基于并行模糊C-均值聚类的风电机组发电机故障诊断研究

• 作者: 孙泽贤 孙鹤旭 张靖轩
• 来源期刊: 太阳能学报
• 学科: 工学
• 关键词: 故障诊断 聚类 风电机组 发电机 风电监测 Spark
• 年，卷（期）: 2020,（3）
• 页码范围: 8-14
• 页数: 7页
• 分类号: TM914
• 语种: 中文

摘要

提出一种基于并行化的改进模糊C-均值聚类的风电机组发电机故障诊断方法.首先通过邻近聚类算法确定数据集可能的最大类簇数Cmax,以Cmax为上限,利用改进的模糊C-均值算法,以BWI(between-within index)指标为聚类有效性判别指标,提出新的确定最佳聚类数的方法.并结合Spark内存处理技术,将其应用在风电机组发电机的故障诊断中,通过UCI机器学习数据库数据集以及风电监测实时数据的实验测试,表明该算法不仅能准确判别发电机的故障模式,并且能更好地处理电力系统的海量数据.