论文部分内容阅读
针对当前电力设备诊断准确率不高,以及传统模糊C均值聚类时效性不强的问题,在利用K-Means聚类减少样本,以及确定聚类中心的前提下对FCM算法进行改进,然后通过Storm并行化框架实现对数据的接入和故障诊断,以此实现对电力设备数据的诊断.结果表明,无论是单机版的改进FCM,还是并行化下改进的FCM,其对变压器DGA数据的识别效率与传统的FCM算法效率都要高,且在处理时间方面,并行化下改进的FCM处理时间要明显缩短,具有很强的实际应用价值.