[发明专利]基于改进模糊C均值聚类算法的变压器故障诊断方法

权利要求书

1.一种基于改进模糊C均值聚类算法的变压器故障诊断方法，其特征在于，步骤包括：

获取变压器油中溶解气体数据和故障类型数据作为样本，将所述样本分为训练样本和测试样本；

将所述样本中的变压器油中溶解气体数据进行处理，并确定所述训练样本的类别数目以及各类别对应的初始聚类中心；

采用改进模糊C均值聚类算法进一步确定所述训练样本各个类别对应的新聚类中心，并计算测试样本属于各类别的概率；

根据测试样本属于各类别的概率和各类别中各故障类型所占的比例，计算测试样本对应各故障类型的发生概率，并根据所述发生概率确定所述测试样本的故障类型；

所述采用改进模糊C均值聚类算法进一步确定所述训练样本的各个类别对应的新聚类中心，并计算测试样本属于各个类别的概率，具体步骤如下：

将所述训练样本的类别数目以及各个类别对应的初始聚类中心作为改进模糊C均值聚类算法的参数，并确定改进模糊C均值聚类算法的其他参数；

所述采用改进模糊C均值聚类算法进一步确定所述训练样本的各个类别对应的新聚类中心，公式如下：

其中，d_ij为第j个样本z_j到第i个聚类中心v_i的欧式距离，c为类别的数目，ω_j为样本z_j的分布权重，ρ_ij为样本z_j对应第i个类别的模糊隶属度，n为各个类别中样本的个数，m＝2为模糊指数，J为目标函数，其中，模糊隶属度ρ_ij通过以下公式得到：

其中，d_ij为第j个样本z_j到第i个聚类中心v_i的欧式距离，d_kj为第j个样本z_j到第k个聚类中心v_k的欧式距离，c为类别的数目；

通过训练样本的分布权重来更新所有类别的聚类中心，公式如下：

其中，ω_j为样本z_j的分布权重，ρ_ij为样本z_j对应类别i的模糊隶属度，z_j表示第j个样本，v_i表示新的聚类中心；重复步骤直至新的聚类中心v_i对应的目标函数J与前一轮目标函数的差值小于阈值ε，则算法结束并确定c个聚类中心；

通过确定好的c个聚类中心来计算测试样本属于各类别的概率，公式如下：

其中，ρ_i为测试样本对应类别i的模糊隶属度，即测试样本属于类别i的概率，d_i为测试样本到第i个聚类中心v_i的欧式距离，d_k为测试样本到第k个聚类中心v_k的欧式距离，c为类别的数目。

2.根据权利要求1所述基于改进模糊C均值聚类算法的变压器故障诊断方法，其特征在于，变压器油中溶解气体包括H₂、CH₄、C₂H₂、C₂H₄和C₂H₆；所述故障类型包括正常状态、中温过热、高温过热、局部放电、火花放电和电弧放电。