基于SVDD和改进K Means的变压器故障诊断模型

打开文本图片集

摘 要：变压器状态对于智能配电房的安全稳定运行具有重要意义。为实现对变压器故障的准确诊断，在变压器油中溶解气体分析（DGA）的基础上，提出了一种联合使用支持向量数据描述（SVDD）和改进KMeans聚类的变压器故障诊断方法。首先利用SVDD构造闭合分类曲面实现“正常”和“故障”两类判断，然后对“故障”类样本进行K-Means聚类分析，自动将其划分为低能放电、中低温过热、高能放电、高温过热和局部放电5种故障类型，同时针对KMeans初始聚类中心选取难题，提出局部密度概念自动确定KMeans初始聚类中心，提升聚类性能。（剩余8622字）