典型文献
基于多层架构的油中溶解气体数据清洗与异常识别方法研究
文献摘要：
油色谱在线监测对于电力变压器的运行维护、健康状态分析具有重要意义,然而受监测设备异常、外界环境干扰、运行状态变化等因素影响,监测数据中难免存在不同类型的异常数据.为此,提出了一种基于多层架构的油中溶解气体数据清洗与异常识别方法.首先利用变分模态分解去除时间序列中的趋势项,结合3V准则对时序数据中的噪声值、缺失值、暂时性迁移数据等进行异常识别;然后根据关联分析结果对可清洗的异常数据利用长短期记忆神经网络进行重构清洗;并结合时间序列分段以及改进SAX算法实现对时序数据中的趋势性异常状态检测.最后,结合实例分析表明本文所提方法能够实现异常数据的有效清洗以及对趋势异常状态的准确识别.
文献关键词：
变压器;数据清洗;变分模态分解;3σ准则;长短期记忆神经网络;SAX
中图分类号：
作者姓名：
刘云鹏;王权;许自强;刘一瑾;和家慧;韩帅
作者机构：
华北电力大学河北省输变电设备安全防御重点实验室,河北保定071003;新能源电力系统国家重点实验室(华北电力大学),北京102206;国网南京供电公司,江苏南京210019;中国电力科学研究院有限公司,北京100192
文献出处：
引用格式：
[1]刘云鹏;王权;许自强;刘一瑾;和家慧;韩帅-.基于多层架构的油中溶解气体数据清洗与异常识别方法研究)[J].华北电力大学学报（自然科学版）,2022(01):81-89
A类：
B类：
多层架构,油中溶解气体,数据清洗,异常识别,油色谱在线监测,电力变压器,运行维护,健康状态,状态分析,监测设备,设备异常,外界环境,环境干扰,状态变化,难免,异常数据,变分模态分解,趋势项,3V,时序数据,缺失值,暂时性,迁移数,数据利用,长短期记忆神经网络,SAX,算法实现,趋势性,异常状态,状态检测,趋势异常,准确识别
AB值：
0.291322
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
