河南科技大学学报:自然科学版

2020, v.41;No.187(06) 39-44+50+5-6

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进模糊聚类与主成分分析下的变压器故障识别
Transformer Fault Identification Based on Improved Fuzzy Clustering and Principal Component Analysis

薛盛炜;李川;李英娜;

摘要(Abstract):

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(KeyWords): 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

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(61962031,51567013)

作者(Author): 薛盛炜;李川;李英娜;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享