基于物联网的变压器运行监测系统

专利主权项内容

（来自 马克数据网） 。1.基于物联网的变压器运行监测系统，其特征在于，所述系统包括：数据采集模块：采集变压器温度、电流及六氟化硫含量数据；数据处理模块：将预设时间长度作为一个时间窗口；在各时间窗口内，将所有变压器数据输入DTC时间序列聚类模型得到关于时间的各聚类簇，记为各时间簇；根据各类变压器数据得到各时间簇的温度、电流及六氟化硫含量分序列；在各时间簇中，根据电流分序列中数据变化趋势结合STL时序分解算法得到时间簇的电流趋势递变性及随机紊乱性；根据电流趋势递变性及随机紊乱性得到时间簇的电流紊乱系数；根据各时间簇的电流紊乱系数得到各时间簇的电流分歧量；根据各时间簇的电流分歧量及变分模态分解算法得到各时间簇的电流紊乱模态矩阵；根据电流紊乱模态矩阵得到各时间簇的电流分歧异质性矩阵；通过电流分歧异质性矩阵的计算方法分别获取各时间簇的温度及六氟化硫含量分歧异质性矩阵；通过奇异值分解法获取各分歧异质性矩阵的每个特征值；将各分歧异质性矩阵的所有特征值组成的向量作为各分歧异质性矩阵的特征值向量；根据各分歧异质性矩阵的特征值向量得到变压器的综合潜在隐患矩阵；根据分歧异质性矩阵及综合潜在隐患矩阵得到时间窗口的非稳态指数；预警模块：根据各时间窗口的非稳态指数及LSTM神经网络进行变压器运行监测；所述根据各时间窗口的非稳态指数及LSTM神经网络进行变压器运行监测，具体包括：将所有时间窗口的非稳态指数组成的序列作为变压器的非稳态指数序列；将所有时间窗口的温度数据组成的序列作为温度变化序列；通过温度变化序列的获取方法得到电流及六氟化硫含量变化序列；将变压器的非稳态指数序列与温度、电流及六氟化硫含量变化序列输入LSTM神经网络进行隐患评估，LSTM神经网络的输出为当前时间窗口的变压器隐患评估系数；当变压器隐患评估系数大于预设异常阈值时，变压器运行异常；反之则变压器运行正常。