基于模糊聚类和完全二叉树支持向量机的变压器故障诊断

被引：65

作者：

李赢

舒乃秋

机构：

[1] 武汉大学电气工程学院

来源：

电工技术学报 | 2016年 / 31卷 / 04期

关键词：

变压器油中溶解气体; 模糊聚类; 完全二叉树; 支持向量机;

D O I：

10.19595/j.cnki.1000-6753.tces.2016.04.010

中图分类号：

TM407 [维护、检修];

学科分类号：

摘要：

为提高电力变压器故障诊断准确率,提出基于模糊聚类和完全二叉树支持向量机的故障诊断模型,即通过模糊C均值聚类,对样本采用完全二叉树结构逐层划分,直至最后得到各故障分类。该方法克服了一般方法对故障划分不明确、分类重叠和不可分等缺点。试验表明,相比改良三比值法、支持向量机分类"一对一"和"一对多"组合,该方法在电力变压器故障诊断中具有最高的诊断准确率。

引用

收藏

页码：64 / 70

页数：7

相关论文

共 16 条

[1] 基于灰关联和模糊支持向量机的变压器油中溶解气体浓度的预测 [J].

司马莉萍 ;

舒乃秋 ;

左婧 ;

王波 ;

彭辉 .

电力系统保护与控制, 2012, 40 (19) :41-46

[2] 基于优化最小二乘支持向量机的电能质量扰动分类 [J].

秦业 ;

袁海文 ;

袁海斌 ;

王秋生 ;

张学利 .

电工技术学报, 2012, 27 (08) :209-214

[3] 基于粒子群优化支持向量机的变压器故障诊断 [J].

朱文俊 ;

周刚 ;

王红斌 ;

尹玉娟 ;

张金江 ;

郭创新 .

水电能源科学, 2012, 30 (04) :179-182

[4] 基于聚类思想的电能质量综合评估 [J].

蒋德珑 ;

王克文 ;

杨平 ;

崔惟 .

电力系统保护与控制, 2012, 40 (07) :105-111

[5] 风场短期风速预测研究 [J].

罗文 ;

王莉娜 .

电工技术学报, 2011, 26 (07) :68-74

[6] 基于能量灵敏度矩阵和模糊聚类分析的电压控制分区 [J].

康勇 ;

李华强 ;

郑武 ;

康宁 ;

赵磊 .

电力系统保护与控制, 2011, 39 (12) :69-73

[7] 基于遗传支持向量机和灰色人工免疫算法的电力变压器故障诊断 [J].

郑蕊蕊 ;

赵继印 ;

赵婷婷 ;

李敏 .

中国电机工程学报, 2011, 31 (07) :56-63

[8] 自适应分级多分类支持向量机在变压器故障诊断中的应用 [J].

杨洪 ;

古世甫 ;

陶加贵 ;

苟建 .

高压电器, 2010, 46 (05) :49-52

[9] 基于小波奇异值和支持向量机的高压线路故障诊断 [J].

高彩亮 ;

廖志伟 ;

岳苓 ;

黄少先 .

电力系统保护与控制, 2010, 38 (06) :35-39+51

[10] 基于粒子群优化支持向量机的变压器故障诊断 [J].

费胜巍 ;

苗玉彬 ;

刘成良 ;

张晓斌 .

高电压技术, 2009, 35 (03) :509-513