基于自适应模糊聚类与核主元分析混合模型的变压器异常检测

作者：林越; 刘廷章; 唐侃

来源：科技通报, 2020, 36(09): 56-60.

DOI：10.13774/j.cnki.kjtb.2020.09.011

• 模糊C均值聚类
• 核主元分析
• 电力变压器
• 异常检测

模糊聚类算法(fuzzy c-means algorithm,FCM)和核主元分析(kernel principal component analysis,KPCA)是2种常用的电力变压器设备故障诊断方法,但电力变压器设计结构复杂且目前积累的故障特征样本不多,如若单纯使用上述2方法,效果均不够理想。针对电力变压器存在多工作状态和故障特征存在非线性关系等问题,结合自适应模糊聚类算法自动更新聚类中心个数的能力和核主元分析法强大的非线性故障分类能力,本文提出一种基于AFCM-KPCA混合模型的电力变压器异常检测方法。实验结果表明,AFCM-KPCA混合模型在2种统计量下,较之2种传统模型均具有诊断精度高的优点。另外,本文所提的混合模型具有一定的可行性与普适性。

• 单位
  海南热带海洋学院; 上海大学