失效
基于非监督聚类与和SVM分类的变压器故障诊断方法
杨
杨祎 专利 215
北京邮电大学辜
辜超 专利 297
国网智能科技股份有限公司李
李程启 专利 206
国网山东省电力公司电力科学研究院林
林颖 专利 253
北京邮电大学陈
陈玉峰 专利 277
山东电力研究院
王有元 专利 276
重庆大学朱
朱文兵 专利 198
山东电力研究院周
周加斌 专利 108
国网山东省电力公司电力科学研究院朱
朱孟兆 专利 141
国网山东省电力公司电力科学研究院杜
杜修明 专利 92
国网山东省电力公司电力科学研究院吕
吕学宾 专利 48
国网山东省电力公司电力科学研究院陈
陈天
机构 暂无刘
刘航 专利 87
重庆大学周
周大洲 专利 143
国网山东省电力公司烟台供电公司黄
黄锐 专利 283
重庆大学吕
吕俊涛 专利 185
国网山东省电力公司电力科学研究院白
白德盟 专利 127
北京邮电大学秦
秦佳峰 专利 318
国网山东省电力公司电力科学研究院朱
朱庆东 专利 157
国网山东省电力公司电力科学研究院
王建 专利 91
重庆大学王
王硕 专利 13
重庆大学王
王学磊 专利 97
国网山东省电力公司电力科学研究院彭
彭飞 专利 245
重庆大学郑
郑文杰 专利 266
华北电力大学摘要
本发明公开了基于非监督聚类与和SVM分类的变压器故障诊断方法,包括以下步骤:获取变压器油中溶解气体含量的样本数据,进行标准化处理;根据变压器状态数量设置聚类中心个数,采用非监督聚类方法对标准化处理后的样本数据进行聚类类别划分;采用支持向量机分类器,以标准化处理后的样本数据为输入,以聚类类别结果为期望输出对SVM模型进行训练;将待诊断变压器油中溶解气体含量数据进行标准化处理理,输入SVM模型实现变压器故障类别的诊断。该方法基于数据驱动,诊断过程依赖于人工智能技术对油中溶解气体含量数据隐含信息和分布规律的挖掘,无需任何人工干预和经验知识,保证了诊断结果的客观性与合理性。
暂无引用专利



