模糊聚類分析及其在變壓器油色譜數(shù)據(jù)分析中的應用.pdf

1、電力變壓器是電力系統(tǒng)中最重要的電氣設備之一，其運行狀態(tài)直接影響到整個電力系統(tǒng)的安全與穩(wěn)定運行。油中溶解氣體分析由于無需停電試驗，便于在線監(jiān)測，且不受外界電場和磁場因素的干擾，因此被世界公認為是監(jiān)測和診斷充油電力變壓器早期潛伏性故障最有效的方法之一。 目前基于溶解氣體分析的變壓器故障診斷方法有很多，本文嘗試將模糊聚類分析方法應用到變壓器油色譜數(shù)據(jù)的分析中來，并針對該方法在實際應用中存在的問題進行了分析討論。 本文首先應用模

2、糊聚類分析中的模糊ISODATA算法對變壓器油色譜數(shù)據(jù)進行了聚類分析。該方法在實際應用中存在一些問題，如：模式空間的劃分缺乏依據(jù)，聚類分析時沒有考慮各種氣體成分對故障反映的靈敏度等。本文對此進行了改進，引入了一個描述不同氣體成分對故障反映靈敏度的指標權向量，并在每次迭代運算之后對聚類中心進行分解和合并處理。利用改進后的模糊ISODATA算法對100條測試樣本進行了故障診斷，并將診斷結果與三比值法、改良電協(xié)研法以及實際故障原因進行了對比分

3、析，診斷準確率達到了92％，相對于原有的88％有了一定程度的提高。 模糊ISODATA算法以及改進后的算法都存在著一個共同的缺點，那就是大數(shù)據(jù)量情況下的計算耗時。改進后的模糊ISODATA算法雖然有效地縮短了故障診斷的時間，但在故障診斷之前需要對已有的樣本數(shù)據(jù)進行聚類分析，其計算過程依然比較繁瑣，為此，將模糊邏輯聚類神經(jīng)元網(wǎng)絡應用到變壓器故障診斷中來，該方法采用模糊集理論中的模糊邏輯算子來完成網(wǎng)絡的運算，再加上神經(jīng)網(wǎng)絡并行處理的

4、特點，從而大幅度提高了其運算速度，節(jié)省了運算時間。應用該方法對測試庫的樣本進行了故障診斷，其診斷準確率達到了91％。 模糊ISODATA算法存在兩大缺點：一是處理大數(shù)據(jù)量時的計算耗時，二是容易陷入局部極小點或鞍點。模糊邏輯聚類神經(jīng)元網(wǎng)絡雖然可以解決其中第一個缺點，但該方法還是基于梯度下降的學習算法，因此不可避免的會陷入局部極小點或鞍點，為此，將進化計算中的進化策略應用到變壓器故障診斷中來，利用該算法全局尋優(yōu)的特點，從而得到更加合