针对电力变压器状态评估，提供油中溶解气体监测数据的完整化方法。

简介：
基于马尔可夫理论，并充分考量了相邻时间点系统在所有可能状态之间的转移规律，我们提出了一种基于马尔可夫模型的变压器油中溶解气体数据补全方法。该方法将油中溶解气体数据的时间序列建模为一系列在不同状态间进行的马尔可夫链转移，并通过正向和反向的状态转移矩阵来精确计算出溶解气体的补全值。为了全面评估数据补全的效果，我们从数据挖掘的视角构建了一个油中溶解气体数据质量的综合评估体系，并从多个维度对补全结果进行了细致分析。随后，我们运用D-S证据融合理论，整合了各个评估维度的结果，从而得出最终的综合评估指标。为了验证方法的有效性，我们选取了一台变压器设备的100组油中溶解气体数据，其中随机缺失了25组数据点，并利用所提出的方法进行了补全。实验结果表明，补全后的数据与原始数据的相似度能够达到惊人的99.999%。此外，我们还对其中15组极值点和跃变点处的缺失值进行了补全操作。经过系统的评估和比较分析后，证实了补全后的数据与实际数据的相似度可以达到98.956%。实验结果充分表明所提出的方法能够在不改变原数据的特征信息的前提下，准确地填补变压器油中溶解气体的缺失值，从而显著提升变压器状态评估方法的准确性和可靠性。