基于无监督机器学习的变压器油温异常识别方法

摘要

本发明涉及变压器顶层油温异常识别领域，公开了一种基于无监督机器学习的变压器油温异常识别方法。其主要步骤包括：首先利用K‑Means算法对变压器的工作状况训练数据集进行聚类，得到变压器设备不同工况类簇划分；然后，统计各类油温对象在其类簇中的条件概率，当条件概率小于给定阈值时，该簇标注为异常油温，反之标注为正常；对标注后的训练数据集实施决策树算法，提取决策规则；应用测试数据集对提取的决策规则进行反复测试；直至提取的决策规则在测试数据集上，油温异常判定的准确率大于等于指定要求。本发明技术方案能够根据变压器工况数据对变压器设备顶层油温异常进行识别，为电网运维管控提供了一种便捷有效的变压器油温异常判定方法。