一种基于聚类算法的变压器故障诊断系统的制作方法

技术特征：

1.一种基于聚类算法的变压器故障诊断系统，其特征在于，包括样本采集模块、数据预处理模块、样本分析聚类模块、神经网络训练模块和故障类别判断模块；

所述样本采集模块用于采集变压器的油中溶解气体数据，并将所述油中溶解气体数据作为原始样本；

所述数据预处理模块，用于对原始样本中的数据进行清洗和筛选预处理；

所述样本分析聚类模块，用于采用改进的K-means聚类方法对预处理后的原始样本进行聚类分析，得到训练样本和测试样本；

所述神经网络训练模块，用于构建神经网络，并进行优化训练，确定隐藏层的个数、中心位置、宽度以及输出权值；

所述故障类别判断模块，用于向训练好的神经网络输入训练样本，求解后验概率，判断故障类别。

2.根据权利要求1所述的一种基于聚类算法的变压器故障诊断系统，其特征在于，所述故障类别包括中低温过热、中温过热、高温过热、局部放电、低能放电、高能放电。

3.根据权利要求1所述的一种基于聚类算法的变压器故障诊断系统，其特征在于，所述神经网络为RBF神经网络，所述RBF神经网络由网络输入和网络输出两部分组成。

4.根据权利要求1所述的一种基于聚类算法的变压器故障诊断系统，其特征在于，所述油中溶解气体数据中的气体包括：H₂、CH₄、C₂H₆、C₂H₄、C₂H₂。

5.根据权利要求1所述的一种基于聚类算法的变压器故障诊断系统，其特征在于，所述采用改进的K-means聚类方法对对预处理后的原始样本进行聚类分析，具体为：

1)设将所述原始样本划分为n个子样本，对n个子样本进行向量化，通过夹角余弦函数计算所有子样本两两之间的相似度，得到相似度矩阵XS；

2)对相似度矩阵XS的每一行进行求和，计算出每一个子样本与整个原始样本的相似度，设XS＝[sim(a_i，a_j)]_n×n，i，j＝1，…，n，其中sim(a_i，a_j)表示样本a_i，a_j间的相似度，求和公式为：

${\mathrm{XS}}_p=\underset{j=1}{\overset{n}{\Σ}}sim(a_i,a_j),p=1,...,n$

3)按降序排列XS_p，p＝1，…，n，设XS_p按从大到小排列的前4个值为XS_max，XS_max-1，XS_max-2，XS_max-3，若选择与最大值XS_max相对应的子样本作为第一个初始的聚簇中心,否则选择与XS_max，XS_max-1，XS_max-2，XS_max-3对应的四个子样本的均值作为第一个初始的簇中心；

4)将最大值为XS_max对应的矩阵中行向量的元素进行升序排列，假设前k-1个最小的元素为XS_pq，q＝1，…，k-1，选择前k-1个最小的元素XS_pq相对应的子样本作为剩余的k-1个初始的聚簇中心，其中所述k值为隐藏层个数，根据多次试验确定；

5)计算剩余样本与各初始的聚簇中心之间的相似度，将剩余样本分发到相似度最高的聚簇中，形成变化后的k个聚簇；

6)计算变化后的聚簇中各样本的均值，将其作为更新后的聚簇中心代替更新前的聚簇中心；

7)若更新前的聚簇中心与更新后的聚簇中心相同，或者目标函数达到了最小值，停止更新，所述目标函数为：

$J=\underset{l=1}{\overset{k}{\Σ}}\underset{a_x\∈C_l}{\Σ}\left|\right|a_x-\stackrel{\‾}{a_{xl}}|{|}^2$

其中，C_l表示k个聚簇中的第l个聚簇，a_x为第l个聚簇中的样本，为第l个聚簇的中心。

6.根据权利要求1所述的一种基于聚类算法的变压器故障诊断系统，其特征在于，所述设定的比例值T的取值范围为[1.4，1.8]。