)日:2020-03-06

    申请号:CN201911032677.2

    申请日:2019-10-28

    IPC分类号: G06N7/00 G06N3/04 G06N3/08

    摘要: 一种电力变压器状态监测数据的清洗方法,所述方法针对油浸式电力变压器油中气体的监测数据建立堆栈降噪自编码器,并在逐个训练堆栈降噪自编码器中的每一个自编码器之后,再进行堆叠和微调处理,得到最终的堆栈降噪自编码器数据清洗模型,最后将油浸式电力变压器油中气体的监测数据输入到堆栈降噪自编码器数据清洗模型进行处理,达到对原始数据进行降噪的目的。本发明以堆栈降噪自编码器为理论基础建立数据清理模型,同传统基于统计方法的数据清洗方式相比,该方法从数据本质特征出发,摆脱了数据指标化评判标准的束缚,能够较好地消除数据噪声,为设备状态评估和设备寿命预测等工作提供可靠的监测数据。

    一种电力变压器家族质量缺陷的评估方法

    公开(公告)号:CN110866331A

    公开(公告)日:2020-03-06

    申请号:CN201911033539.6

    申请日:2019-10-28

    IPC分类号: G06F30/20 G06F119/02

    摘要: 一种电力变压器家族质量缺陷的评估方法,所述方法包括以下步骤:a.搜集变压器事务数据;b.采用Apriori算法生成频繁项目;c.得到候选K项集C(K)各项的支持度sup;d.得到频繁K项集L(K);e.若频繁K项集L(K)为空,则执行第f步,否则返回到第c步;f.若扫描完所有块,则执行第i步,否则返回到第c步;i.将频繁项集合并;j.产生一条强关联规则;k.汇总所有强关联规则。本发明通过引入适应度函数对关联规则算法进行优化,解决了传统关联规则的置信度很高但是支持度却很低的问题;通过分块放置数组的方式提高关联规则算法的时间效率;同现有方法相比,本发明能够更加准确、高效地挖掘电力变压器家族质量缺陷信息。