一种基于聚类分析的POF故障诊断方法技术

本发明专利技术公开了一种基于聚类分析的POF故障诊断方法，它包括：将SF6分解后的各组分数据进行百分含量的转换后输入分析软件中，并定义变量名称和精度；将组分数据进行标准化；对标准化后的数据进行聚类分析。本发明专利技术能够在进行故障诊断时候，可以求出该状态下分解组分的含量百分比值，并以表格中六种含量为变量，求到两种故障聚类中心的欧式几何距离，方可判断其所属的故障类型。

【技术实现步骤摘要】
一种基于聚类分析的POF故障诊断方法
本专利技术涉及SF6
，特别是一种基于聚类分析的POF故障诊断方法。
技术介绍
目前，针对SF6气体绝缘装备中的POF还没有一套行之有效的检测与诊断方法。通常做法是在离线例行检修时，通过测量设备整个回路的接触电阻来对设备的回路整体连接状况做诊断，显然该方法无法及时发现接触不良的问题。而红外间接测温法，由于SF6气体对红外光能的强吸收性以及SF6气体绝缘装备内部复杂的结构往往导致很难准确获取故障点处的真实温度。加之，SF6气体绝缘设备的全封闭性和外界复杂多变环境因素的影响，也限制了已有红外测温装置的在线应用。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术的目的就是提供一种基于聚类分析的POF故障诊断方法，通过故障聚类中心的欧式几何距离，能够判断其所属的故障类型。本专利技术的目的是通过这样的技术方案实现的，一种基于聚类分析的POF故障诊断方法，它包括有：S1：将SF6分解后的各组分数据进行百分含量的转换后输入分析软件中，并定义变量名称和精度；S2：将组分数据进行标准化；S3：对标准化后的数据进行聚类分析。进一步，所述方法还包括有应用参数，具体包括有：欧氏距离：其中，k表示每个样本有k个变量，xi表示第一个样本在第i个变量上的取值；yi表示第二个样本在第i个变量上的取值；Pearson相关系数：相似矩阵：取值范围为：0≤rij≤1，当rij值越接近1就表示对象i和j越相似或越接近，越该分在同一个类；反之，值越小，两个对象越不同。进一步，所述步骤S2中的标准化包括有：(1)平移·标准差变换其中，经过变换后，每个变量的均值为0，标准差为1；(2)平移极差变换其中，0≤xk≤1；(3)对数变换x′ik＝lgxik(i＝1,2,...,n；k＝1,2,...,m)。进一步，所述步骤S3中的聚类分析过程如下：S31：把n个向量xi(i＝1,2,…,n)分成c个簇Gi(i＝1,2,…,c)，并求得每个簇的聚类中心，使得簇内的方差和达到最小；其中S32：进行迭代过程，给出聚类中心；v(0)＝{v1(0),v2(0),...,vc(0)}；其中，l＝0位迭代次数，最大迭代次数位T，阈值为ε；S33：更新uij；S34：更新vij；如果maxi＝||vi-vi||<ε，或者l>T则停止；否则l＝l+1，转至步骤S32。由于采用了上述技术方案，本专利技术具有如下的优点：本专利技术能够在进行故障诊断时候，可以求出该状态下分解组分的含量百分比值，并以表格中六种含量为变量，求到两种故障聚类中心的欧式几何距离，方可判断其所属的故障类型。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。附图说明本专利技术的附图说明如下：图1为基于聚类分析的POF故障诊断方法的流程示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明。实施例，如图1所示；一种基于聚类分析的POF故障诊断方法，它包括有：S1：将SF6分解后的各组分数据进行百分含量的转换后输入分析软件中，并定义变量名称和精度；S2：将组分数据进行标准化；在聚类分析之前，需要对数据进行标准化。因为在实际问题中，不同的数据一般有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。但是，即使这样，得到的数据也不一定在区间上。因此，这里说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间上。S3：对标准化后的数据进行聚类分析。所述方法还包括有应用参数，具体包括有：欧氏距离：其中，k表示每个样本有k个变量，xi表示第一个样本在第i个变量上的取值；yi表示第二个样本在第i个变量上的取值；Pearson相关系数：相似矩阵：取值范围为：0≤rij≤1，当rij值越接近1就表示对象i和j越相似或越接近，越该分在同一个类；反之，值越小，两个对象越不同。所述步骤S2中的标准化包括有：(1)平移·标准差变换其中，经过变换后，每个变量的均值为0，标准差为1；但是，再用得到的xk还不一定在区间上。(2)平移极差变换其中，0≤xk≤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。接下来运用K-means算法进行模糊聚类分析，所述步骤S3中的聚类分析过程如下：S31：把n个向量xi(i＝1,2,…,n)分成c个簇Gi(i＝1,2,…,c)，并求得每个簇的聚类中心，使得簇内的方差和达到最小；其中S32：进行迭代过程，给出聚类中心；v(0)＝{v1(0),v2(0),...,vc(0)}；其中，l＝0位迭代次数，最大迭代次数位T，阈值为ε；S33：更新uij；S34：更新vij；如果maxi＝||vi-vi||<ε，或者l>T则停止；否则l＝l+1，转至步骤S32。运用SPSS软件进行数据的聚类分析，操作步骤如下：1)将各组分的数据进行百分含量的转换，再输入到SPSS，并定义变量名称和精度。2)将数据进行数据的标准化。3)进行K-均值聚类分析(输出初始聚类中心、迭代历史记录、聚类成员具体分类所属、最终聚类中心、最终聚类中心之间的距离、ANOVA、每个聚类中的个案数量)。以下为不同温度范围的故障数据诊断结果：①温度高于400℃温度试验点为：500℃、480℃、460℃、440℃、420℃，两种故障有100组数据。通过K-均值聚类分析迭代7次可以将两类故障准确地分开，得到的结果如下表1和表2所示。表1迭代过程中聚类中心的变动(1为不涉及有机固体绝缘材料；2为涉及有机固体绝缘材料)迭代123456713.6760.2950.2340.3960.6230.979023.5780.0510.050.1030.261.1520在第七次迭代中，由于聚类中心不存在变动或者仅有小幅度变动，因此实现了收敛。此时任何中心的最大绝对坐标变动为0。表4.10.2.2标准化后的最终聚类中心(1为不涉及有机固体绝缘材料；2为涉及有机固体绝缘材料)组分百分比标准化12Zscore:CO2大于400-0.955400.95540Zscore:SOF2大于4000.48543-0.48543Zscore:SO2F2+SOF4大于400-0.601000.60100Zscore:SO2大于4000.41960-0.41960Zscore:H2S大于400-0.904840.90484Zscore:CF4大于400-0.833990.83399将上表最终聚类中心进行标准化还原，将每一类的聚类中心乘以该类的标准差再加上均值即可得到还原后的聚类中心值，即：其中，结果如表3所示。可以发现，在POF没有涉及到有机固体绝缘材料时，SF6分解生成的分解产物中，SOF2和SO2占了绝大部分，说明SF6在POF状态下发生分解是以生成SOF2和SO2这两种分解产物为主；而当POF故障涉及有机固体绝缘材料时，CO2和CF4以及其共同构成的含碳分解组分在所有产物中所占的比例均高于未涉及有机固体绝缘材料时的情况，同时H2S的含量占比也有较大的增加。对于这一现象可以解释为有机固体绝缘材本文档来自技高网...

【技术保护点】
1.一种基于聚类分析的POF故障诊断方法，其特征在于，所述方法步骤如下：S1：将SF6分解后的各组分数据进行百分含量的转换后输入分析软件中，并定义变量名称和精度；S2：将组分数据进行标准化；S3：对标准化后的数据进行聚类分析。

【技术特征摘要】
1.一种基于聚类分析的POF故障诊断方法，其特征在于，所述方法步骤如下：S1：将SF6分解后的各组分数据进行百分含量的转换后输入分析软件中，并定义变量名称和精度；S2：将组分数据进行标准化；S3：对标准化后的数据进行聚类分析。2.如权利要求1所述的基于聚类分析的POF故障诊断方法，其特征在于，所述方法还包括有应用参数，具体包括有：欧氏距离：其中，k表示每个样本有k个变量，xi表示第一个样本在第i个变量上的取值；yi表示第二个样本在第i个变量上的取值；Pearson相关系数：相似矩阵：取值范围为：0≤rij≤1，当rij值越接近1就表示对象i和j越相似或越接近，越该分在同一个类；反之，值越小，两个对象越不同。3.如权利要求1所述的基于聚类分析的POF故障诊断方法，其特征在于，所述步骤S2中的标准化包括有：(1)平移·标准差变换其中，经过变换后，每个变量的均值为0...

【专利技术属性】
技术研发人员：苗玉龙，何国军，印华，邱妮，张施令，侯雨杉，姚强，吴彬，周艳玲，刘航，胡晓锐，宫林，籍勇亮，
申请(专利权)人：国网重庆市电力公司电力科学研究院，国网重庆市电力公司，国家电网有限公司，
类型：发明
国别省市：重庆,50