[发明专利]一种基于聚类分析的POF故障诊断方法

权利要求书

1.一种基于聚类分析的POF故障诊断方法，其特征在于，所述方法步骤如下：

S1：将SF6分解后的各组分数据进行百分含量的转换后输入分析软件中，并定义变量名称和精度；

S2：将组分数据进行标准化；

S3：对标准化后的数据进行聚类分析。

2.如权利要求1所述的基于聚类分析的POF故障诊断方法，其特征在于，所述方法还包括有应用参数，具体包括有：

欧氏距离：

其中，k表示每个样本有k个变量，x_i表示第一个样本在第i个变量上的取值；y_i表示第二个样本在第i个变量上的取值；

Pearson相关系数：

相似矩阵：

取值范围为：0≤r_ij≤1，当r_ij值越接近1就表示对象i和j越相似或越接近，越该分在同一个类；反之，值越小，两个对象越不同。

3.如权利要求1所述的基于聚类分析的POF故障诊断方法，其特征在于，所述步骤S2中的标准化包括有：

(1)平移·标准差变换

其中，经过变换后，每个变量的均值为0，标准差为1；

(2)平移极差变换

其中，0≤x_k≤1；

(3)对数变换

x′_ik＝lg x_ik(i＝1,2,...,n；k＝1,2,...,m)。

4.如权利要求1所述的基于聚类分析的POF故障诊断方法，其特征在于，所述步骤S3中的聚类分析过程如下：

S31：把n个向量x_i(i＝1,2,…,n)分成c个簇G_i(i＝1,2,…,c)，并求得每个簇的聚类中心，使得簇内的方差和达到最小；

其中

S32：进行迭代过程，给出聚类中心；

v⁽⁰⁾＝{v₁⁽⁰⁾,v₂⁽⁰⁾,...,v_c⁽⁰⁾}；

其中，l＝0位迭代次数，最大迭代次数位T，阈值为ε；

S33：更新u_ij；

S34：更新v_ij；

如果max_i＝||v_i-v_i||<ε，或者l>T则停止；否则l＝l+1，转至步骤S32。

5.如权利要求1所述的基于聚类分析的POF故障诊断方法，其特征在于，所述步骤S1中的分析软件为SPSS软件。