基于聚类和时间序列分析的变压器状态评价方法
传统的电力变压器DGA故障诊断方法, 仅能二值化地判断设备处于健康或故障状态, 无法表征变压器的潜在故障情况, 也无法确定变压器向故障状态转化的趋势.对此, 提出了一种基于聚类和时间序列分析的变压器状态评价方法.首先, 基于点密度判据进行数据预处理, 消除噪声影响.其次, 基于大数据聚类思想, 计算采样数据和历史故障数据簇的相对邻近度, 根据计算结果将设备状态划分为健康、潜伏故障或故障.在此基础上判断故障设备的故障类型, 基于故障类型关联权重计算健康设备的健康得分, 通过时间序列相似性分析方法获取潜伏故障设备的预测故障发展时间.算例分析验证了该方法的可行性与有效性.
DGA、变压器、聚类、大数据、时间序列分析
47
国家自然科学基金重点项目资助51537010"多重不确定因素下的智能电网风险调度理论与方法研究";国网科技项目资助52182016001J"输变电设备健康诊断与故障预警云服务平台研究与应用项目"
2019-05-31（万方平台首次上网日期，不代表论文的发表时间）
共7页
64-70
