基于模糊C均值聚类和支持向量机的电力变压器故障诊断模型研究
支持向量机是以统计学习理论为基础发展起来的新的通用学习方法，较好地解决了小样本、高维数、非线性等学习问题。本文提出了基于支持向最机的变压器诊断模型，在充分分析变压器DGA数据自身特点和支持向量机算法特性的基础上，提出了”FCM+SVM”方法，即用模糊均值聚类算法预选取典型训练样本，预选取后的典型训练样本作为支持向量机分类器的训练样本进行运算。仿真结果表明，典型训练样本的选取有效解决了参数确定时的耗时问题，并定程度上提高了SVM分类器的诊断正确率。实例分析表明，该模型具有很好的分类效果和推广能力。
支持向量机 电力变压器 诊断模型 故障诊断 聚类算法
吴晓辉 李彦明
西安交通大学电气工程学院,陕西西安 710049
国内会议
2007年全国电气设备安全与信息技术研讨会暨中国电机工程学会能源与信息专委会学术年会
广州
中文
140-144
2007-05-14（万方平台首次上网日期，不代表论文的发表时间）