基于多层架构的油中溶解气体数据清洗与异常识别方法研究

摘要

油色谱在线监测对于电力变压器的运行维护、健康状态分析具有重要意义,然而受监测设备异常、外界环境干扰、运行状态变化等因素影响,监测数据中难免存在不同类型的异常数据。为此,提出了一种基于多层架构的油中溶解气体数据清洗与异常识别方法。首先利用变分模态分解去除时间序列中的趋势项,结合3σ准则对时序数据中的噪声值、缺失值、暂时性迁移数据等进行异常识别;然后根据关联分析结果对可清洗的异常数据利用长短期记忆神经网络进行重构清洗;并结合时间序列分段以及改进SAX算法实现对时序数据中的趋势性异常状态检测。最后,结合实例分析表明本文所提方法能够实现异常数据的有效清洗以及对趋势异常状态的准确识别。