改进模糊聚类与主成分分析下的变压器故障识别 |
| |
作者姓名: | 薛盛炜 李川 李英娜 |
| |
作者单位: | 昆明理工大学信息工程与自动化学院,云南昆明 650500;云南省计算机技术应用重点实验室,云南昆明 650500 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金 |
| |
摘 要: | 针对经典模糊C均值聚类(FCM)对数据进行等权划分而造成聚类结果不理想的情况,首先,采用点密度加权方式,对变压器油中溶解气体分析(DGA)数据进行处理,提高样本可分性,削弱聚类时出现的等趋势划分对聚类中心以及分类结果造成的影响。然后,以DGA故障数据聚类中心作为变压器标准故障谱。最后,利用施加惯性系数的主成分分析方法对待测样本进行故障识别。研究结果表明:通过点密度加权的FCM对DGA数据进行故障类型分类时,平均准确率比传统FCM算法提升了9.6%。利用上述方法对多组油浸式变压器进行识别,识别结果与实测信息均一致。
|
关 键 词: | 变压器 溶解气体分析 点密度加权 主成分分析 模糊C均值聚类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|