基于鲁棒学习模糊C均值聚类算法的变压器故障辨识方法
为提高电力变压器故障评估的准确性,在变压器油中溶解气体检测数据基础上,采用鲁棒学习模糊C-均值聚类算法进行状态信息挖掘分析.该方法利用信息熵来度量样本归属的模糊性,避免了经典模糊C-均值聚类算法受初始化参数影响大、对离群数据点敏感、分类结果不稳定等缺点.算例计算分析结果表明,基于鲁棒学习模糊C-均值聚类算法能够对变压器评估指标数据进行有效、准确的分类,从而实现电力变压器故障的准确评估,为检修决策提供合理的建议.
变压器故障辨识、模糊C-均值聚类、鲁棒学习、信息熵
40
TM406(变压器、变流器及电抗器)
国家自然科学基金项目51567002,50767001;广东省公益研究与能力建设专项资金项目2014A010106026;广东电网有限责任公司科技项目031600KK52160004
2018-11-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
386-391