基于大数据分析的输变电设备状态数据异常检测方法_严英杰(3)

如图6所示。

t/h

(a) 耐张塔轴向拉力

倾斜角/(°)

判定当日的覆冰厚度异常增大，输电线路处于异常运行状态，需要加强巡视或采取相应融冰手段；

t/h

(b) 导线倾角

2）在时间点T=590~610间导线拉力、倾角、风速的转移概率序列都出现过零点，聚类结果也在

风速/(m/s)

t/h

0和1之间反复变化，可以判断输电线路运行状态出现异常，原因可能是覆冰厚度再次出现异常或线路受到外界环境的干扰。

通过查阅超高压公司每日覆冰特巡记录可知：

1）12月16日之前该耐张段覆冰厚度一直在 2 mm左右，16日—18日由于天气骤然变冷而覆冰厚度迅速增长，18日巡视发现覆冰厚度已超过

图6 覆冰在线监测数据

Fig. 6 Monitored data for transmission line icing

将以上数据输入到训练好的异常检测模型中，得到3个参量的转移概率序列和聚类结果，如图7所示。

转移概率

10 mm，随即所辖运行局发出覆冰橙色预警。本文方法能及时检测出覆冰异常状态，得出的结论与实际运行结果一致。

t/h

(a) 耐张塔导线轴向张力转移概率序列

2）12月26日左右为大风天气，覆冰厚度为8.7 mm。本文方法检测的拉力、倾角异常可能是由于风速增大引起的，与覆冰厚度无关，该结果说明本文方法可能会出现覆冰厚度异常的误报，如何排

转移概率

t/h

(b) 导线倾角转移概率序列

除外界干扰引起的异常还需进一步研究。

若采用阈值判定法，该条线路等值覆冰厚度的预警值为10 mm，因此用以上参量计算出等值覆冰

厚度的变化曲线如图8所示。由图可知：

转移概率

t/h

T=446~498之间覆冰厚度大于10 mm，远滞后于1）

覆冰预警时间；2）T=570~610之间有部分时段覆冰厚度大于10 mm，与实际情况不符。该结论不能实时检测出覆冰的异常，且与本文方法一样出现了异常的误报。

覆冰厚度/mm

转移概率

?t/h

(d) 实时数据聚类结果

62t/h

图7 异常检测结果

Fig. 7 Result of anomaly detection

图8 等值覆冰厚度 Fig. 8 Equivalent icing thickness

从图7中可以得到输电线的异常检测结果：

1）在时间点T=345，导线拉力的转移概率序列开始出现过零点，且序列的值大部分在0附近；时

5 结论

1）本文方法优点在于能结合多元状态量的历

58 中国电机工程学报第35卷

史数据与当前数据，并能实现动态数据的异常检测，相对于传统的阈值判定方法准确率较高。

discharge characteristics and risk assessment method for oil-paper[J]．Proceedings of the CSEE，2011，31(1)：123-130(in Chinese)．

[9] 李国杰，程学旗．大数据的研究现状与科学思考[J]．战

略与决策研究，2012，27(6)：647-656．

Li Guojie，Cheng Xueqi．Research status and scientific thinking of big data[J]．Strategy & Policy Decision Research，2012，27(6)：647-656(in Chinese)． [10] Dominik F，Thiemo G，Bernhard S．Swiftrule：mining

comprehensible classification rules for time series analysis[J]．IEEE Transactions on knowledge and data engineering，2011，23(5)：774-787．

[11] Gill S，Stephen B，Galloway S．Wind turbine condition

assessment through power curve copula modeling [J]．IEEE Transactions on Sustainable Energy，2012，3(1)：94-101．

[12] Torres R S，Falcao A X，Gonc M A，et al．A genetic

programming framework for content-based image retrieval[J]．Pattern Recognition，2009，42(2)：283-292． [13] 朱永利，尹金良．组合核相关支持向量机在电力变压器

故障诊断中的应用[J]．中国电机工程学报，2013，33(22)：68-74．

Zhu Yongli，Yin Jinliang．Study on application of multi-kernel learning relevance vector machines in fault diagnosis of power transformers[J]．Proceedings of the CSEE，2013，33(22)：68-74(in Chinese)．

[14] 姚欣歆，刘英博，赵炯，等．面向设备群体的工况数据

异常检测方法[J]．计算机集成制造系统，2013，19(12)：2993-3001．

Yao Xinxin，Liu Yingbo，Zhao Jiong，et al．Device group-oriented method for abnormal floor data detecting [J]．Computer Integrated Manufacturing Systems，2013，19(12)：2993-3001(in Chinese)．

[15] 王敩青，戴栋，郝艳捧．基于在线监测系统的输电线路

覆冰数据统计与分析[J]．高电压技术，2012，38(11)：3000-3007．

Wang Xiaoqing，Dai Dong，Hao Yanpeng．Statistics and analysis of transm ission lines icing data based on online monitoring system[J]．High Voltage Engineering，2012，38(11)：3000-3007(in Chinese)．

[16] 李剑，刘兴鹏，王有元．以箱壁温度为判据的油浸式变

压器绕组热点温度计算模型及试验分析[J]，高电压技术，2011，37(10)：2344-2349．

Li Jian，Liu Xingpeng，Wang Youyuan．Model of hot spot temperature in oil-immersed transformers using temperature estimation of tank wall[J]．High Voltage Engineering，2011，37(10)：2344-2349(in Chinese)． [17] Messina A R，Vittal V．A structural time series approach to

modeling dynamic trends in power system data[C]// Proceedings of 2012 IEEE Power and Energy Society

2）检测出设备运行状态异常的同时，本文方法也存在不足之处，如案例二所示当设备受外界环境异常的影响较大时，可能会出现异常状态的误报，因此今后工作中要对算法做进一步的改进，以消除外界环境异常带来的影响。

参考文献

[1] Vladimiro M，Adriana R G C，Shigeaki L．Diagnosing

faults in power transformers with autoassociative neural networks and mean shift[J]．IEEE Transactions on Power Delivery，2012，27(3)：1350-1357．

[2] Luo Gang，Shi Dongyuan，Chen Jinfu．Automatic

indentification of transmission sections based on complex network theory[J]．IET Generation Transmission & Distribution，2013，8(7)：1203-1210．

[3] Sunita M，Vijay V．Mechnical state estimation of overhead

transmission lines using tilt sensors[J]．IEEE Transactions on Power System，2010，25(3)：1282-1290． [4] 国家电网公司生产技术部．Q/GDW 173-2008 架空输电

线路状态评价导则[S]．北京：中国电力出版社，2008． Production and Technology Department of State Grid．Q/GDW173-2008 Guide for condition evaluation of overhead transmission line[S]．Beijing：China Electric Power Press，2008(in Chinese)．

[5] 国家电网公司生产技术部．Q/GDW 169-2008 油浸式变

压器(电抗器)状态评价导则[S]．北京：中国电力出版社，2008．

Production and Technology Department of State Grid．Q/GDW169-2008 Guide for condition evaluation of oil-immersed power transformers(reactors) [S]．Beijing：China Electric Power Press，2008(in Chinese)． [6] 中华人民共和国国家经济贸易委员．DL/T722—2000

变压器油中溶解气体分析和判断导则[S]．北京：中国电力出版社，2001．

State Economic and Trade Commission．DL/T722—2000 Guide to the analysis and the diagnosis of gases dissolved in transformer oil[S]．Beijing：China Electric Power Press，2001(in Chinese)．

[7] 邹建明．在线监测技术在电网中的应用[J]．高电压技术，

2007，33(8)：203-206．

Zou Jianming．Application of on-line monitoring technology on power grid[J]．High Voltage Engineering，2007，33(8)：203-206(in Chinese)．

[8] 杨丽君，廖瑞金，孙才新，等．油纸绝缘的局部放电特

征量分析及危险等级评估方法研究[J]．中国电机工程学报，2011，31(1)：123-130．

Yang Lijun，Liao Ruijin，Sun Caixin，et al．Partial

第1期严英杰等：基于大数据分析的输变电设备状态数据异常检测方法 59

[J]．IEEE Transactions Neural Networks，2011，22(12)：2078-2090．

[23] PangNing Tan，Michael Steinbach，Vipin Kumar．数据

挖掘导论[M]．范明，范宏建，译．北京：人民邮电出版社，2010：328-330．

PangNing Tan，Michael Steinbach，Vipin Kumar．Introductin to data mining[M]．Translated by Fan Ming，Fan Hongjian．Beijing：Posts and Telecom Press，2010：328-330(in Chinese)

General Meeting．，San Diego，USA：IEEE，2012：1-8． [18] Zhihui Guo，Wenyuan Li，Adriel Lau．Detecting

X-outliers in load curve data in power systems[J]．IEEE Transactions on Power Systems，2012，27(2)：875-884． [19] 王振龙．应用时间序列分析[M]．北京：中国统计出版

社，2010：200-210．

Wang Zhenlong．Application of time series analysis [M]．Beijing：China Statistics Press，2010(in Chinese)． [20] 于鷃．基于一维SOM神经网络的距离及数据分析方法

研究[D]．天津：天津大学，2009．

Yu Yan．A study of clustering and data analysis methods based on one-dimensional SOM[D]．Tianjin ：Tianjin University，2009(in Chinese)．

[21] Fernandez E A，Willshaw P，Perazzo C A，et al．Detectioin

of abnormality in the electrocardiogram without prior knowledge by using the quantization error of a self-organising map tested on the European ischaemia database[J]．Medical Biological Engineering & Computing，2001，39(3)：330-337．