[发明专利]基于粒子群优化的KFCM及SVM的电抗器故障诊断方法

权利要求书

1.一种基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于包括如下步骤：

步骤1，采集电抗器油中的故障气体浓度，将采集到的数据分为测试数据和故障数据；

步骤2，利用P-KFCM算法对测试数据样本空间进行预分类，建立数据样本与故障类型间的隶属度映射；

步骤3，确定SVM的最优分类；

步骤4，将最优分类中每两类的数据样本建立一个SVM预测训练器；

步骤5，将采集到的测试样本分别输入SVM训练器，得到初步测试结果；

步骤6，基于P-KFCM结合SVM分类模型算法进行电抗器故障诊断。

2.如权利要求1所述的基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于：所述步骤1中，采用气相色谱分析法，以固定抽样频率对电抗器油中的故障气体H₂,C₂H₂,CH₄,C₂H₆,C₂H₆进行浓度实时检测。

3.如权利要求1所述的基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于：所述步骤2的具体过程是：

步骤2.1：采用极值标准化公式：

式中：x_ik″为故障数据集第i行第k列参数；x_ik″_max，x_ik″_min分别为第k列参数中最大及最小值；

步骤2.2：设定算法参数，包括加速常数c₁与c₂、PSO最大迭代次数kmax、粒子群规模l、速度及位置最大值、惯性权重系数ω_max与ω_min、KFCM最大迭代次数、高斯核参数b、隶属度矩阵加权指数m以及迭代终止条件；

步骤2.3：随机生成l个初始聚类中心作为第一代粒子群，得到每个粒子的当前最优位置pbest与全局最优位置pgbest；计算粒子适应度F与全局最优适应度Fbest；

步骤2.4：利用所生成的粒子群作为KFCM算法的初始聚类中心进行迭代计算，得到新的聚类中心及其相应的隶属度矩阵、目标函数值；

步骤2.5：更新全局最优位置pgbest与全局最优适应度Fbest；

步骤2.6：更新粒子群位置与速度；

步骤2.7：重复步骤2.5-2.6，直到满足条件则输出最终结果。

4.如权利要求1所述的基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于：所述步骤3中，对每个分类数C分别计算λ_MPC，取使得λ_MPC最大的C为最优分类数。

5.如权利要求1所述的基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于：所述步骤4中，将最优分类中每两类的数据样本建立SVM预测训练器，得到C×(C-1)/2个SVM训练模型，C为最优分类数。

6.如权利要求1所述的基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于：所述步骤5中，每一个SVM训练器都将产生一个结果，将出现次数最多的结果作为最终结论。