文献类型：期刊文章

作　　者：杜涛[1] 王朝龙[2] 朱靖[3] 赵健勃[2] 马麒[1] 刘勃君[4]

DU Tao;WANG Chaolong;ZHU Jing;ZHAO Jianbo;MA Qi;LIU Bojun(State Grid Qinghai Electric Power Company Hainan Power Supply Company,Xining 813000,Qinghai China;State Grid Qinghai Electric Power Company,Xining 813000,Qinghai China;State Grid Qinghai Electric Power Company Information and Communications Company,Xining 813000,Qinghai China;Shanghai Metro Energy Technology Co.,Ltd.,Shanghai 200000,China)

机构地区：[1]国网青海省电力公司西宁供电公司,青海西宁813000 [2]国网青海省电力公司,青海西宁813000 [3]国网青海省电力公司信息通信公司,青海西宁813000 [4]上海迈内能源科技有限公司,上海200000

出　　处：《粘接》

年　　份：2022

卷　　号：49

期　　号：12

起止页码：137-140

语　　种：中文

收录情况：CAS、ZGKJHX、普通刊

摘　　要：在线监测数据在判断变压设备运行状态中发挥着重要的作用,但传统监测方法无法及时了解变压设备异常情况,准确甄别噪声数据。针对这一问题,挑选K-means聚类算法引进相应的滑动窗口技术,设计变压设备出现异常情况的检测模型。以某变电站变压器异常数据为对象,提出K-means聚类算法进行验证。结果验证,这种方式能够实时检测变压设备数据流中的异常信息,从而有效去除少量传感器产生的噪音或者突变值的影响,有利于提升变压设备状态检测的精准性及实时性,应用价值较高。

关 键 词：K-MEANS聚类算法 异常检测技术  变压设备  滑动窗口  

分 类 号：TM76]