摘要
提出基于无监督概念漂移识别和动态图嵌入(dynamic graph embedding,DGE)的变压器故障检测方法。使用余弦相似度和多元线性回归模型量化状态监测数据随时间的变化特征,实现对无标签时间序列数据的概念漂移识别,并确定正常数据与故障数据之间的分界点;根据概念漂移识别结果,选择合适的正常数据建立DGE故障检测模型,计算Hotelling-T2和平方预测误差Q统计量的控制限;在故障检测阶段,计算待检测数据中每个样本的T2和Q统计量,将计算结果超过控制限的样本确定为故障样本。在Tennessee Eastman过程和变压器油色谱数据集中的实验结果表明,余弦相似度和多元线性回归模型能够有效地识别数据流中的概念漂移,为DGE模型选择合理有效的建模数据,从而提升对工业过程和电力设备故障检测的时效性和准确性。
-
单位重庆大学; 输配电装备及系统安全与新技术国家重点实验室