動態加權模糊聚類在變壓器故障診斷中的應用研究

劉太洪，趙永雷（.國網陜西省電力公司，陜西西安　70048；.國網邯鄲供電公司，河北邯鄲　056004）

?

動態加權模糊聚類在變壓器故障診斷中的應用研究

劉太洪1，趙永雷2
（1.國網陜西省電力公司，陜西西安710048；2.國網邯鄲供電公司，河北邯鄲056004）

摘要：為提高變壓器故障診斷準確率，提出了一種基于遺傳算法的動態加權模糊C均值聚類算法。該算法使用把聚類中心作為染色體的浮點數的編碼方式，染色體長度可變，不同的長度對應于不同的故障聚類數；并使用權值區別不同樣本點對故障劃分的影響程度。將該算法應用于電力變壓器油中溶解氣體分析（DGA）數據分析，實現了變壓器的故障診斷。經過大量實例分析，并將結果與其他算法進行對比，表明該算法具有較高的診斷精度。

關鍵詞：動態聚類；權值；遺傳算法；變壓器；故障診斷

KEY W0RDS：dYnamic c1ustering；weights；genetic a1gorithm；transformer；fau1t diagnosis

傳統診斷方法（IEC三比值法、改良三比值法等）屬于單故障、漸發性故障的簡單診斷技術，由于電氣設備故障原因和故障現象的復雜性、模糊性和不確定性，傳統故障診斷方法所診斷的結果準確率并不高。近幾年來，以模糊數學、神經網絡、灰色系統等理論為基礎的綜合智能化診斷及模式識別等方面的研究中取得了很大的進展，該文在深入研究的基礎上運用遺傳算法和模糊C均值聚類算法［2-3］，構造一種新的集成診斷方法。

傳統的分類方法（如三比值法的分類或專家的經驗分類等）總是先確定故障類的多少，即先確定故障模式，然后把故障樣本按一定規則或經驗分配到模式中去，而缺乏對樣本數據的科學分析，因此得出的模式也就自然不能保證是故障樣本數據的真正結構。……