论文部分内容阅读
为提高电力变压器故障评估的准确性，在变压器油中溶解气体检测数据基础上，采用鲁棒学习模糊C-均值聚类算法进行状态信息挖掘分析。该方法利用信息熵来度量样本归属的模糊性，避免了经典模糊C-均值聚类算法受初始化参数影响大、对离群数据点敏感、分类结果不稳定等缺点。算例计算分析结果表明，基于鲁棒学习模糊C-均值聚类算法能够对变压器评估指标数据进行有效、准确的分类，从而实现电力变压器故障的准确评估，为检修决策提供合理的建议。