动态模糊聚类及其在变压器故障诊断中的应用

doi:10.3778/j.issn.1002-8331.2008.20.009

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (20): 26-29.DOI: 10.3778/j.issn.1002-8331.2008.20.009

动态模糊聚类及其在变压器故障诊断中的应用

陈舵^1,2,崔杜武¹,李雪^1,3

1.西安理工大学计算机科学与工程学院，西安 710048
2.唐山学院计算中心，河北唐山 063000
3.陕西师范大学国际商学院，西安 710062

收稿日期:2008-03-13 修回日期:2008-04-14 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 陈舵

Dynamic fuzzy clustering algorithm and its application to fault diagnosis of power transformer

CHEN Duo^1,2,CUI Du-wu¹,LI Xue^1,3

1.School of Computer Science and Engineering，Xi’an University of Techology，Xi’an 710048，China
2.Computing Centre of Tangshan College，Tangshan，Hebei 063000，China
3.International Business School of Shaanxi Normal University，Xi’an 710062，China

Received:2008-03-13 Revised:2008-04-14 Online:2008-07-11 Published:2008-07-11
Contact: CHEN Duo

摘要/Abstract

摘要： 理论分析和实践表明，电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关。提出一种基于遗传算法的动态模糊聚类算法，有效融合特征气体组分含量及组分比值两类故障信息，完成对变压器故障的动态聚类分析。该算法采用实数编码方案，染色体长度可变，不同的长度对应于不同的故障类别数；并采用一种新的适合于变长染色体的交叉和变异算子。与特征气体法、三比值法进行对比实验，表明该算法具有较高的判定正确率。

关键词: 溶解气体分析, 聚类分析, 故障诊断, 变长度遗传算法

Abstract: Theoretical analysis and practice indicate that the insulative faults of power transformers are closely related with both the components and the component ratios of various dissolved gas-in-oil.In this paper，a variable length coding genetic fuzzy cluster algorithm is designed to effectively fuse the above two kinds of information and accomplish the dynamic cluster analysis on the faults of power transformer.We adopt a cluster prototype-based dynamic real-coding scheme，in which the variable length chromosomes express cluster prototypes and different length of chromosomes corresponding to different numbers of cluster prototypes.Also，a kind of novel crossover operator and mutation operator are designed to adapt the variable length chromosomes.Theoretical analysis and experimental results indicate that the proposed method is valid.

Key words: dissolved gas analysis, clustering analysis, fault diagnosis, variable-length coding genetic algorithm

陈舵^1,2,崔杜武¹,李雪^1,3. 动态模糊聚类及其在变压器故障诊断中的应用[J]. 计算机工程与应用, 2008, 44(20): 26-29.

CHEN Duo^1,2,CUI Du-wu¹,LI Xue^1,3. Dynamic fuzzy clustering algorithm and its application to fault diagnosis of power transformer[J]. Computer Engineering and Applications, 2008, 44(20): 26-29.

[1]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[2]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[3]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[4]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[5]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[6]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[7]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[8]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[9]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[10]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[11]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[12]	衣俊艳，杜小鹏. 具有中心移动特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(24): 50-58.
[13]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[14]	罗计根，杜建强，聂斌，李欢，聂建华，陈裕凤. 一种聚类欠采样策略的随机森林优化方法[J]. 计算机工程与应用, 2020, 56(22): 166-172.
[15]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.

动态模糊聚类及其在变压器故障诊断中的应用

Dynamic fuzzy clustering algorithm and its application to fault diagnosis of power transformer

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics