基于Storm计算的电力设备并行诊断模型构建及仿真

• 作者: 黄荣辉 周伟 张顺斌 丁浩湘 胡嘉聪
• 来源期刊: 自动化与仪器仪表
• 关键词: Storm计算 电力设备 并行化诊断 DGA数据 K-Means聚类
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 理论创新|THEORETICAL INNOVATION
• 页码范围: 81-84
• 页数: 4页
• 分类号: TP399
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2021.01.081

摘要

针对当前电力设备诊断准确率不高,以及传统模糊C均值聚类时效性不强的问题,在利用K-Means聚类减少样本,以及确定聚类中心的前提下对FCM算法进行改进,然后通过Storm并行化框架实现对数据的接入和故障诊断,以此实现对电力设备数据的诊断.结果表明,无论是单机版的改进FCM,还是并行化下改进的FCM,其对变压器DGA数据的识别效率与传统的FCM算法效率都要高,且在处理时间方面,并行化下改进的FCM处理时间要明显缩短,具有很强的实际应用价值.