基于聚类算法的变压设备运行数据监测与异常检测技术

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。