发明名称 |
一种基于聚类算法的变压器故障诊断系统 |
摘要 |
本发明公开了一种基于聚类算法的变压器故障诊断系统,包括:样本采集模块,用于采集变压器的油中溶解气体数据,并将所述油中溶解气体数据作为原始样本;数据预处理模块,用于对原始样本中的数据进行清洗和筛选预处理;样本分析聚类模块,用于采用改进的K‑means聚类方法对预处理后的原始样本进行聚类分析,得到训练样本和测试样本;神经网络训练模块,用于构建神经网络,并进行优化训练,确定隐藏层的个数、中心位置、宽度以及输出权值;故障类别判断模块,用于向训练好的神经网络输入训练样本,求解后验概率,判断故障类别。本发明容易实施、能够提高故障诊断正确率及工作效率。 |
申请公布号 |
CN106202922A |
申请公布日期 |
2016.12.07 |
申请号 |
CN201610538557.X |
申请日期 |
2016.07.06 |
申请人 |
吴本刚 |
发明人 |
不公告发明人 |
分类号 |
G06F19/00(2011.01)I;G06N3/12(2006.01)I;G06K9/62(2006.01)I;G01N33/28(2006.01)I;G01R31/12(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
北京高航知识产权代理有限公司 11530 |
代理人 |
赵永强 |
主权项 |
一种基于聚类算法的变压器故障诊断系统,其特征在于,包括样本采集模块、数据预处理模块、样本分析聚类模块、神经网络训练模块和故障类别判断模块;所述样本采集模块用于采集变压器的油中溶解气体数据,并将所述油中溶解气体数据作为原始样本;所述数据预处理模块,用于对原始样本中的数据进行清洗和筛选预处理;所述样本分析聚类模块,用于采用改进的K‑means聚类方法对预处理后的原始样本进行聚类分析,得到训练样本和测试样本;所述神经网络训练模块,用于构建神经网络,并进行优化训练,确定隐藏层的个数、中心位置、宽度以及输出权值;所述故障类别判断模块,用于向训练好的神经网络输入训练样本,求解后验概率,判断故障类别。 |
地址 |
315200 浙江省宁波市镇海区鼓楼东路32号 |