聚类分析在电力系统不良数据中的应用_secret.doc

文献综述 1聚类分析在电力系统不良数据识别中的应用 1.1研究背景、发展方向 相对于早期的设计现代变压器采用了更为紧凑的绝缘方式，因此在运行中其内部绝缘所需承受的热和电应力水平显著提高。目前110kV及以上等级的大型电力变压器仍主要采用油纸绝缘结构，在正常老化过程及故障初期，油纸绝缘劣化所形成的低分子烃、氢气以及碳的氧化物等气态化合物绝大部分将溶解于油中。随着计算机、网络技术的发展，获得有关资料已经非常简单易行。但是对于数量大、涉及面宽的数据，依靠以往那种由简单汇总、按指定模式去分析的统计方法是无法完成这类数据的分析，这就出现了数据挖掘技术。而其中的聚类分析主要应用于新产品概念识别、竞争力分析，价格策略、市场细分，故障诊断等方面。目前的一些聚类方法也已经比较成熟。 1.2研究现状 在现有的电力变压器中溶解气体分析故障模式识别的研究中，总是先确定故障类的多少，即先确定故障模式，然后把故障样本按一规则或经验分配到模式中去，接下来对同一模式中的样本提取模式特征量等。由于只是借鉴已成熟的故障诊断法，如三比值法的分类，或是专家的经验，而缺乏对样本数据的科学分析，因此得出的模式也就自然不能保证是故障样本数据的真正结构，甚至有可能仅是人为强加的一种结构，在此基础上所作出的一切努力都带有这种缺陷，以至达不到理想的目标。既然要根据特征量数据来判断故障模式，那么模式分类结构就应该能真实体现特征量数据