基于实时数据流特征提取的设备能耗异常识别算法研究

摘要

电力设备局部放电能耗异常，会产生连锁反应导致出现重大故障情况，威胁设备运行安全，为此研究一种基于实时数据流特征提取的设备能耗异常识别算法。采集设备实时状态，利用双层可视窗口对多组设备数据流聚类分析，设备状态间满足马尔科夫链性关系，通过模型映射节点关系，计算转移概率提取放电特征，凭借核函数分解设备产生局部放电异常时的实际放电量、视在功率、放电均方率及平均放电电流，结合不同电磁波信号强弱的时间差，识别出能耗异常点位置。仿真实验证明所提算法在加压情况下也能精准识别异常点位置，适用性强、鲁棒性好。

关键词

数据流挖掘 / 特征提取 / 设备能耗异常 / 局部放电 / 马尔科夫链