基于大数据分析挖掘技术的电力设备局部放电诊断方法

• 作者: 梁灏 韩俊玉 魏丽峰
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 大数据分析 挖掘 电力设备 局部放电 诊断
• 年，卷（期）: 2018,（19）
• 所属期刊栏目: 研究简报
• 页码范围: 203-208
• 页数: 6页
• 分类号: TM41
• 字数: 3724字
• 语种: 中文

摘要

当前电力设备状态参量规模逐渐增加,电力设备状态数据来自多个不同系统,较为复杂.传统诊断方法不能有效处理大规模数据,导致电力设备局部放电诊断结果不可靠.为此,提出一种新的基于大数据分析挖掘技术的电力设备局部放电诊断方法.给出谱图生成过程,对电力设备局部放电特征进行提取.对电力设备状态参量进行大数据分析挖掘,完成对电力设备各种状态参量的组合、特征合并处理.通过皮尔逊相关性理论计算相关系数.依据相关系数,利用优化迭代将电力设备样本分成若干类,获取对应聚类中心.将局部放电样本聚集在一起,依据局部放电特征实现诊断.实验结果表明,所提方法诊断可靠性与实用性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩俊玉		7	29	3.0	5.0
2	梁灏		9	12	2.0	3.0
3	魏丽峰		3	6	1.0	2.0