灰色定权聚类和变权模式在变压器状态评估中的应用研究

针对变压器状态评估因素具有模糊性与灰色性的特点,定权重不能准确评估变压器状态等问题,提出一种基于灰色定权聚类和变权模式的状态评估方法。应用该方法逐层评估变压器状态。首先,引入关联规则中的置信度确定指标定权重矩阵,并对指标进行统一化处理;根据变压器状态等级划分,建立三角白化权函数,利用灰色聚类得到聚类系数矩阵和故障层的状态评估结果;然后,利用变权综合模式获得变权重系数,进而采用模糊评判法评估变压器综合状态。以变压器试验报告数据为依据进行实例分析,结果表明,所提出的变压器状态综合评估方法能够客观、准确地评估变压器状态。     

基于AHP-灰色定权聚类的低压计量箱状态评估

影响低压计量箱运行状态的因素较多,且存在模糊性,为解决这一问题,采用AHP-灰色定权聚类评估低压计量箱运行状态。首先给出低压计量箱运状态定义;建立了低压计量箱层次化模型;计算出各层指标权重;再利用灰色聚类方法进行聚类分析;最终完成低压计量箱的状态评估。实例分析结果表明了该方法的合理性与可行性。     

基于灰色聚类与证据合成的变压器状态评估

针对变压器状态信息的不确定性,建立了变压器层次化状态评估模型,组建了变压器的状态指标体系,综合指标的主、客观权重设计了其最优权重。运用灰色聚类方法对单项指标作聚类分析以得到综合指标所处状态,改进了D-S证据理论中的冲突证据合成规则,将聚类系数作为基本概率赋值函数以评价变压器的整体状态。实例分析结果显示,文中建立的评估模型具有较高的识别准确率,可以有效地把握变压器的运行状态并为变压器实行状态检修提供良好的指导作用。     

基于电力大数据的配电变压器状态评估方法

配电变压器运行状态直接关系到供电安全可靠性,从电力大数据应用角度,提出了一种基于电力大数据的配电变压器状态评估方法。首先定义了配电变压器运行状态指标体系,包括电压、电流、负载率、三相不平衡度和功率因数五类评价指标。其次为了评估每台配电变压器运行状态,提出了配电变压器理想运行状态,基于灰色分析量化了待评估配电变压器的各个指标灰色关联值。然后基于模糊聚类理论将所有待评估配电变压器看做同一论域进行模糊聚类分析,为供电公司巡视检修计划提供决策支撑。最后利用MATLAB编程进行算例验证,证明了该方法的有效性和可行性。     

灰色聚类与模糊聚类集成诊断变压器内部故障的方法研究

根据反映变压器绝缘状态的模糊和灰色特征，采用模糊聚类方法，对若干典型故障样本聚类成C个灰类，得到C个最优聚类中心。依据聚类中心矩阵并借助灰色系统理论，提出了一种确定故障诊断各灰类白化权函数的原则和算法，根据该算法，首先求出各待检模式状态的灰色聚类系数，进而建立了一种灰色聚类与模糊聚类相结合的变压器故障诊断的新模型，进行了大量的该模型应用实例分析，结果表明该文方法的诊断准确度高于现有的常用方法。     

电力变压器运行状态的灰色层次评估模型

电力变压器运行状态评估是指导变压器状态检修及提高电力系统运行可靠性的重要手段。根据变压器状态信息的多层次性和多因素性,文中建立和量化了变压器状态评估的层次指标体系。引入了灰色层次评估法,分别建立变压器突变状态和渐变状态评估模型,利用关联层次分析确定变压器的具体状态。指标的权重先由灰色关联分析法确定常权权重,并对常权权重进行修正得到其变权权重,以提高状态评估的准确性。实例分析表明了变压器运行状态的灰色层次评估模型的合理性和有效性。     

基于灰色关联分析和聚类云模型的变压器油纸绝缘状态评估

电力变压器复合油纸绝缘状态的准确诊断对电力系统安全稳定运行以及设备自身运维具有重要指导意义。针对油纸绝缘介电响应少数特征量评估和未考虑系统随机性导致评估不准确的问题,提出基于灰色关联分析(grey relational analysis, GRA)与聚类云模型的评估方法。首先,基于回复电压法和扩展德拜模型提取5个相关特征量,建立油纸绝缘状态评估体系。然后,针对多特征量在反映绝缘状态的敏感性差异,采用组合赋权法综合GRA和改进层次分析法,避免了数据信息丢失,使权重分配更加合理。最后,利用云模型雾化特性反映数据随机性,全面考虑评估指标等级分类边界的随机性和模糊性后构建了聚类云模型隶属度选择器。通过多台不同糠醛含量变压器实测数据进行验证表明,该评估方法不仅能够准确反映变压器实际绝缘状态,而且能体现其劣化趋势,为检修策略的制定提供参考依据。     

基于灰色聚类-集合赋权法的变压器油纸绝缘状态评估

考虑到评估过程中从不同单一特征量得到的结论与其他特征量得到结论相悖的可能性,或者因为老化指标特征量权重值的不合理导致对电力变压器油纸绝缘状态的误判,提出了基于灰色聚类-集合赋权法去评估油纸绝缘状态。首先,提取出已有理论成果下回复电压法(return voltage,RVM)和极化/去极化电流法(polarization and depolarization currents,PDC)油纸绝缘老化特征量;其次,整理了大量已知绝缘状态下电力变压器介质时域响应下的数据建立绝缘状态分级指标标准值;最后,从收集数据中采用熵权法和改进的层次分析法集合分配不同老化指标特征量的灰色聚类权重值。通过具体实例验证了本文提出的灰色聚类-集合赋权法评估电力变压器油纸绝缘状态的可靠性和准确性,表明了该算法可以准确评估变压器油纸绝缘状态,为油纸绝缘状态综合评估提供了新方向。     

基于改进层次聚类的同家族变压器状态变化规律分析

在变压器状态综合评估的研究中,家族质量缺陷史对变压器健康状态有重要影响,目前多是凭专家经验主观确定。提出利用层次聚类分析技术对同家族变压器状态变化规律进行分析,根据分析结果定量计算家族质量缺陷史对变压器健康状态的影响程度。为提高聚类的准确性,提出用变压器状态变化曲线的斜率距离作为曲线形状的相似性判据,同时用曲线间点数值距离和斜率距离构成交集约束判据进行聚类。实例分析表明改进的层次聚类算法优于传统的层次聚类算法,由聚类分析结果计算家族质量缺陷史对变压器健康状态的影响得出的结果更合理。     

基于物元可拓模型的电力变压器绝缘老化研究

本文采用物元可拓模型评估电力变压器绝缘老化情况.首先利用油纸绝缘变压器的实测数据,提取时域特征量,并采用模糊聚类算法算出聚类中心点,对设备的绝缘老化状态进行分级,同时针对区间分级上限不确定导致无法评估的问题采取规格化处理,在权重的取值上使用主客观相结合的赋权方法,最后结合物元可拓模型对油纸绝缘变压器的老化程度做分级评估.通过实际测取的变压器数据与运行状态进行验证,证明该方法能够对变压器的油纸绝缘状态做出正确的评估.     

基于K-Means聚类算法的改进

本文基于传统的K-means聚类方法提出来一种基于密度的改进K-means聚类方法。改进后的方法,首先选取数据集中密度最大的点作为第一个聚类中心点,以此为基准,选取离此点最远的点作为第二个初始聚类中心,再在剩余的点中找出离这两个初始点距离最远的点作为第三个聚类中心,以此类推,直到找到所需的K个点,之后再根据K-means算法迭代更新聚类中心,直到收敛或达到设定的迭代次数为止。实验结果表明,本文提出的方法与传统K-means方法相比准确率及稳定性方面均有所提高,可以作为聚类研究的一个新的思路。     

基于模糊c均值算法文档聚类问题的研究

应用模糊c均值算法对文档进行分类，具有不使用语法知识、不使用词法规则、无监督等特点．采用模糊c均值算法对文档进行聚类，实验结果表明：该方法优于普通的聚类算法，聚类结果能充分体现文本的多样性．     

基于二次聚类弱监督学习的图像语义分割

针对在给定大量用户标注图像基础上,将图像分割成一系列具有单一语义的完整区域,并同时对各区域实现语义标注的问题,提出了一种基于弱监督学习的二次聚类的图像语义分割算法。将谱聚类和判别式聚类相结合,用谱聚类学到的类标指示函数来指导判别式聚类,学习特征的潜在数据结构,利用弱监督信息对聚类分配标签。该方法能够充分利用区域上下文信息,为每个类别选择判别式特征,并且输出鲁棒的多类分类器,对外来没有标签的图像也可以进行有效的区域标注。通过在公用数据集上的充分实验,证明了本方法的有效性。     

Subspace clustering through attribute clustering

Many recently proposed subspace clustering methods suffer from two severe problems. First, the algorithms typically scale exponentially with the data dimensionality or the subspace dimensionality of clusters. Second, the clustering results are often sensitive to input parameters. In this paper, a fast algorithm of subspace clustering using attribute clustering is proposed to overcome these limitations. This algorithm first filters out redundant attributes by computing the Gini coefficient. To evaluate the correlation of every two non-redundant attributes, the relation matrix of non-redundant attributes is constructed based on the relation function of two dimensional united Gini coefficients. After applying an overlapping clustering algorithm on the relation matrix, the candidate of all interesting subspaces is achieved. Finally, all subspace clusters can be derived by clustering on interesting subspaces. Experiments on both synthesis and real datasets show that the new algorithm not only achieves a significant gain of runtime and quality to find subspace clusters, but also is insensitive to input parameters. __________ Translated from Journal of Beijing University of Posts and Telecommunications, 2007, 30(3): 1–5 [译自: 北京邮电大学学报]     

基于谱聚类的网络流量分类识别算法

网络流量分类识别是网络管理与网络安全的基础,但由于动态端口技术,加密传输方式及数据隐私等因素,现有的基于网络端口映射和有效载荷分析的方法在应用中,其准确性和效率都受到了制约。为此,引入谱聚类方法,将网络流量分类识别问题通过聚类思想转化为一个无向图的多路划分问题,并使用图论的思想来解决原问题。实验结果表明该方法具有良好的网络流量分类识别效果,精确度较高,在互联网流量分类中有良好的应用前景。     

Text clustering based on fusion of ant colony and genetic algorithms

Focusing on the problem that the ant colony algorithm gets into stagnation easily and cannot fully search in solution space, a text clustering approach based on the fusion of the ant colony and genetic algorithms is proposed. The four parameters that influence the performance of the ant colony algorithm are encoded as chromosomes, thereby the fitness function, selection, crossover and mutation operator are designed to find the combination of optimal parameters through a number of iteration, and then it is applied to text clustering. The simulation results show that compared with the classical k-means clustering and the basic ant colony clustering algorithm, the proposed algorithm has better performance and the value of F-Measure is enhanced by 5.69%, 48.60% and 69.60%, respectively, in 3 test datasets. Therefore, it is more suitable for processing a larger dataset. __________ Translated from Journal of Xi’an Jiaotong University, 2007, 41(10): 1146–1150 [译自: 西安交通大学学报]     

采用谱聚类的风电典型出力场景选取方法

为有效地减少原始场景数量,以较小的工作量和较高的精度表征风电出力的全时空特性,本文提出了一种基于谱聚类算法的风电日出力典型场景生成方法。首先采用谱聚类算法对风电日出力场景进行聚类分析,得到能有效反映样本亲疏关系的聚类簇。随后考虑风电的反调峰特性,从聚类后的风电日出力场景中选出能够很好的反映各类场景中原出力曲线调峰效益的出力曲线,将其作为典型场景。最后,以云南某地区2017年风电实际出力数据为算例进行聚类分析,验证所提方法的正确性及有效性。     

考虑双尺度相似性的负荷曲线集成谱聚类算法

负荷聚类可以依据形态特性差异对负荷曲线进行归类,实现用户用能行为规律分析,为需求侧响应、电网客户服务等提供重要的决策信息。文中提出一种考虑双尺度相似性的负荷曲线集成谱聚类算法。首先,为了克服欧氏距离在负荷特性相似程度度量上的局限,基于负荷差分向量的余弦距离实现负荷形态变化的相似性度量,提出一种双尺度相似性度量方式;然后,基于双尺度相似性与谱聚类算法,建立差异化基聚类模型;最后,依据聚类评价指标自适应计算基聚类模型权重,以加权一致性矩阵与谱聚类实现聚类集成。算例结果证明,所提方法可有效挖掘负荷形态特性差异,在不同数据集中性能表现稳定,具有显著的聚类有效性和鲁棒性。     

基于改进自适应密度峰值算法的日负荷曲线聚类分析

电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。     

基于聚类分析的客户用电模式智能识别方法

结合k-means、k-medoids、SOM以及FCM等聚类算法,构建了电力大客户典型用电模式的聚类分析模型,提出了一种评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点,提出采用高斯滤波器对含"噪声"曲线数据进行平滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等3个评价指标,并以此为基础设计出一种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户日用电量曲线进行聚类分析,实现了地区典型用电模式的自动识别功能。实际算例分析结果表明,该评估方法物理概念清晰、简便、实用。