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(ai,aj)]n×n,i,j=1,…,n,其中sim(ai,aj)表示样本ai,aj间的相似度,求和公式为:
3)按降序排列XSp,p=1,…,n,设XSp按从大到小排列的前4个值为XSmax,XSmax-1,XSmax-2,XSmax-3,若选择与最大值XSmax相对应的子样本作为第一个初始的聚簇中心,否则选择与XSmax,XSmax-1,XSmax-2,XSmax-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XSmax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XSpq,q=1,…,k-1,选择前k-1个最小的元素XSpq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:
其中,Cl表示k个聚簇中的第l个聚簇,ax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]。