一种针对油色谱在线监测数据的多视图协同可视分析方法

摘要

本发明公开了一种针对油色谱在线监测数据的多视图协同可视分析方法，根据变压器油中溶解气体分析和判断导则，在进行油色谱气体分析时，含量比值有参考作用的两种特征气体坐标轴作为相邻坐标轴，以平行坐标技术显示多维度监测特征数据；以散点图矩阵的显示视角显示特征数据之间的关系或联系，从各维变量的两两比较中得到隐含的信息；利用二维数据列表显示检测特征数据的全部信息；利用刷技术、协同过滤技术和焦点与上下文技术对通过平行坐标、散点图矩阵和二维数据列表显示的数据信息进行交互、分析。本方法结合各种可视化技术的优点，采用多视图方式来对复杂的多维数据同时进行可视化和可视分析。

权利要求

1.一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：包括以下步骤：

(1)根据变压器油中溶解气体分析和判断导则，在进行油色谱气体分析时，含量比值有参考作用的两种特征气体坐标轴作为相邻坐标轴，以平行坐标技术显示多维度监测特征数据；

(2)以散点图矩阵的显示视角显示特征数据之间的关系或联系，从各维变量的两两比较中得到隐含的信息；

(3)利用二维数据列表显示检测特征数据的全部信息；

(4)利用刷技术、协同过滤技术和焦点与上下文技术对通过平行坐标、散点图矩阵和二维数据列表显示的数据信息进行交互、分析。

2.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(1)中，所述特征数据具体包括：设备编号，监测时间，氢气含量、甲烷含量、乙烷含量、乙烯含量、乙炔含量、一氧化碳含量、二氧化碳含量以及总烃含量。

3.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(1)中，平行坐标进行多维数据的显示具体方法为：将N维数据属性空间通过N条等距离的平行轴映射到二维平面上，每个轴线代表代表一个属性维度，轴线上的取值范围从对应属性的最小值到最大值均匀分布，每一条数据可以根据其属性值用线段在N条平行轴上连接起来成N-1条折线段，这N-1条线段与N条坐标轴相交的N个点分别代表了数据点的N维数据。

4.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(1)中，平行轴排列顺序为乙烷、乙烯、乙炔、氢气、甲烷、总烃含量、一氧化碳和二氧化碳含量。

5.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(2)中，具体方法为：将多维度监测特征数据的各维变量两两组合作为矩阵中的一个元素，在每一元素中绘制多维数据相应变量的散点图，从各维变量的两两比较中得到隐含的信息。

6.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(2)中，用不同方式来编码不同的设备，通过散点图展示不同设备的聚类分布，对该设备当前的设备状态进行对比判断。

7.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(3)中，具体为采用二维数据列表显示多维度监测特征数据的全部详细信息，数据列表自上至下根据监测数据的采样日期从近到远依次排列。

8.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(4)中，利用刷技术进行突显多维数据子集的可视化交互，将用户所关注部分的数据通过高亮或其它颜色凸现出来，而将其他用户不关注的数据变淡或隐藏。

9.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(4)中，利用协同过滤技术，将所关注的数据列表中的行数据高亮，同时在平行轴图与散点矩阵图中将该条数据突显，通过数据列表的排序是根据日期从近到远，自上至下依次排列，从上到下依次经历各行数据时，利用协同过滤技术通过图中数据的演变效果查看各特征气体的变化趋势。

10.如权利要求1所述的一种针对油色谱在线监测数据的多视图协同可视分析方法，其特征是：所述步骤(4)中，通过焦点和上下文技术将用户关注的焦点对象与整体上下文环境同时显示在一个视图内,通过关注度函数对视图中的对象进行选择性变形,突出焦点对象,而将周围环境上下文中的对象逐渐缩小。

说明书

一种针对油色谱在线监测数据的多视图协同可视分析方法

技术领域

[0001] 本发明涉及一种针对油色谱在线监测数据的多视图协同可视分析方法。

背景技术

[0002] 油中溶解气体在线监测装置的投运弥补了传统DGA分析周期长、无法对设备进行连续监测的不足，然而由于传感器技术的限制，在线监测装置在可靠性、灵敏度等方面的尚未达到令人满意的程度，很难通过常规的阈值设定方式对设备状态进行正确的评判。随着在线监测装置的大范围投运和监测数据的不断积累，人们对监测数据的分析能力已远远落后于数据的获取能力。在线监测数据的海量、高维、动态的特性对数据的监测分析提出了巨大的挑战。

[0003] 随着计算机、通信、传感器、高分子材料、色谱及光谱等技术的进步，变压器油中溶解气体在线监测技术也不断更新和发展，但由于传感技术限制，目前的在线监测装置在可靠性、灵敏度等方面未能达到令人满意的程度。温度附加误差是传感器诸项技术指标中重要但又较难解决的一项指标，在线监测装置一般安装在室外，现场温度状况较恶劣，冬天可能到零下30℃左右，夏天太阳暴晒时可达到40℃以上，同时变电在线监测装置处在变电站高压母线及大量一次设备的强电磁干扰环境中，电磁干扰可能会影响在线监测设备的采样准确性，造成在线监测的数据波动不稳定，产生数据畸变。

[0004] 以上种种原因导致在线监测装置的测量结果存在较大差异，很难通过常规统计和阈值预警方法有效的对设备状态进行正确的判断。除此之外，对判断变压器内部故障有价值的气体达7种之多，仅仅分析一种气体往往无法对变压器设备状态进行正确的判断。

发明内容

[0005] 本发明为了解决上述问题，提出了一种针对油色谱在线监测数据的多视图协同可视分析方法，本发明直接仿照用户多角度思考问题的模式，采用结合平行轴、多维散点矩阵以及二维数据表格的形式，利用多视图协同可视分析技术从不同的视角出发把海量数据组织成多维数据，并能够从不同的维度视角快速地管理、分析大量数据。

[0006] 为了实现上述目的，本发明采用如下技术方案：

[0007] 一种针对油色谱在线监测数据的多视图协同可视分析方法，包括以下步骤：

[0008] (1)根据变压器油中溶解气体分析和判断导则，在进行油色谱气体分析时，含量比值有参考作用的两种特征气体坐标轴作为相邻坐标轴，以平行坐标技术显示多维度监测特征数据；

[0009] (2)以散点图矩阵的显示视角显示特征数据之间的关系或联系，从各维变量的两两比较中得到隐含的信息；

[0010] (3)利用二维数据列表显示检测特征数据的全部信息；

[0011] (4)利用刷技术、协同过滤技术和焦点与上下文技术对通过平行坐标、散点图矩阵和二维数据列表显示的数据信息进行交互、分析。

[0012] 所述步骤(1)中，所述特征数据具体包括：设备编号，监测时间，氢气含量、甲烷含量、乙烷含量、乙烯含量、乙炔含量、一氧化碳含量、二氧化碳含量以及总烃含量。

[0013] 所述步骤(1)中，平行坐标进行多维数据的显示具体方法为：将N维数据属性空间通过N条等距离的平行轴映射到二维平面上，每个轴线代表代表一个属性维度，轴线上的取值范围从对应属性的最小值到最大值均匀分布，每一条数据可以根据其属性值用线段在N条平行轴上连接起来成N-1条折线段，这N-1条线段与N条坐标轴相交的N个点分别代表了数据点的N维数据。

[0014] 所述步骤(1)中，平行轴排列顺序为乙烷、乙烯、乙炔、氢气、甲烷、乙炔、一氧化碳和二氧化碳含量。

[0015] 所述步骤(2)中，具体方法为：将多维度监测特征数据的各维变量两两组合作为矩阵中的一个元素，在每一元素中绘制多维数据相应变量的散点图，从各维变量的两两比较中得到隐含的信息。

[0016] 所述步骤(2)中，用不同方式来编码不同的设备，通过散点图展示不同设备的聚类分布，对该设备当前的设备状态进行对比判断。

[0017] 所述步骤(3)中，具体为采用二维数据列表显示多维度监测特征数据的全部详细信息，数据列表自上至下根据监测数据的采样日期从近到远依次排列。

[0018] 所述步骤(4)中，利用刷技术进行突显多维数据子集的可视化交互，将用户所关注部分的数据通过高亮或其它颜色凸现出来，而将其他用户不关注的数据变淡或隐藏。

[0019] 所述步骤(4)中，利用协同过滤技术，将所关注的数据列表中的行数据高亮，同时在平行轴图与散点矩阵图中将该条数据突显，通过数据列表的排序是根据日期从近到远，自上至下依次排列，从上到下依次经历各行数据时，利用协同过滤技术通过图中数据的演变效果查看各特征气体的变化趋势。

[0020] 所述步骤(4)中，通过焦点和上下文技术将用户关注的焦点对象与整体上下文环境同时显示在一个视图内,通过关注度函数对视图中的对象进行选择性变形,突出焦点对象,而将周围环境上下文中的对象逐渐缩小。

[0021] 本发明的有益效果为：

[0022] (1)采用结合平行轴、多维散点矩阵以及二维数据表格的形式，利用多视图协同可视分析技术从不同的视角出发把海量数据组织成多维数据，并能够从不同的维度视角快速地管理、分析大量数据。使分析人员、管理人员或执行人员能够从多角度对原始数据进行快速、一致、交互的存取，进而使信息使能够真正的为用户所理解、并真实反映设备特性；

[0023] (2)本方法结合各种可视化技术的优点，采用多视图方式来对复杂的多维数据同时进行可视化和可视分析。

附图说明

[0024] 图1为本发明的基于平行轴图与散点图的多视图协同可视分析方法示意图；

[0025] 图2为本发明的可视化效果图；

[0026] 图3为本发明的平行轴图展示在线监测数据示意图；

[0027] 图4为本发明的散点图矩阵示意图；

[0028] 图5为本发明的刷技术示意图。具体实施方式：

[0029] 下面结合附图与实施例对本发明作进一步说明。

[0030] 如图1所示，一种针对油色谱在线监测数据的多视图协同可视分析方法，该方法直接仿照用户多角度思考问题的模式，采用结合平行轴、多维散点矩阵以及二维数据表格的形式，利用多视图协同可视分析技术从不同的视角出发把海量数据组织成多维数据，并能够从不同的维度视角快速地管理、分析大量数据。使分析人员、管理人员或执行人员能够从多角度对原始数据进行快速、一致、交互的存取，进而使信息使能够真正的为用户所理解、并真实反映设备特性。

[0031] 多视图协同可视分析是使用多种技术同时对一个数据对象进行可视化，并通过交互实现多种技术的融合、嵌套的多视图并行协同分析。对判断变压器内部故障有价值的气体达7种之多，同时总烃值(所有的碳氢化合物含量之和)以及气体增长趋势也对变压器状态评价有着重要的影响。

[0032] 单一可是分析技术只是从某一个角度进对数据进行剖析和显示，而忽略了其它的信息，影响了对多维数据的综合可视分析。因此，本方法结合各种可视化技术的优点，采用多视图方式来对复杂的多维数据同时进行可视化和可视分析。图1中，根据变压器油中溶解气体在线监测数据的特点，使用平行坐标、散点图矩阵以及数据列表从不同的视角来展示和分析数据，从中分析和挖掘出有用的信息。

[0033] 使用该多视图协同可视分析方法的数据共包含10个维度，分别为设备编号，监测时间，氢气(H2)含量、甲烷(CH4)含量、乙烷(C2H6)含量、乙烯(C2H4)含量,乙炔(C2H2)含量、一氧化碳(CO)含量、二氧化碳(CO2)含量以及总烃含量。我们使用颜色来编码设备编号，在平行轴图中氢气(H2)含量、甲烷(CH4)含量、乙烷(C2H6)含量、乙烯(C2H4)含量,乙炔(C2H2)含量、一氧化碳(CO)含量、二氧化碳(CO2)含量以及总烃含量分别被映射为平行轴的8个属性。在散点图中我们使用上述8种气体构成8*8的散点图矩阵，在数据列表中我们按时间从近到远的顺序依次列出每次在线监测的结果，最终可视化效果图如2所示。

[0034] (1)基于平行轴图的在线监测数据展示

[0035] 平行坐标技术是一种表示多维数据及对其相互关系进行分析的重要可视化技术。该技术的主要思想是将N维数据属性空间通过N条等距离的平行轴映射到二维平面上，每个轴线代表代表一个属性维度，轴线上的取值范围从对应属性的最小值到最大值均匀分布，每一条数据可以根据其属性值用线段在N条平行轴上连接起来成N-1条折线段。这N-1条线段与N条坐标轴相交的N个点分别代表了数据点的N维数据。这条代表N维数据的折线可用N-
1个线性无关的方程所表示,方程如下:

[0036]

[0037] 由式(4-1)可得出：

[0038] xi+1＝mixi+bi i＝1，2，...，n-1  (4-2)

[0039] 其中，mi＝ki+1/ki表示斜率,bi＝ai+1-miai表示在xi/xi+1平面中xi+1轴上的截距。图3所示的是八维空间上的平行坐标图，其中两条折线代表两条数据。

[0040] 在用平行坐标对多维数据进行可视化时不同的维度坐标轴排列顺序会影响人们对数据的分析和判断。好的维度排列顺序可以让人们直观快捷的发现数据的相关特征和异常数据。通常方法是计算每个维度间的相似度来重排属性轴。在N维数据集D＝{X1,X2,…,Xi,...,XN}中，Xi＝(xi1,xi2,…,xik,…,xim)T，第i个属性和第j个属性间的相似度用d(Xi,Xj)表示，得到公式(4-3)。

[0041]

[0042] 公式(3)中m表示每个维度上分布的数据总数,xik表示第i个维度上第k个数据的属性值。d(Xi，Xj)越大表明Xi和Xj相似度越高。多维数据集D中的Xi和Xj最相似说明数据在这两个属性坐标轴上的分布趋势比较接近，数据在两个维度间的线段分布的比较有规律，杂乱无序的概率较少。将相似度最大的坐标轴放在一起可以有效地减少了平行坐标中的数据杂乱无序，使用户能够清晰的查看数据的分布趋势和特征，提高了数据的可视化效果。在实际处理中，由于每个属性的量纲不同，相似性并不能很好地反映出各个维度间的相互关系。在计算N个维度间的相似性时，所需的时间复杂度是O(N！)，随着数据维度的增加和数据量的增大，计算多维数据的属性相似度的时间和空间开销也会较大。另外当两个坐标轴相距越远，二者的关联关系在图中表现的越弱。

[0043] 为了解决上述问题，我们采用根据变压器油中溶解气体分析和判断导则，将在进行油色谱气体分析时，含量比值有参考作用的两种特征气体坐标轴作为相邻坐标轴，这样既能保证有关联关系的维度数据相邻，又能减少坐标轴之间的杂乱数据，最终我们的平行轴排列顺序为乙烷、乙烯、乙炔、氢气、甲烷、总烃含量、一氧化碳和二氧化碳含量。

[0044] (2)基于散点图的在线监测数据展示

[0045] 散点矩阵图是最为常用的多维可视化方法，二维散点图将多个维度中的两个维度属性值集合映射至两条轴,在其中绘制散点，可以有效地揭示两变量之间的关系或联系。散点图矩阵(Scatter PlotMatrix)利用这一思想，将多维数据的各维变量两两组合作为矩阵中的一个元素(称为面板)。在每一面板中绘制多维数据相应变量的散点图，从各维变量的两两比较中得到隐含的信息，如图4所示。它能够直观解释所有的任意二维之间的关系，而不受数据集大小和维数多少的影响，在展示多维数据的两两关系时有着不可替代的作用。我们采用颜色来编码不同的设备，通过散点图展示不同设备的聚类分布，对该设备当前的设备状态进行对比判断。

[0046] (3)二维数据列表展示

[0047] 系统采用二维数据列表显示数据的全部详细信息，列表共包含10列分别为设备编号、氢气(H2)含量、甲烷(CH4)含量、乙烷(C2H6)含量、乙烯(C2H4)含量、乙炔(C2H2)含量、一氧化碳(CO)含量、二氧化碳(CO2)含量以及总烃含量以及监测时间。数据列表自上至下根据监测数据的采样日期从近到远依次排列。

[0048] (4)协同分析交互技术

[0049] 为了使该系统能够真正的从某多个角度进对数据进行剖析和显示，系统提供了刷技术、协同过滤技术、焦点+上下文技术三种交互方法，辅助专业人员从多角度对原始数据进行快速、一致、交互的数据分析。

[0050] 刷技术

[0051] 刷技术是一种直观的突显多维数据子集的可视化交互技术。其基本思想是将用户所关注部分的数据通过高亮或其它颜色凸现出来，而将其他用户不关注的数据变淡或隐藏。如图5，在代表乙炔(C2H2)轴上点击鼠标左键并拖动至某一点松开鼠标，平行轴图对展示的油色谱在线监测数据进行整体过滤，只显示乙炔值在起止范围内的监测数据。若要取消该过滤条件，只需在乙炔轴上双击鼠标左键。本方法还支持多重刷技术，可以同时对多条数据轴使用刷功能，从而进行多条件过滤分析。多重刷功能可以在用户进行交互时有效的减少无关数据的干扰，便于用户分析所关注数据的分布特征、属性规律以及潜在的信息。

[0052] 协同过滤技术

[0053] 协同过滤技术是实现多视图协同分析的核心。在单一视图中，过滤技术能够帮助分析者从大量数据中选择出核心数据，从而减少不关注数据对分析的影响。而协同过滤技术将一个视图中的过滤器应用到其他视图中，例如，当鼠标放置在数据列表的某一行上时，可视视图会将该行数据高亮，同时在平行轴图与散点矩阵图中将该条数据突显。由于数据列表的排序是根据日期从近到远，自上至下依次排列，所以当鼠标从上到下依次经历各行数据时，可以通过图中数据的演变效果查看各特征气体的变化趋势。当使用刷技术选择出平行坐标轴中的核心数据时，散点图也会相应的将非核心数据过滤掉，从而到达多个视图协同分析核心数据的目的。

[0054] 焦点+上下文技术

[0055] 焦点+上下文技术(F+C)的起源是广义鱼眼视图的提出,它将用户关注的焦点对象(focus)与整体上下文环境(context)同时显示在一个视图内,通过关注度函数(degree of interest function,简称DOI Function)对视图中的对象进行选择性变形,突出焦点对象,而将周围环境上下文中的对象逐渐缩小。这一技术的认知心理学基础是:人在探索局部信息的同时,往往需要保持整体信息空间的可见性.F+C另一个认知心理学基础是:若信息空间被划分为两个显示区域(如overview+detail模式),人在探索信息时需要不断切换注意力和工作记忆,导致认知行为的低效。我们将Focus+Context技术应用至散点图之中，当鼠标放置到数据表格中的任意数据行时，散点图中的相应数据点会变大凸显，而周围环境上下文中的对象会相应变淡隐藏。

[0056] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。