发明名称 |
基于聚类算法和神经网络的变压器故障诊断方法 |
摘要 |
本发明公开了一种基于聚类算法和神经网络的变压器故障诊断方法,包括以下步骤:a、根据IEC标准和DL/T722-2000导则确定故障类型;在原始样本集中选取故障样本集的特征量;b、利用K-means聚类方法对这些样本进行聚类;c、构建RBF神经网络;d、进行参数学,确定隐藏层的个数、中心位置、宽度以及输出权值;e、采用PSO进行优化训练,确定隐藏层中心的位置,而个数、宽度、权值分别采用试验法、最小距离法、伪逆法确定;f、输入训练样本,求解后验概率,判断故障类别。本发明能够较为均匀地从总的样本中划分出训练样本和测试样本,而良好的测试样本能够对神经网络进行更为完整的测试,从而确保神经网络得到正确合理的评价。 |
申请公布号 |
CN104299035A |
申请公布日期 |
2015.01.21 |
申请号 |
CN201410512284.2 |
申请日期 |
2014.09.29 |
申请人 |
国家电网公司;国网河南省电力公司检修公司 |
发明人 |
张琪;余晓东;曲欣;王超;王若星;罗虎;井子恒;王岩 |
分类号 |
G06N3/08(2006.01)I |
主分类号 |
G06N3/08(2006.01)I |
代理机构 |
郑州金成知识产权事务所(普通合伙) 41121 |
代理人 |
郭增欣 |
主权项 |
一种基于聚类算法和神经网络的变压器故障诊断方法,包括以下步骤:a、根据IEC标准和DL/T 722‑2000导则,确定故障类型为中低温过热、中温过热、高温过热、局部放电、低能放电和高能放电;在原始样本集中选取H<sub>2</sub>、CH<sub>4</sub>、C<sub>2</sub>H<sub>6</sub>、C<sub>2</sub>H<sub>4</sub>和C<sub>2</sub>H<sub>2</sub>为故障样本集的特征量; b、用聚类法对原始样本进行分析后得到样本空间分布,根据某一相似性度量,把原始样本划分三类,从这三类中按一定的方法和比例挑选训练样本和测试样本,利用K‑means聚类方法对这些样本进行聚类;c、构建RBF神经网络; d、进行参数学习,确定隐藏层的个数、中心位置、宽度以及输出权值; e、采用PSO进行优化训练,确定隐藏层中心的位置,而个数、宽度、权值分别采用试验法、最小距离法、伪逆法确定;f、输入训练样本,求解后验概率,判断故障类别。 |
地址 |
100033 北京市西城区西长安街86号 |