-
公开(公告)号:CN114971308A
公开(公告)日:2022-08-30
申请号:CN202210602193.2
申请日:2022-05-30
Abstract: 本发明公开了一种基于多维数据分析的变压器健康状况评估方法,包括以下步骤:S1、利用高维统计模型,对变压器数据建模;S2、变压器数据分析,计算特征值分布函数;S3、变压器数据可视化,基于高维数据谱统计量信息,判断健康状况。本发明基于高维数据谱统计量信息,对变压器的健康状态进行判别,具有适用范围广泛、稳健度高、安全可靠等优势,对于多元化、精细化的变电站变压器的高效运维与稳定运行具有非常重要的实践价值。
-
公开(公告)号:CN114580165A
公开(公告)日:2022-06-03
申请号:CN202210185942.6
申请日:2022-02-28
IPC: G06F30/20 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于高维指标的变电站开关柜局部放电状态评估方法,包括以下步骤:采集变电站开关柜的相位分解局部放电PRPD图谱数据;对所获取的局部放电PRPD图谱数据进行谱图构造和统计特征计算;对图谱数据计算所得的统计特征进行预处理,构建时空数据集矩阵;基于随机矩阵理论,采用移动滑窗法在时空数据集矩阵上依次选取矩阵,利用切比雪夫多项式T3构建统计量来判断是否有异常值出现,计算滑窗所选取的矩阵的统计量,评估变电站开关柜状态。本发明能够对变电站开关柜运行状态进行监测,提高变电站开关柜监测的效率和准确性。
-
公开(公告)号:CN118091003A
公开(公告)日:2024-05-28
申请号:CN202410030269.8
申请日:2024-01-09
Applicant: 上海交通大学
Abstract: 本发明涉及变压器技术领域,尤其涉及一种基于随机矩阵的变压器油色谱异常辨识方法,包括如下步骤:S1、对变压器油色谱样本数据进行约简;S2、基于生成模型仿真油色谱数据负样本;S3、利用随机矩阵大数据分析工具,构建油色谱异常辨识方法。本发明采用粗糙集约简油色谱数据维度,相比于直接将所有油色谱数据作为输入数据,经过约简的数据数量更少、维度更低;采用WGAN‑GP生成油色谱负样本数据,可以平衡正负样本数量,提高对变压器油色谱异常样本的检测效果;利用随机矩阵理论获取油色谱数据的高维特征,相比于传统特征提取方式,随机矩阵能够保留高维数据的时空相关性,从而保留数据的大部分有效信息,提升异常辨识的准确度。
-
-