[发明专利]基于模糊C均值聚类算法的智能变电站二次系统状态分析方法

摘要

本发明建立缺陷数据库从电力系统的生产管理系统、二次设备运行管理台账等系统的大量设备运行工况、负荷数据、各类状态检测数据、缺陷信息、故障和事故信息、检修数据中找出二次设备发生故障时的缺陷类型以及发生故障时设备最高运行温度、光发送功率与接收灵敏度、设备对地绝缘电阻值的数据库。能实时获取变电站二次系统的运行状态，在出现问题之前进行提前维护。

主权项

基于模糊C均值聚类算法的智能变电站二次系统状态分析方法，其特征在于，具体步骤如下：1)采集变电站二次系统设备影响设备运行状态的关键特征量，所述关键特征量包括有设备最高运行温度、光发送功率与接收灵敏度、设备对地绝缘电阻值；2)将变电站二次系统故障类型划分为通信故障、保护拒动或误动故障和告警异常故障；3)对步骤2)中所述故障和其对应的关键特征量采用模糊C均值聚类算法进行聚类分类；建立缺陷数据库；4)监测变电站二次系统设备的关键特征量，并根据步骤3)中所得到的模糊对关键特征量进行分析，得到变电站二次系统现行状态的分析评估结论；5)根据步骤4)得到的分析评估结论，对变电站二次系统进行维护；步骤2)中所述模糊C均值聚类算法的具体步骤如下：2‑1)根据步骤1)和变电站二次系统故障类型，确定代表点；2‑2)根据确定的代表点，对采集到的数据进行聚类划分；步骤2‑2)中所述聚类划分的具体方法为：假设已经有一个划分方案，它把样本y划分在类别Γk中，现在对它进行调整，如果把y从Γk类中转移到Γj类中，则只有这两类发生了变化，其余类别并不受影响，调整之后的两类均值分别变为：m~k=mk+1Nk-1[mk-y]]]>m~j=mj+1Nj+1[y-mj]]]>相应地，两类各自的误差平方和也变为了：J~k=Jk-NkNk-1||y-mk||2]]>J~j=Jj+NjNj+1||y-mj||2]]>总的误差平方和的变化值取决于这两个变化；移出一个样本会带来Γk类均方误差的减小，而移入这个样本会导致Γj类均方误差的增大；如果减小量大于增大量，即：NjNj+1||y-mj||2<NkNk-1||y-mk||2]]>则进行这一步转移有利于总体误差平方和的减少，则将该样本进行转移，否则就不转移；其中，Ni是第i聚类Γi中的样本数目，mi是这些样本的均值；Je误差平方和聚类准则，它是样本集{y}和类别集Ω的函数；Je度量了用C个聚类中心m1，m2，…mc代表c个样本子集Γ1，Γ2…Γc时所产生的总的误差平方；对于不同的聚类，Je的值是不同的。