基于并行模糊C-均值聚类的风电机组发电机故障诊断研究

提出一种基于并行化的改进模糊C-均值聚类的风电机组发电机故障诊断方法。首先通过邻近聚类算法确定数据集可能的最大类簇数C_(max),以C_(max)为上限,利用改进的模糊C-均值算法,以BWI(between-within index)指标为聚类有效性判别指标,提出新的确定最佳聚类数的方法。并结合Spark内存处理技术,将其应用在风电机组发电机的故障诊断中,通过UCI机器学习数据库数据集以及风电监测实时数据的实验测试,表明该算法不仅能准确判别发电机的故障模式,并且能更好地处理电力系统的海量数据。