《表1 异常阈值选取对故障检测结果的影响Tab.1 Influence of the selection of abnormal threshold on the result of fault de
为了验证本文算法对变压器状态异常检测的准确性和有效性,本文主要考虑负荷、顶层油温和甲烷含量3种在线监测数据对变压器状态类型变化的影响。以湖州市某变电站中一台型号为SFPSZ1-240000/220的主变压器为例,选取其2016年10月15日至10月20日5天的1 728组历史在线监测数据作为训练样本,分别进行K-Means聚类与双向KL距离聚类;同时,为进一步比较本文的双向KL距离聚类方法与K-Means聚类方法的性能,另外再选取2016年11月3日0:00至2016年11月5日1:00采集的867组历史在线监测数据作为训练样本,分别进行K-Means聚类与双向KL距离聚类。众所周知,无论何种聚类算法,簇数K及异常数据的判别阈值R对于最后的异常数据的确定有较大的影响,均需谨慎选取。首先,类似于K-Means聚类算法中簇数的选择,本文中双向KL距离聚类的簇数K值也应由所研究的应用对象来确定,观察到变压器温度数据基于时间具有明显周期性,同时又为了比较分析,故本文中双向KL距离聚类的簇数K按正常数据类型的性质分别取K=3和K=4。其次,对于异常数据的判别阈值R,该阈值的选取主要依据实验或工程经验获取的最佳值,本文综合考虑已经聚类的正常簇内中心到其簇内边界正常数据点的最大欧式距离Dmax,以及变压器故障检测成功率的对比数据,见表1,故最终依据稳定值分别选取RK=3=(r1,r2,r3)=(0.7,0.8,0.8)与RK=4=(r1,r2,r3,r4)=(0.7,0.8,0.8,0.7)。
图表编号 | XD0022750900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.25 |
作者 | 林越、刘廷章、黄莉荣、奚晓晔、潘建 |
绘制单位 | 海南热带海洋学院信息工程学院、上海大学机电与工程学院、上海大学机电与工程学院、海南电网有限责任公司海口供电局、上海大学机电与工程学院、上海大学机电与工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 异常阈值选取对故障检测结果的影响Tab.1 Influence of the selection of abnormal threshold on the result of fault detection”的人还看了
- 表1 相关分析法中信号采样频率对相位差测量结果影响的对比关系Tab.1 Comparison of the influence of signal sampling frequency on phase difference measure
- 表1 不同网络深度对去噪网络性能的影响Tab.1 The influence of different network depth on the performance of denoising network
- 表1 永定河生态需水量计算节点选取Tab.1 The calculation node selection of Yongding river ecological water requirements