[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

说明书

本发明公开了一种基于改进模糊C均值聚类算法的变压器故障诊断方法，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，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。本发明能够通过对变压器油中溶解气体和故障类型的历史数据进行聚类分析，快速对变压器进行故障诊断。

技术领域

本发明属于变压器故障诊断技术领域，具体涉及一种基于改进模糊C均值聚类算法的变压器故障诊断方法。

背景技术

电力产业一直以来都是关系国计民生的基础产业。十三五以来，党中央、国务院将电力供应和安全放在事关国家安全战略、事关经济社会发展全局的重要高度。变压器作为电力系统的关键枢纽设备，其运行状态直接关系到整个电力系统的安全与稳定。变压器一旦发生故障会造成巨大的经济损失和安全隐患，甚至会造成严重的社会影响。因此，对变压器进行故障诊断十分必要。油中溶解气体分析技术是目前常用的变压器故障诊断技术之一。传统的油中溶解气体分析技术，如三比值法，故障诊断准确率不高，无法满足工程需求；基于人工智能算法的油中溶解气体分析技术多采用硬分类方法，通过将变压器油中溶解气体含量代入训练好的算法模型，对变压器进行唯一故障类型划分。考虑到变压器故障类型与油中溶解气体含量之间更多的是一种有一定关联和不确定性的模糊关系，可以将模糊聚类算法引入变压器的故障诊断技术中，通过计算变压器对应各故障的发生概率，确定变压器的故障类型。

发明内容

本发明针对现有技术中故障诊断准确率不高，无法满足工程需求的缺点，提供了一种基于改进模糊C均值聚类算法的变压器故障诊断方法。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

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，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。

作为一种可实施方式，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。

作为一种可实施方式，所述将所述样本中的变压器油中溶解气体数据进行处理，处理后确定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，包括以下步骤：

对所述样本中的变压器油中溶解气体数据进行归一化处理，以下公式：

其中，x_ij为第i组样本第j类油中溶解气体值，x_ij^*为归一化处理后的数据；