基于核的可能性聚类算法在电力变压器故障诊断的应用研究.pdfVIP

25 卷 20 期 中 国 电 机 工 程 学 报 Vol.25 No.20 Oct. 2005 2005 年10 月 Proceedings of the CSEE 2005 Chin.Soc.for Elec.Eng. 文章编号：0258-8013 （2005 ）20-0162-05 中图分类号：TM835 文献标识码：A 学科分类号：470·40 基于核可能性聚类算法和油中溶解气体分析 的电力变压器故障诊断研究 浩，孙才新，廖瑞金，李 剑，杜 林 （重庆大学高电压与电工新技术教育部重点实验室，重庆市沙坪坝区 400044 ） STUDY ON KERNEL-BASED POSSIBILISTIC CLUSTERING AND DISSOLVED GAS ANALYSIS FOR FAULT DIAGNOSIS OF POWER TRANSFORMER XIONG Hao, SUN Cai-xin, LIAO Rui-jin, LI Jian, DU Lin （Key Laboratory of High Voltage and Electrical New Technology of Ministry of Education, Chongqing University, Shapingba District, Chongqing 400044, China ） ABSTRACT: Dissolved gas analysis (DGA) is an important 中溶解气体分析技术是电力变压器绝缘诊断的重 method to diagnose the fault of power transformer. Aimed at 要方法，它能有效发现变压器内部的潜伏性故障及 the problems existed in fuzzy c-means clustering algorithm 其发展程度。 which is applied in DGA, a simplified kernel-based [1-2] 目前很多人工智能的方法如神经网络 、专 possibilistic c-means clustering algorithm is presented. This [3-4] [5-6] [7-9] 家系统 、聚类分析 、灰色理论 、支持向 algorithm combines kernel function with possibilistic c-means [10] [11- 12] 量机 、粗糙集 等，它们中的一种或几种集 clustering, then is applied to DGA data analysis in power 成的方法被应用于电力变压器绝缘诊断中，并取 transformer. It’s proved that this algorithm can cluster the 得了较好的诊断效果。其中文献[5-6,9]采用的模糊 samples fast and efficient