改进模糊聚类与主成分分析下的变压器故障识别

• 作者: 李川 李英娜 薛盛炜
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 电工电信、自动化与计算机
• 页码范围: 39-44,50
• 页数: 7页
• 分类号: TP3
• 字数: 3670字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2020.06.007

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李川	昆明理工大学信息工程与自动化学院	263	997	14.0	18.0
3	李英娜	昆明理工大学信息工程与自动化学院	148	412	10.0	12.0
9	薛盛炜	昆明理工大学信息工程与自动化学院	2	0	0.0	0.0