文献类型：期刊文章

作　　者：池震霆[1]

CHI Zhenting(Retirement Office,Nanjing Institute of Technology,Nanjing 211167,China)

机构地区：[1]南京工程学院离退休工作处,江苏南京211167

出　　处：《电子设计工程》

年　　份：2022

卷　　号：30

期　　号：1

起止页码：141-145

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：针对绝缘缺陷识别过程中受到数据集合体积限制,导致识别方法在不同环境下的适应能力较弱,提出基于GK模糊聚类的电力系统内部绝缘缺陷智能识别方法。考虑电力系统内部绝缘缺陷导致的放电现象,将绝缘缺陷位置产生的合成电场的变化作为特征并提取出来,利用GK模糊聚类算法处理提取的特征,构成不同层次的特征向量,使用特征向量构建层次分类树,逐层识别每一节点的特征向量,实现电力系统内部绝缘缺陷的识别。实验结果表明,设计的基于GK模糊聚类的电力系统内部绝缘缺陷智能识别方法在不同的环境中扰动识别能力强,识别前后对电力系统的负荷影响小,该识别方法的整体适应能力得到了提升。

关 键 词：GK模糊聚类  电力系统 绝缘缺陷 智能识别  特征提取

分 类 号：TN71]