基于改进模糊聚类算法和LSTM算法的变压器油色谱分析方法

本发明公开了一种基于改进模糊聚类算法和LSTM算法的变压器油色谱分析方法，包括获取样本数据；S2：将样本数据随机划分若干聚类簇集；S3：获取聚类簇集的初始聚类中心；S4：获取各聚类簇集的初始聚类中心与样本数据之间关于欧式距离与余弦距离的综合距离；S5：根据综合距离更新隶属度矩阵，并重复迭代执行步骤S3至S4，直至达到迭代收敛条件，并获取聚类簇集的最终聚类中心；并根据最终聚类中心确认变压器故障种类的聚类结果；S6：将所述聚类结果按照预设比例划分为数据训练集与数据测试集；S7：建立LSTM模型并将其作为变压器故障分析的预测模型；并基于数据训练集与数据验证集以获取最优预测模型。解决了传统定期检修的方式不仅消耗了大量的人力和财力，特别是在交通不便的偏远地区，检修工作面临许多挑战，此外，检修过程中可能会出现人为错误，导致设备损坏的问题。