基于多源局部放电信号数据流聚类分离方法

TM835; 局部放电检测中,多种放电源与现场干扰源同时存在且不断变化,导致多种局部放电源难以有效分离及识别.提出一种高效自适应在线数据流(EAOStream)聚类算法,该算法采用 自然邻域创建K-dimensional树来提高查询近邻的效率,即通过流数据的特征得到自适应的邻域半径和区域密度,从而能够局部搜索并形成团簇,实现多种局部放电源的实时在线分离.在人工数据集和真实数据集验证了 EAOStream的优越性,通过与传统的DenStream和SE-Stream算法比较,将其应用于气体绝缘变电站故障的模式识别.实验测试结果表明:EAOStream在真实的网络入侵检测、森林覆盖类型及多源局部放电...

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 56; no. 8; pp. 1014 - 1023
Main Authors 陈昌川, 刘凯, 刘仁光, 冯晓棕, 覃延佳, 代少升, 张天骐
Format Journal Article
LanguageChinese
Published 重庆邮电大学通信与信息工程学院,重庆400065%广州友智电气技术有限公司,广州510260 01.08.2022
Subjects
聚类分离
自然邻域
数据流
局部放电
自适应
Online AccessGet full text

Cover

More Information
Summary:TM835; 局部放电检测中,多种放电源与现场干扰源同时存在且不断变化,导致多种局部放电源难以有效分离及识别.提出一种高效自适应在线数据流(EAOStream)聚类算法,该算法采用 自然邻域创建K-dimensional树来提高查询近邻的效率,即通过流数据的特征得到自适应的邻域半径和区域密度,从而能够局部搜索并形成团簇,实现多种局部放电源的实时在线分离.在人工数据集和真实数据集验证了 EAOStream的优越性,通过与传统的DenStream和SE-Stream算法比较,将其应用于气体绝缘变电站故障的模式识别.实验测试结果表明:EAOStream在真实的网络入侵检测、森林覆盖类型及多源局部放电信号数据集的聚类准确度分别达到95.28％、98.47％及97.23％,验证了该算法在气体绝缘变电站故障诊断方面的实用性和有效性.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2021.195