基于IKNN和LOF的变压器回复电压数据清洗方法研究

作     者：陈啸轩 邹阳 翁祖辰 林锦茄 林昕亮 张云霄 Chen Xiaoxuan;Zou Yang;Weng Zuchen;Lin Jinjia;Lin Xinliang;Zhang Yunxiao

作者机构：福州大学电气工程与自动化学院福州350108 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年第38卷第2期

页      面：92-100页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金重大研究计划培育项目(92266110) 福建省自然科学基金项目(2019J01248)资助 

主　　题：油纸绝缘 特征数据清洗 局部离群因子算法 回复电压极化谱 改进K最近邻算法 

摘      要：基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。