CN104156568A - 一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 - Google Patents
一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 Download PDFInfo
- Publication number
- CN104156568A CN104156568A CN201410350643.9A CN201410350643A CN104156568A CN 104156568 A CN104156568 A CN 104156568A CN 201410350643 A CN201410350643 A CN 201410350643A CN 104156568 A CN104156568 A CN 104156568A
- Authority
- CN
- China
- Prior art keywords
- sequence
- transformer
- dissolved gas
- fuzzy
- checked
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003745 diagnosis Methods 0.000 title claims abstract description 39
- 239000007789 gas Substances 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 8
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims abstract description 4
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims abstract description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 4
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims abstract description 4
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims abstract description 4
- 239000001257 hydrogen Substances 0.000 claims abstract description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 3
- 238000010561 standard procedure Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 4
- 239000005977 Ethylene Substances 0.000 abstract 1
- 238000010219 correlation analysis Methods 0.000 abstract 1
- 238000012098 association analyses Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000027950 fever generation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011551 log transformation method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Abstract
本发明提供一种基于加权灰色关联和模糊聚类的变压器故障诊断方法,包括:实时采集变压器中的溶解气体浓度值,所述溶解气体包括乙炔、乙烯、甲烷、氢气和乙烷;利用模糊聚类算法求出数据矩阵的聚类,根据聚类结果确定准故障序列;对待检序列与准故障序列进行加权灰色关联度分析,最终得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型,即得到变压器故障诊断结果。本发明能够在置信水平不是很好的情况下得到准确的故障诊断,为合理安排检修及安全运行提供依据,减少不必要的浪费,对灰关联分析法进行加权计算关联度,可区别不同因素对故障的影响,在排除故障的时候大大减轻了工作量,节省大量的人力资源。
Description
技术领域
本发明属于变压器故障诊断技术领域,具体涉及一种基于加权灰色关联和模糊聚类的变压器故障诊断方法。
背景技术
随着经济的快速发展,我国的电力供应形势日益紧张,在全国各地仅因电网系统故障造成的经济损失就高达上万亿,分析其的主要原因是对电网系统的故障不能够及时处理,我们知道,国家电力工业的迅速发展说明全国发、输、配电的容量在不断增加,电力系统在日益扩大。当然需要的电气设备也愈来愈多,电气设备故障一直是危机电网安全的主要因素,保证电力系统运行可靠性,对发展国民经济尤其重要。为此,必须实时监测电气设备运行状态,及时检查出内部的早期故障,防止事故于未然。在各种电气设备中,电力变压器是电网中最重要的电气设备之一,由于变压器长期连续在电网中运行,不可避免地会发生各种故障。努力防止和减少变压器故障和事故的发生,保证变压器的正常运行,是电力系统迫切需要解决的课题。
发明内容
针对现有技术存在的问题,本发明提供一种基于加权灰色关联和模糊聚类的变压器故障诊断方法。
本发明的技术方案是:
一种基于加权灰色关联和模糊聚类的变压器故障诊断方法,包括以下步骤:
步骤1:实时采集变压器中的溶解气体浓度值,所述溶解气体包括乙炔、乙烯、甲烷、氢气和乙烷;
步骤2:利用模糊聚类算法求出数据矩阵的聚类,根据聚类结果确定准故障序列;
步骤2.1:将采集的变压器中的溶解气体浓度值、历史故障库中各变压器故障对应的历史溶解气体浓度值以数据矩阵形式表示;
步骤2.2:根据平移-极差变换对数据矩阵中数据进行规格化处理;
步骤2.3:根据算术平均最小法,构建数据矩阵的模糊相似关系矩阵;
步骤2.4:确定模糊相似关系矩阵的最佳阈值;
步骤2.5:求模糊相似关系矩阵的聚类,根据模糊相似关系矩阵绘制λ-子树,利用λ-子树分析法进行聚类分析;
步骤2.5.1:根据模糊相似关系矩阵的最佳阈值,取模糊相似关系矩阵中不小于该最佳阈值的元素,其余舍去;
步骤2.5.2:针对模糊相似关系矩阵的每个顶点找出与其相似程度最大的顶点,将每个顶点及其相似程度最大的顶点进行连线同时标记权重,且连线中同一顶点只能经过一次,连线结果即子树;
步骤2.5.3:得到的子树的个数即分类数,与模糊相似矩阵中采集的变压器中的溶解气体浓度值对应的数据行同属于一类的数据行即准故障序列,模糊相似矩阵中采集的变压器中的溶解气体浓度值对应的数据行即待检序列;
步骤3:对待检序列与准故障序列进行加权灰色关联度分析,最终得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型,即得到变压器故障诊断结果。
所述步骤3按以下步骤执行:
步骤3.1:计算待检序列与准故障序列的关联系数;
步骤3.2:计算待检序列中各溶解气体的组合权重wi:
其中,w1i为采用基于专家评分的层次分析法确定的各溶解气体的主观权重,w2i为采用超标倍数法确定的各溶解气体的客观权重,为第i种溶解气体标准化后的权重;Ci为第i种溶解气体的浓度实测值;Si为第i种溶解气体浓度实测值的几何平均值;
步骤3.3:计算待检序列与准故障序列的加权关联度;
步骤3.4:根据加权关联度排序,得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型。
所述步骤3.1中的待检序列与准故障序列的关联系数的分辨系数按如下原则选取:
(1)当分辨指标ε(k)为0时,分辨系数的取值0.5;
(2)当分辨指标ε(k)的倒数在0至2之间时,分辨系数的取值为0.9倍的分辨指标的值;
(3)当分辨指标ε(k)的倒数在2至3之间时,分辨系数的取值为1.1倍的分辨指标的值;
(4)当分辨指标ε(k)的倒数大于3时,分辨系数的取值为1.4倍的分辨指标的值。
有益效果:
本发明提供的基于加权灰色关联模糊聚类的变压器故障诊断方法,具有思路明晰,建模简单、所需数据少,工作量较少的特点,可以在很大程度上减少由于信息不对称带来的损失,并能够在置信水平不是很好的情况下得到准确的故障诊断,为合理安排检修及安全运行提供依据,减少不必要的浪费,对灰关联分析法进行加权计算关联度,可区别不同因素对故障的影响,使分析结果更具有说服力,将该方法用于变压器故障诊断,在排除故障的时候大大减轻了工作量,节省大量的人力资源,将得到广泛应用。
本发明基于加权灰色关联和模糊聚类的变压器故障诊断方法,利用算术平均最小法得到模糊相似关系矩阵,再利用λ-子树法,通过绘制相似关系矩阵的λ-子树,在此基础上进行聚类分析,可得到要诊断故障所在类,在此类中寻求与要诊断故障较相似的故障,由此得到发生该故障的部器件,其中灰关联分析法是解决少数据、弱条件下故障诊断的有力工具,具有思路明晰,建模简单、所需数据少,工作量较少的特点,可以在很大程度上减少由于信息不对称带来的损失,并能够在置信水平不是很好的情况下得到准确的故障诊断,为合理安排检修及安全运行提供依据,减少不必要的浪费,对灰关联分析法进行加权计算关联度,可区别不同因素对故障的影响,使分析结果更具有说服力,将该方法用于变压器故障诊断,在排除故障的时候大大减轻了工作量,节省大量的人力资源,将得到广泛应用。
附图说明
图1是本发明具体实施方式的基于加权灰色关联和模糊聚类的变压器故障诊断方法流程图;
图2是本发明具体实施方式的变压器故障诊断系统示意图;
图3是本发明具体实施方式的变压器故障诊断系统连接框图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
本实施方式的基于加权灰色关联和模糊聚类的变压器故障诊断方法采用的变压器故障诊断系统,包括传感器模块、BNC2120数据采集通道、PCI6221数据采集卡和控制计算机,软件环境为虚拟仪器平台上的LabVIEW程序,传感器模块为MQ复合分布式气体传感器。
如图2所示,将MQ复合分布式气体传感器置于变压器油箱中,其就能够对变压器油中溶解气体的各种关键气体的浓度进行检测,然后,传感器将采集到的气体浓度以直流电压信号的形式经行输出,通过BNC2120数据采集通道,经PCI6221数据卡采集后,输入到控制计算机,再由控制计算机进行基于加权灰色关联和模糊聚类的变压器故障诊断,输出变压器所处的故障状态,并通知运行人员加以注意与解决。
如图3所示,采用国家仪器公司的BNC2120数据采集通道和PCI6221数据采集卡,对MQ系列复合分布式气体传感器所采的信号急性采样与传输。一般很少把传感器或来自被测系统的信号直接接入数据采集卡,因为数据采集卡可能会对信号产生干扰,从而影响系统操作;同时还需把信号范围控制在数据采集卡的量程之内,并要避免噪声。系统中有很多噪声源,包括传感器、电缆串音及A/D转换等都会严重影响信号质量。总之传感器的电信号必须符合数据采集卡所能接受的格式,否则就必须转换调理,调理方式包括放大、隔离、滤波、激励、线性化等。信号调理简单的说就是将待测信号通过放大、滤波等操作转换成采集设备能够识别的标准信号。利用滤波器、转换器或放大器来改变输入的信号类型并输出。一般的数据采集卡上都带有可编程的增益,但具体要不要作信号调理,要视待采信号的特点而定,若信号很小,则要经过放大将信号调理到采集卡能够识别的范围,若信号干扰较大,就要考虑采集之前作滤波了。常见的调理方式列举如下:
1.放大
放大器提高输入信号电平以更好地匹配模拟-数字转换器(ADC)的范围,从而提高测量精度和灵敏度。此外,使用放置在更接近信号源或转换器的外部信号调理装置,可以通过在信号被环境噪声影响之前提高信号电平来提高测量的信号-噪声比。
2.衰减
衰减,即与放大相反的过程,在电压(即将被数字化的)超过数字化仪输入范围时是十分必要的。这种形式的信号调理降低了输入信号的幅度,从而经调理的信号处于ADC范围之内。衰减对于测量高电压是十分必要的。
3.隔离
隔离的信号调理设备通过使用变压器、光或电容性的耦合技术,无需物理连接即可将信号从它的源传输至测量设备。除了切断接地回路之外,隔离也阻隔了高电压浪涌以及较高的共模电压,从而既保护了操作人员也保护了昂贵的测量设备。
4.多路复用
通过多路复用技术,一个测量系统可以不间断地将多路信号传输至一个单一的数字化仪,从而提供了一种节省成本的方式来极大地扩大系统通道数量。多路复用对于任何高通道数的应用是十分必要的。
5.过滤
滤波器是一种能使一定频率的信号通过,而阻止和衰减其他频率的信号的电路。所谓有源滤波器就是采用有源器件(主要是集成运算放大器)和RC网络构成,其优点是体积小、低频性能好、精度高、性能稳定,目前在信号处理电路中广泛应用。根据有源滤波器频率特性可分为低通滤波器、高通滤波器、带通滤波器、带阻滤波器和全通滤波器。滤波器在一定的频率范围内去除不希望的噪声。几乎所有的数据采集应用都会受到一定程度的50Hz或60Hz的噪声(来自于电线或机械设备)。大部分信号调理装置都包括了为最大程度上抑制50Hz或60Hz噪声而专门设计的低通滤波器。
6.激励
激励对于一些转换器是必需的。例如,应变计,电热调节器,和RTD需要外部电压或电流激励信号。通常RTD和电热调节器测量都是使用一个电流源来完成,这个电流源将电阻的变化转换成一个可测量的电压。应变计,一个超低电阻的设备,通常利用一个电压激励源来用于惠斯登(Wheatstone)电桥配置。
本发明的基于加权灰色和关联模糊聚类的变压器故障诊断方法,利用算术平均最小法得到模糊相似关系矩阵,再利用λ-子树法,通过绘制相似关系矩阵的λ-子树,在此基础上进行聚类分析,可得到要诊断故障所在类,在此类中寻求与要诊断故障较相似的故障,由此得到发生该故障的部器件,其中灰关联分析法是解决少数据、弱条件下故障诊断的有力工具,具有思路明晰,建模简单、所需数据少,工作量较少的特点,可以在很大程度上减少由于信息不对称带来的损失,并能够在置信水平不是很好的情况下得到准确的故障诊断,为合理安排检修及安全运行提供依据,减少不必要的浪费,对灰关联分析法进行加权计算关联度,可区别不同因素对故障的影响,使分析结果更具有说服力,将该方法用于变压器故障诊断,在排除故障的时候大大减轻了工作量,节省大量的人力资源。
一种基于加权灰色关联和模糊聚类的变压器故障诊断方法,如图1所示,包括以下步骤:
步骤1:实时采集变压器中的溶解气体浓度值,所述溶解气体包括乙炔、乙烯、甲烷、氢气和乙烷;
步骤2:利用模糊聚类算法求出数据矩阵的聚类,根据聚类结果确定准故障序列;
步骤2.1:将采集的变压器中的溶解气体浓度值、历史故障库中各变压器故障对应的历史溶解气体浓度值以数据矩阵形式表示;
设论域U={x1,x2,…,xn}为采集的变压器中的溶解气体浓度值、历史故障库中各变压器故障对应的历史溶解气体浓度值,n=10,每个变压器故障类型有m=5个指标标示其性状,且变压器故障类型xi={xi1,xi2,…,xin},(i=1,2,…,n),
得到的数据矩阵R0表示如下:
其中,xnm表示第n个变压器故障类型的第m个指标在变压器的历史故障库中的数据。
步骤2.2:根据平移-极差变换对数据矩阵中数据进行规格化处理;
根据模糊矩阵的要求,将数据压缩到[0,1]区间上。通常可作如下几种变换:
(1)平移-标准差变换
其中,
x′ik不一定在区间[0,1]上。
(2)平移-极差变换
显然有0≤x″ik≤1,而且也消除了量纲的影响。
(3)对数变换
x″′ik=lgxik(i=1,2,…,n;k=1,2,…,m)
取对数以缩小变量间的数量级。
比较以上方法的特点,由于极差反映的是变量分布的变异范围和离散幅度,在总体中任何两个单位的标准值之差都不能超过极差。同时,它能体现一组数据波动的范围,并且它具有计算简单,含义直观,运用方便等优点,故本实施方式选用平移-极差变换来进行数据的规格化处理。
步骤2.3:根据算术平均最小法,构建数据矩阵的模糊相似关系矩阵R;
常用的构建模糊相似关系矩阵的方法如下:
数据矩阵的模糊相似关系矩阵R中的元素
其中,j=1……10;
步骤2.4:利用确定模糊相似关系矩阵的最佳阈值λ∈[0,1];
按实际需要,调整λ的值以得到适当的分类,而不需要事先准确的估计好样本应分为几类,当然,也可由具有丰富经验的专家结合专业知识确定阈值λ,从而得到在λ水平的分类。
步骤2.5:求模糊相似关系矩阵的聚类,根据模糊相似关系矩阵绘制λ-子树,利用λ-子树分析法进行聚类分析;
步骤2.5.1:根据模糊相似关系矩阵的最佳阈值,取模糊相似关系矩阵中不小于该最佳阈值的元素,其余舍去;
步骤2.5.2:针对模糊相似关系矩阵的每个顶点找出与其相似程度最大的顶点,将每个顶点及其相似程度最大的顶点进行连线同时标记权重,且连线中同一顶点只能经过一次,连线结果即子树;
步骤2.5.3:得到的子树的个数即分类数,与模糊相似矩阵中采集的变压器中的溶解气体浓度值对应的数据行同属于一类的数据行即准故障序列,模糊相似矩阵中采集的变压器中的溶解气体浓度值对应的数据行即待检序列;
反应变压器行为特征的待检序列为y(k),影响变压器行为的准故障序列为xi(k);
步骤3:对待检序列与准故障序列进行加权灰色关联度分析,最终得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型,即得到变压器故障诊断结果。
步骤3.1:计算待检序列与准故障序列的关联系数ξi(k);
其中,ρ∈(0,∞),为分辨系数,y(k)为待检序列、xi(k)为准故障序列,将ξi(k)的公式简化,记△i(k)=|y(k)-xi(k)|,则
其中,minimink△i(k)为两级最小差,maximaxk△i(k)为两级最大差,按具体情况具体选取:
(1)当分辨指标ε(k)为0时,分辨系数的取值0.5;
(2)当分辨指标ε(k)的倒数在0至2之间时,分辨系数ρ的取值为0.9倍的分辨指标的值;
(3)当分辨指标ε(k)的倒数在2至3之间时,分辨系数ρ的取值为1.1倍的分辨指标的值;
(4)当分辨指标ε(k)的倒数大于3时,分辨系数ρ的取值为1.4倍的分辨指标的值。
步骤3.2:计算待检序列中各溶解气体的组合权重wi:
其中,w1i为采用基于专家评分的层次分析法确定的各溶解气体的主观权重,w2i为采用超标倍数法确定的各溶解气体的客观权重,w2i为第i种溶解气体标准化后的权重;Ci为第i种溶解气体的浓度实测值;Si为第i种溶解气体浓度实测值的几何平均值;
步骤3.3:计算待检序列与准故障序列的加权关联度ri;
步骤3.4:根据加权关联度排序,得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型。
下面通过测得某变压器的油中溶解气体浓度值,利用本实施方式的变压器故障诊断方法进行故障诊断:
所需诊断的故障变压器中的溶解气体浓度值,如表1所示:
表1 待诊断变压器的溶解气体浓度值
历史故障库中各变压器故障对应的历史溶解气体浓度值,如表2所示:
表2 历史故障库中各变压器故障对应的历史溶解气体浓度值
编号 | 故障类型 | 编号 | 故障类型 |
C1 | 线圈变形并匝间短路 | C6 | 过负荷或冷却不良引起的绕组过热 |
C2 | 铁芯多点接地 | C7 | 油流放电 |
C3 | 漏磁引起箱壳及附近局部发热 | C8 | 引线对地放电或发生闪落 |
C4 | 局部放电(油中气泡) | C9 | 铁芯段间短路 |
C5 | 悬浮电位发电(火花放电) |
将采集的变压器中的溶解气体浓度值、历史故障库中各变压器故障对应的历史溶解气体浓度值以数据矩阵形式表示为R0:
再对R0进行规格化处理;
根据算术平均最小法,构建模糊相似矩阵R:
确定模糊相似关系矩阵R的最佳阈值λ为0.5。利用λ-子树法进行分析后可得出聚类,与待检序列聚为同一类的为第C1,C2,C3,C9。
待检序列为Y=[11 38 13 18 0];
由上一步推测出的同类故障序列组成的矩阵如下,即准故障序列为:
计算得到分辨系数ρ=0.48。
得:
计算待检序列与准故障序列的关联系数
计算待检序列中各溶解气体的组合权重wi:四种准故障序列的权重分别为:0.85;0.78;0.97;0.67。
计算待检序列与四种准故障序列的加权关联度分别为0.8211;0.5538;0.9448;0.5454。
根据加权关联度排序,得出变压器故障类型。由以上结果显然得出待检序列与故障类型C3关联度最高,故障诊断结果为漏磁引起箱壳及附近局部发热。
Claims (3)
1.一种基于加权灰色关联和模糊聚类的变压器故障诊断方法,其特征在于:包括以下步骤:
步骤1:实时采集变压器中的溶解气体浓度值,所述溶解气体包括乙炔、乙烯、甲烷、氢气和乙烷;
步骤2:利用模糊聚类算法求出数据矩阵的聚类,根据聚类结果确定准故障序列;
步骤2.1:将采集的变压器中的溶解气体浓度值、历史故障库中各变压器故障对应的历史溶解气体浓度值以数据矩阵形式表示;
步骤2.2:根据平移-极差变换对数据矩阵中数据进行规格化处理;
步骤2.3:根据算术平均最小法,构建数据矩阵的模糊相似关系矩阵;
步骤2.4:确定模糊相似关系矩阵的最佳阈值;
步骤2.5:求模糊相似关系矩阵的聚类,根据模糊相似关系矩阵绘制λ-子树,利用λ-子树分析法进行聚类分析;
步骤2.5.1:根据模糊相似关系矩阵的最佳阈值,取模糊相似关系矩阵中不小于该最佳阈值的元素,其余舍去;
步骤2.5.2:针对模糊相似关系矩阵的每个顶点找出与其相似程度最大的顶点,将每个顶点及其相似程度最大的顶点进行连线同时标记权重,且连线中同一顶点只能经过一次,连线结果即子树;
步骤2.5.3:得到的子树的个数即分类数,与模糊相似矩阵中采集的变压器中的溶解气体浓度值对应的数据行同属于一类的数据行即准故障序列,模糊相似矩阵中采集的变压器中的溶解气体浓度值对应的数据行即待检序列;
步骤3:对待检序列与准故障序列进行加权灰色关联度分析,最终得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型,即得到变压器故障诊断结果。
2.根据权利要求1所述的基于加权灰色关联和模糊聚类的变压器故障诊断方法,其特征在于:所述步骤3按以下步骤执行:
步骤3.1:计算待检序列与准故障序列的关联系数;
步骤3.2:计算待检序列中各溶解气体的组合权重wi:
其中,w1i为采用基于专家评分的层次分析法确定的各溶解气体的主观权重,w2i为采用超标倍数法确定的各溶解气体的客观权重,w2i为第i种溶解气体标准化后的权重;Ci为第i种溶解气体的浓度实测值;Si为第i种溶解气体浓度实测值的几何平均值;
步骤3.3:计算待检序列与准故障序列的加权关联度;
步骤3.4:根据加权关联度排序,得出与待检序列关联度最高的序列,则此序列所对应的故障类型即为待检序列所属的故障类型。
3.根据权利要求2所述的基于加权灰色关联和模糊聚类的变压器故障诊断方法,其特征在于:所述步骤3.1中的待检序列与准故障序列的关联系数的分辨系数按如下原则选取:
(1)当分辨指标ε(k)为0时,分辨系数的取值0.5;
(2)当分辨指标ε(k)的倒数在0至2之间时,分辨系数的取值为0.9倍的分辨指标的值;
(3)当分辨指标ε(k)的倒数在2至3之间时,分辨系数的取值为1.1倍的分辨指标的值;
(4)当分辨指标ε(k)的倒数大于3时,分辨系数的取值为1.4倍的分辨指标的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410350643.9A CN104156568A (zh) | 2014-07-22 | 2014-07-22 | 一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410350643.9A CN104156568A (zh) | 2014-07-22 | 2014-07-22 | 一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104156568A true CN104156568A (zh) | 2014-11-19 |
Family
ID=51882066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410350643.9A Pending CN104156568A (zh) | 2014-07-22 | 2014-07-22 | 一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156568A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104764869A (zh) * | 2014-12-11 | 2015-07-08 | 国家电网公司 | 一种基于多维特征量的变压器气体故障诊断和报警方法 |
CN104933444A (zh) * | 2015-06-26 | 2015-09-23 | 南京邮电大学 | 一种面向多维属性数据的多层聚类融合机制的设计方法 |
CN105891629A (zh) * | 2016-03-31 | 2016-08-24 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN106226621A (zh) * | 2016-07-18 | 2016-12-14 | 南京国电南自电网自动化有限公司 | 一种基于灰色关联分析的二次设备故障诊断和预警方法 |
CN106338673A (zh) * | 2016-09-29 | 2017-01-18 | 国网山东省电力公司电力科学研究院 | 一种变压器绕组故障特征参量提取方法 |
CN106569069A (zh) * | 2016-11-04 | 2017-04-19 | 广州供电局有限公司 | 电力变压器故障诊断方法 |
CN106569056A (zh) * | 2016-10-21 | 2017-04-19 | 广州供电局有限公司 | 电力变压器的故障诊断方法及诊断装置 |
CN107292467A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种钻井风险预测方法 |
CN107292754A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种钻井风险预测系统 |
CN108344812A (zh) * | 2017-11-24 | 2018-07-31 | 北京国网富达科技发展有限责任公司 | 一种变压器故障诊断方法、装置及存储介质 |
CN108491503A (zh) * | 2018-03-21 | 2018-09-04 | 广东电网有限责任公司电力科学研究院 | 一种基于数据分析确定变压器的故障类型的方法及系统 |
CN109387715A (zh) * | 2018-10-29 | 2019-02-26 | 全球能源互联网研究院有限公司 | 一种基于灰色聚类的换流阀状态在线评估方法及装置 |
CN110346666A (zh) * | 2019-07-15 | 2019-10-18 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于加权马氏距离判别的电网变压器状态分析方法 |
CN110363391A (zh) * | 2019-06-18 | 2019-10-22 | 北京交通大学 | 一种基于灰色关联度的发动机性能综合评价方法 |
CN111191907A (zh) * | 2019-12-24 | 2020-05-22 | 嘉兴恒创电力设计研究院有限公司 | 一种基于层次分析法的综合能源站能效评估方法 |
CN111626360A (zh) * | 2020-05-28 | 2020-09-04 | 新智数字科技有限公司 | 用于检测锅炉故障类型的方法、装置、设备和存储介质 |
CN112881827A (zh) * | 2021-01-12 | 2021-06-01 | 新疆大学 | 一种基于改进灰色关联分析的油浸式变压器故障诊断方法 |
CN112990287A (zh) * | 2021-03-05 | 2021-06-18 | 上海电气集团股份有限公司 | 锅炉设备的切圆故障识别方法、装置、设备及存储介质 |
CN113095566A (zh) * | 2021-04-08 | 2021-07-09 | 国网山东省电力公司电力科学研究院 | 一种基于用能行为层次化分析的多源协调供能方法及系统 |
CN113159162A (zh) * | 2021-04-19 | 2021-07-23 | 南京理工大学紫金学院 | 一种基于信息融合与灰色关联度的故障诊断方法及系统 |
CN113780420A (zh) * | 2021-09-10 | 2021-12-10 | 湖南大学 | 基于gru-gcn的变压器油中溶解气体浓度预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064019A (zh) * | 2013-01-04 | 2013-04-24 | 河海大学常州校区 | 基于灰色关联模糊聚类的高压断路器故障诊断方法 |
-
2014
- 2014-07-22 CN CN201410350643.9A patent/CN104156568A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064019A (zh) * | 2013-01-04 | 2013-04-24 | 河海大学常州校区 | 基于灰色关联模糊聚类的高压断路器故障诊断方法 |
Non-Patent Citations (9)
Title |
---|
刘俊华: "电力变压器灰色关联故障诊断模型的组合权重法", 《万方学位论文》 * |
刘卫华等: "基于点密度加权核模糊聚类的变压器故障诊断方法", 《电力自动化设备》 * |
周品: "《MATLAB概率与数理统计》", 30 November 2012 * |
孙才新等: "基于灰色面积关联度分析的电力变压器绝缘故障诊断方法", 《电网技术》 * |
尹成群等: "基于模糊聚类和灰色关联分析结合的负荷预测", 《华北电力大学学报》 * |
张丽娟等: "基于灰色模糊聚类法的路网路面使用性能评价", 《同济大学学报(自然科学版)》 * |
徐祖信,尹海龙著: "《城市水环境管理中的综合水质分析与评价》", 1 November 2012 * |
朱训生等: "《工程管理的模糊分析-工业工程系列教材》", 31 October 2004 * |
李俭等: "以模糊聚类标准谱与灰色关联序诊断变压器内部故障的方法研究", 《仪器仪表学报》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104764869A (zh) * | 2014-12-11 | 2015-07-08 | 国家电网公司 | 一种基于多维特征量的变压器气体故障诊断和报警方法 |
CN104933444B (zh) * | 2015-06-26 | 2019-01-01 | 南京邮电大学 | 一种面向多维属性数据的多层聚类融合机制的设计方法 |
CN104933444A (zh) * | 2015-06-26 | 2015-09-23 | 南京邮电大学 | 一种面向多维属性数据的多层聚类融合机制的设计方法 |
CN105891629A (zh) * | 2016-03-31 | 2016-08-24 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN107292467A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种钻井风险预测方法 |
CN107292754A (zh) * | 2016-03-31 | 2017-10-24 | 中国石油化工股份有限公司 | 一种钻井风险预测系统 |
CN105891629B (zh) * | 2016-03-31 | 2017-12-29 | 广西电网有限责任公司电力科学研究院 | 一种变压器设备故障的辨识方法 |
CN106226621A (zh) * | 2016-07-18 | 2016-12-14 | 南京国电南自电网自动化有限公司 | 一种基于灰色关联分析的二次设备故障诊断和预警方法 |
CN106226621B (zh) * | 2016-07-18 | 2019-01-18 | 南京国电南自电网自动化有限公司 | 一种基于灰色关联分析的二次设备故障诊断和预警方法 |
CN106338673A (zh) * | 2016-09-29 | 2017-01-18 | 国网山东省电力公司电力科学研究院 | 一种变压器绕组故障特征参量提取方法 |
CN106569056A (zh) * | 2016-10-21 | 2017-04-19 | 广州供电局有限公司 | 电力变压器的故障诊断方法及诊断装置 |
CN106569069A (zh) * | 2016-11-04 | 2017-04-19 | 广州供电局有限公司 | 电力变压器故障诊断方法 |
CN108344812A (zh) * | 2017-11-24 | 2018-07-31 | 北京国网富达科技发展有限责任公司 | 一种变压器故障诊断方法、装置及存储介质 |
CN108491503A (zh) * | 2018-03-21 | 2018-09-04 | 广东电网有限责任公司电力科学研究院 | 一种基于数据分析确定变压器的故障类型的方法及系统 |
CN109387715A (zh) * | 2018-10-29 | 2019-02-26 | 全球能源互联网研究院有限公司 | 一种基于灰色聚类的换流阀状态在线评估方法及装置 |
CN110363391A (zh) * | 2019-06-18 | 2019-10-22 | 北京交通大学 | 一种基于灰色关联度的发动机性能综合评价方法 |
CN110346666A (zh) * | 2019-07-15 | 2019-10-18 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于加权马氏距离判别的电网变压器状态分析方法 |
CN111191907A (zh) * | 2019-12-24 | 2020-05-22 | 嘉兴恒创电力设计研究院有限公司 | 一种基于层次分析法的综合能源站能效评估方法 |
CN111626360B (zh) * | 2020-05-28 | 2023-11-17 | 新奥新智科技有限公司 | 用于检测锅炉故障类型的方法、装置、设备和存储介质 |
CN111626360A (zh) * | 2020-05-28 | 2020-09-04 | 新智数字科技有限公司 | 用于检测锅炉故障类型的方法、装置、设备和存储介质 |
CN112881827A (zh) * | 2021-01-12 | 2021-06-01 | 新疆大学 | 一种基于改进灰色关联分析的油浸式变压器故障诊断方法 |
CN112990287A (zh) * | 2021-03-05 | 2021-06-18 | 上海电气集团股份有限公司 | 锅炉设备的切圆故障识别方法、装置、设备及存储介质 |
CN113095566A (zh) * | 2021-04-08 | 2021-07-09 | 国网山东省电力公司电力科学研究院 | 一种基于用能行为层次化分析的多源协调供能方法及系统 |
CN113159162A (zh) * | 2021-04-19 | 2021-07-23 | 南京理工大学紫金学院 | 一种基于信息融合与灰色关联度的故障诊断方法及系统 |
CN113159162B (zh) * | 2021-04-19 | 2022-04-01 | 南京理工大学紫金学院 | 一种基于信息融合与灰色关联度的故障诊断方法及系统 |
CN113780420A (zh) * | 2021-09-10 | 2021-12-10 | 湖南大学 | 基于gru-gcn的变压器油中溶解气体浓度预测方法 |
CN113780420B (zh) * | 2021-09-10 | 2023-11-07 | 湖南大学 | 基于gru-gcn的变压器油中溶解气体浓度预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104156568A (zh) | 一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 | |
CN105241660B (zh) | 基于健康监测数据的高铁大型桥梁性能测试方法 | |
Gaouda et al. | Application of multiresolution signal decomposition for monitoring short-duration variations in distribution systems | |
Liu et al. | A leak detection method for oil pipeline based on Markov feature and two-stage decision scheme | |
CN112201260B (zh) | 一种基于声纹识别的变压器运行状态在线检测方法 | |
CN102662113B (zh) | 基于故障树的油浸式变压器综合诊断方法 | |
CN103197177B (zh) | 一种基于贝叶斯网络的变压器故障诊断分析方法 | |
CN102997838B (zh) | 一种基于扫频短路特征的变压器绕组变形故障诊断方法 | |
Bhui et al. | Application of recurrence quantification analysis to power system dynamic studies | |
CN108459295B (zh) | 基于分布式数据采集处理的cvt在线监测系统和方法 | |
CN105203936A (zh) | 一种基于频谱分析的电力电缆局部放电缺陷类型判别方法 | |
CN109029959B (zh) | 一种变压器绕组的机械状态检测方法 | |
CN105823960A (zh) | 一种变压器绕组变形综合诊断方法及系统 | |
CN109633368A (zh) | 基于vmd和dfa的含分布式电源配电网电能质量扰动检测方法 | |
CN203241494U (zh) | 直流系统交流串电及绝缘故障监测选线装置 | |
CN104764869A (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
CN104331595B (zh) | 桥梁损伤预警的移动主成分相关系数法 | |
CN102931728B (zh) | 基于小波多分辨率分析的电网扰动在线辨识及可视化方法 | |
CN103198175A (zh) | 基于模糊聚类的变压器故障诊断方法 | |
CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
CN102616156B (zh) | 基于电气量分析的接触网状态的检测与评价方法 | |
CN101576593A (zh) | 阵列式劣质绝缘子局域电场检测装置及逆向诊断方法 | |
CN104677997A (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
CN109657720A (zh) | 一种电力变压器匝间短路故障的在线诊断方法 | |
CN107607342B (zh) | 空调机房设备群的健康能效检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141119 |