科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对载流故障的时域多样性,提出基于变尺度主成分分析(PCA)的载流故障早期预警方法。首先构造即时温度序列和多种时间尺度的平均温度序列,然后对各温度序列分别进行主成分分析以提取故障的早期特征,并采用K-means算法对异常温度点进行聚类分析以实现故障定位。实验结果表明,该方法能有效地进行载流故障诊断,并使故障的预警时间比常规的温度阈值法显著提前。
- 单位
针对载流故障的时域多样性,提出基于变尺度主成分分析(PCA)的载流故障早期预警方法。首先构造即时温度序列和多种时间尺度的平均温度序列,然后对各温度序列分别进行主成分分析以提取故障的早期特征,并采用K-means算法对异常温度点进行聚类分析以实现故障定位。实验结果表明,该方法能有效地进行载流故障诊断,并使故障的预警时间比常规的温度阈值法显著提前。
