基于密度峰值优化初始中心K-means算法在风力发电系统的故障诊断分析

• 作者: 叶永恩 王欣 黄浩
• 来源期刊: 新型工业化
• 关键词: 风电系统 故障诊断 K-means算法 CFSFDP算法 密度峰值 聚类分析
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 设计与研究
• 页码范围: 13-19
• 页数: 7页
• 字数: 4307字
• 语种: 中文
• DOI: 10.19335/j.cnki.2095-6649.2017.10.003

摘要

针对风电系统故障种类多,故障信号数据维数大,诊断正确率低的问题,提出一种利用密度峰值优化初始质心K-means分类算法进行诊断;K-means算法的初始聚类质心是随机选取的,聚类质心选取质量严重影响聚类结果的稳定性,当聚类较大维数的数据时效果很不理想.而CFSFDP(clustering by fast search and find of densitypeaks)算法对维数较大的数据有良好的聚类能力,但是对于同类多峰的数据,分类效果稳定性变差,总体效果不够理想.为此,综合两种算法的优点,本文提出一种快速密度峰值搜索算法K-CFSFDP(clustering by fast searchand find of density peaks)优化初始质心的K-means算法并在风力发电系统的故障诊断应用中获得了良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王欣	湖南工业大学电气与信息工程学院	46	349	10.0	16.0
2	黄浩	湖南工业大学电气与信息工程学院	6	20	2.0	4.0
3	叶永恩	湖南工业大学电气与信息工程学院	1	1	1.0	1.0