异常检测
不同类型的传感器在电力系统中被用于不同的目的. 例如,传感器被连接到风力涡轮机进行,包括实时输出功率,气压,空气温度,等等的测量. 这些测量对用于监测所连接的设备的操作条件是很重要的. 自动检测传感器数据异常的有效方法是必需的, 特别是当需要同时监视系统中的多个设备时.
- 异常是在测量中从正常和的主要模式中区分出自己时所出现的不正常跟次要模式. 以它们的持续时间而言,这些异常可以被粗略地分为两大类:
- 异常点: 在这些点上的测量值是相当远离正常值.
- 异常区间: 测量值看起来正常,如果调查逐点,而区间整体呈现异常模式.
我们已经开发了一个在线系统,用于电力系统设备的异常检测. 该系统收集连接到设备 上的各种传感器的实时测量数据. 在线数据分析是由监测系统来执行的, 根据执行哪些设备条件的在线评估, 并上报系统操作员.
数据分析是基于GOT的在线监测和异常检测引擎来进行的. 特定设备的解析模型是在存盘的测量数据的基础上所自适应地建立和更新的. 设备条件是从模型预测的测量偏差的基础上评估而来的.
我们的系统集成了有效的机器学习和统计解析模型. 为了优化分析模型的建构和总成,使用了 GOT TRUST-TECH/ELITE . 它是由三个模块组成的用来实现正常模式的全面性和准确性或是了解设备的行为.
