摘要
本发明涉及一种低压互感器故障诊断方法及系统,属于互感器故障诊断技术领域,包括以下步骤:采集互感器运行状态数据并转换为定量描述数据,构建观测矩阵;采用主分量分析(PCA)算法对矩阵进行特征提取,通过计算特征值贡献率实现数据降维,显著减少后续计算量;将降维后的数据作为支持向量数据描述(SVDD)模型的输入,输出故障样本集;应用聚类分析算法对故障样本进行分类,获得精确的故障诊断结果。相比传统方法,本发明创新性地将PCA降维技术与SVDD模型相结合,在保证诊断准确性的同时,通过特征值贡献率指导的降维处理,有效降低了计算复杂度,使故障诊断效率提升,特别适用于电力系统对低压互感器的实时状态监测与故障预警需求。
技术关键词
低压互感器
特征值
样本
聚类分析算法
协方差矩阵
故障诊断方法
计算方法
贡献率
数据
信息熵
初始聚类中心
偏差
互感器故障诊断技术
故障诊断系统
互感器运行状态
采样点
故障诊断效率
拉格朗日
系统为您推荐了相关专利信息
病理诊断系统
数字切片
病理切片扫描仪
数据可视化
深度学习模型
负荷特性分析方法
聚类分析方法
皮尔逊相关系数
剩余误差
电力负荷特性分析
智能配电箱
状态在线监测系统
特征值
工作状态发生变化
神经网络单元