FCM聚類算法及其在變壓器故障診斷中的應(yīng)用.pdf

1、電力變壓器的運行狀態(tài)直接影響著整個電力系統(tǒng)的穩(wěn)定性，在眾多的變壓器故障診斷方法中，三比值法以其獨特的優(yōu)點在實際中得到了最廣泛的應(yīng)用，但是該方法的編碼和故障類型之間對應(yīng)太苛刻，存在編碼缺失的問題，所以故障診斷的正確率不高。
　　模糊聚類算法能夠以隸屬度的方式實現(xiàn)對樣本集合的軟劃分，本文根據(jù)變壓器故障診斷具有模糊性的特點，將FCM（模糊c均值聚類）算法和三比值法結(jié)合進行變壓器故障診斷。對于FCM算法在聚類過程中沒有區(qū)分樣本作用差異的缺

2、點，首先根據(jù)歐式距離可以表示樣本間相異度的思想，對FCM算法進行加權(quán)改進，實現(xiàn)了SWFCM算法。用IRIS數(shù)據(jù)集進行試驗，結(jié)果顯示SWFCM（樣本加權(quán)的模糊c均值聚類）算法所得的聚類中心能夠更加接近實際位置。
　　進行變壓器故障診斷時，把標(biāo)準(zhǔn)樣本和待測樣本的數(shù)據(jù)按照三比值法中的故障類型順序排列，組成樣本矩陣，作為SWFCM算法的輸入量，通過輸出隸屬度的比較，算法可以自動識別待測樣本的故障類型。實例表明，這樣的故障診斷模式能得到93

3、.42%的故障診斷正確率，而且在有噪聲干擾的情況下，算法的抗干擾能力也比三比值法強。
　　根據(jù)實際的故障診斷模式，本文對SWFCM算法的隸屬度矩陣設(shè)置了更合理的初始值，從迭代次數(shù)來看，SWFCM算法顯著提高了收斂速度，和FCM算法相比，能夠更快地確定故障類型。
　　為了體現(xiàn)SWFCM算法在修正聚類中心位置上的作用，直接用SWFCM算法對152組樣本進行聚類，由于每類的樣本數(shù)目相差懸殊，數(shù)目小的樣本類會被作為分散點或孤立點，F(xiàn)