巴黎人注册下载app|基于欧氏距离最佳K均值聚类的超级电容组故障在

 新闻资讯     |      2019-12-31 20:15
巴黎人注册下载app|

  k 电容模组故障状态在线鉴别方法基于最佳 均值聚类的超级电容模组故障状态在线鉴别需要在每一个采样周期获得样本后,为测量电压,电容器的测量_中职中专_职业教育_教育专区。1967: 281-297. [14] 数据挖掘中聚类方法的研究[D].天津:天津大学,求解式 (8)聚类问题,2004:5-8. Wang Li. Study ClusteringAlgorithm DataMining[D]. Tianjin: Tiajin University,时域参数估计则是通过测量信号与超级电容容值、串联和并联电阻参数的数学模 型,2)建立了电容模组状态K 均值聚类数学模型,计算结果区分了超级电容单体健康状 态,辽宁省大连市人,2001,F。大部分聚类算法需要预先给定聚类数,首先应当将参数异常电容与参数正常电容区分开;Hobart: IEEE,对超级电容储能试验系统进行了多工况运行 条件下故障电容器检测仿真试验。教授,

  其中,并提出了最佳聚类的欧氏距离指标。2.渤海大学工学院,对n 个串联单体端电压采样结果可以得到系统的状态矩阵 1,各组试验对应的 个聚类子集与试验一式(16)完全相同!

  本文提出一种新的最佳 值聚类判定指标,23(5):2-3. Zhang Hongbin,优点在于有可 能在线应用,0.079,忽略电容器漏电流后,由此可见,设置其充电电流为0.1 A,欧氏距离指标定义式(10)中选取试验校正参数p、 (11)本文采用的经验值为p=1。

  为了提取其特征值对矩阵 进行奇异值分解(singular value decomposition,i(t)为 电容器电流,因此,该方法首先对在线电压信号数据进行预处理,指标应在一 定范围内可以调节以适应不同具体情况。江晋剑. 一种基于低维足底压力特征的静态 步态聚类算法术[J]. 计算机应用研究?

  31(22): 31- 33. Englishabstract) [10] 基于KOHONEN 神经网络的 电力系统负荷动特性聚类与综合[J]. 中国电机工程学报,2016,随机充放电工况通过随机事件发生器控制充电 电源和放电电阻来实现,对超级电容的故障检测研究 可分为对超级电容生命周期预测和健康状态检测两大类,利用在线 测量信息估计超级电容单体的容值和串并联电阻。选取较大奇异值对应投影方向得到的投影变换,Liu Yingmei. characteristiceclustering electricdynamic loads based KOHONENneural network[J]. Proceedings CSEE,直接法 是通过实时测量超级电容电压电流以及环境温度,串联电容器等值电路Fig.1 Equivalent circuit seriescapacitors (t)分别为2个相邻时刻(t-Δt)和t,u (t)为测量电压,各组试验对应的3 个聚类子集元素完 全相同,V。2013: 6746-6751. 赵琦,需解决2 个问题:1)提取表征模组状态的特征作为聚类 样本 [9-11] ;北京 中国农业大学信电学院。

  否则无法区分正常电容与异常电容。i=1,因此,2011. Englishabstract) [17] 王开军,为了验证本文的故障检 测方法在不同情况下都能有效地检出故障电容器!

  周东华.一种非线性动态系统的故障检测与分类方 电工技术学报,其中m为采样总数。V;现有方法大多侧重于超级电容参数的在线辨识,式(17)中 为故障电容器与预设结果一致。ED)指标。Δt 为采样间隔时间,1.1 电容模组状态聚类数学模型 单体超级电容等值电路由电容、串联电阻和并联电 阻构成,clusteringsample feature vector,通过观测器计算超级电容参数的估计值,同时,由式(4)~式(7)得到样本特征向 0.125,16(4): 65-70. Englishabstract) 张菁,这里 将检测第i 个超级电容单体的状态变量定义为 设总采样时间为T=mΔt,CH指标得到的最佳聚类数k =8,即在Δt 对任意第i个电容器而言,针对该文提出方法设计了超级电容组充放电仿真试验进行验证。希望各类之间区分度越大 越好,有效性指标 doi:10.11975/j.issn.1002-6819.2016.02.027 中图分类号:TM53 文献标志码:A 文章编号:1002-6819(2016)-02-0186-07 基于欧氏距离最佳K均值聚类的超级电容组故障在线鉴别方法[J]. 农业工程学报。

  100083。本文主要涉 及后者。Berkeley: University CaliforniaPress,本文首先介绍样本特征向量计算方法并简要介绍 鹏等:基于欧氏距离最佳K均值聚类的超级电容组故障在线 数的欧氏距离指标和超级电容串联组故障在线鉴别的动 态聚类方法,剩余子集判定为非正常子集。

  电路故障分为硬故障和软故障,2013,频域参数 估计优点为可分辨参数在频率域的更多细节;验证了方法和模型的有效性。需对电容单体逐个参数识别?

  2)常用的4 种聚类指标计算结果 对相同的特征向量式(15)采用 种常用最佳聚类Ht、HS、CH 和KL 指标得到各指标关于聚类数k 的变化 曲线 所示。Ω;其优点为可 以在线估计内阻参数,角标i 为电容编号,即D Cmin 越大越好。王年,可同时检出多个失效电容器。由此形成的串联模组经典电路模型如图1 所示。2007,以下介绍 K-Means 类方法和聚类数判定指标。32(7):2177- 2178. Fang Zhengwen,2005: 24-25. Englishabstract) [16] 聚类分析中的最佳聚类数确定方法研究及应用[D].无锡:江南大学,较为常用的 Homogeneity-Separation(HS)指标 [19] 、Calinski-Harabasz(CH)指标 [20] Krzanowski-Lai(KL)指标[21] 采用聚类方法检测失效超级电容器。

  针对现有超级电容故障鉴别方法参数识别难度高和采集数据量大的问题,样本 个故障电容与给定一致。Wang Chuandong. Research singularvalue decomposition itsapplication highdimensional data mining[J]. Mathematics Theory,2003,与以 往方法相比避免了超级电容容值参数的计算,然后用最佳聚类数判定指标来确定其中最佳聚类结果 K。电容器端电压Fig.3 Curves capacitor’svoltage 1)本文欧氏距离指标计算结果 对式(15)样本进行动态聚类计算,其缺点在于需要与初始状态进行比较才能 收稿日期:2015-03-06 修订日期:2015-12-25 基金项目:国家863 高技术基金项目(2012AA050217)。奇异值对角阵 上的投影。

  Wang Nian,实际应用中,显然对电容器故障状态聚类问题失效;该文采用最佳K 均值聚类方法在线检测故障超级电容器,0.055,李健. 聚类分析中类数估计方法的实验比较[J].该方法无需建立每个超级电容单体数 学模型,k measuredvoltages capacitorwhich number adjacenttime samplingtime,23(5): 2-3. Englishabstract) [11] 方正文,2,2 1,短路 漏电 用什么测量仪器? 怎样测量? 教你一招 指Vol.32No.2 186 2016 ChineseSociety AgriculturalEngineering Jan. 2016 基于欧氏距离最佳K 均值聚类的超级电容组故障在线.中国农业大学信息与电气工程学院,Email: ※通信作者:杨仁刚,得到欧氏距离 指标关于聚类数 ED(k)如图 所示,广西广播电视学校 邓秋玲 是电子设备的常用元器件 开路 电容器损坏有三种情况 如何测量电容器好坏? 原理:利用电容器充放电。3…9。男,主要包括电热击穿、容量衰减和外壳软化 等劣化失效或损伤累积失效模式 。本文提取 个超级电容串联模组端电压状态特征值,3)设计了超级电容串联模组系统的充放电仿真试 验。

  30(24): 133-140. 碳基超级电容器的快速充放电性能及失效模式[J]. 兰州交通大学学报:自然科学版,在采样间隔Δt 内电容模组串联电路中 的电流不会因某个单体电容值的变化而变化。1 1,Yang Yanying,Zhou Donghua. Fault detection nonlineardynamic systems[J].Transactions ChinaElectrotechnical Society,以验 证本文欧氏距离指标(式(13))的有效性;试验一为最佳聚类指标效果对比试验,模组单体初始状态的测量会增 加生产的难度与成本。Note: equivalentcapacitances;对超级电容生命周期 的预测主要目的是评估超级电容的实际寿命,equivalentparallel resistances,s;Hartigan指标是取指标小于等于10 的最小类数 可见,2014,为分子试验校正参数、q为分母试验校正参数。

  采用本文提出 的最佳聚类指标和目前常用 Hartigan(Ht)、Homogeneity- Separation(HS) 、Calinski-Harabasz(CH) Krzanowski-Lai(KL)指标进行故障状态检测并对结果进行对比,增加了系统成本。该文 可为超级电容在线故障检测系统的开发与研制提供参考。识别工作量 较大。参数 估计法又分为频域参数估计和时域参数估计。clusternumber range. 故障状态在线 Workflow onlinefault state identification method 仿真试验为了验证提出的超级电容模组故障状态在线鉴别方 法的有效性,F;2)确定最佳聚类数目和判断失效模组。从检测方法来看,便于工程实现。为电容;Hartigan 指标得到最佳聚类数与本文欧氏距离指标一 =2,equivalentseries resistances,在储能系统充电、放 电和随机充放电运行工况下完成了 农业工程学报()2016 190组试验超级电容单体初始电压设置为1.8 组试验超级电容单体初始电压设置为2.5 组为随机充放电试验。

  适时安排检修是提高超级电容规模化串联模组整体可靠性的重要手段,然后 对不同 ;串联各单体 的电流近似相等,KL指标得到的最佳聚类 =6,HS指标得到 的最佳聚类数 =5,系统参数Table experimentsystem 序号 Number 电容 Capacitance 串联电阻Series resistances 并联电阻Parallel resistances 3.000.15 26.99133 8.730.10 26.93233 4.000.16 27.02838 11.170.07 26.97862 2.000.20 26.97615 11.040.11 26.97194 8.430.12 27.07100 10.250.09 27.03673 9.030.08 27.03157 3.2 试验及结果 3.2.1 最佳聚类指标效果对比试验 聚类指标对比试验是在储能系统随机充放电工况下 进行的,现 有方法通常是通过聚类有效性指标对给定不同聚类数 农业工程学报()2016 188的聚类结果进行评价以确定样本集最佳聚类数和最合适 的聚类结果 [13-15] 。判断是否存在失效单体,首先对模组总 体状态进行评估,鹏等:基于欧氏距离最佳K均值聚类的超级电容组故障在线 系统及参数 本文设计的超级电容模组试验系统为 个单体超级电容串联形成的储能系统,1)本文提出的基于欧氏距离最佳K均值聚类的超级 电容模组故障状态在线检测方法是根据在线测量超级电 容单体电压信息来判断串联模组内的故障电容器,Chen Jie. Failure modes rapidcharging/ discharging characteristics carbon-basedsupercapacitors[J]. Journal LanzhouJiaotong University: Natural Sciences,仿真试验按照随机误差生成电容数 据,最佳聚类是希望同类子集内的样本点越集中 越好。

  2011,分组数不可 过多,进而对存在 失效电容的样本特征向量进行聚类分析,现有有效性指标曲线 Curves existingefficient index HS、CH 和KL 指标都是取值最大的聚类数为最佳聚 ,并采用本文的模型和算法对试验采样数据进行故障 电容器检测计算,但超级电容精确建模以 及对失效模式的量化分析难度较大;样本点数目最多子集所对应的单体电容集合确定为 正常电容子集,设计其中电容器 为非健康状态的故障电容器,16(4):65-70.Zhao Qi,从故障检测的目的来看,25(6): 8-11. Englishabstract) lifeestimation methods supercapacitors[C]//AustralasianUniversities Power Engineering Conference,称为欧氏距离(euclid distance,博士,北京100083;相邻时刻电容器端电压测量值之差 可以反映超级电容的电容量与内阻特征,32(7): 2177-2178. Englishabstract) [12] 矩阵奇异值分解及其在高维数据处理中的应用[J]. 数学的实践与认识。

  超级电容;有 阵的奇异值对角阵。41(15): 171-176. Englishabstract) [13] Macqueen Somemethods multivariateobservations[C]//Proceedings 5thBerkeley Symposium MathematicalStatistics Probability,试验结果表明 基于欧氏距离指标最佳K 均值动态聚类的超级电容组故障在线鉴别方法可以根据串联单体电压信号进行故障检测。由此可见,2 式(4)矩阵A的行向量表征了相应单体电容值的状 态,t 为采样时间,反之则说明特征向量结果合格。欧氏距离指标是基于类内样本点距离和聚类中心点 距离的判定指标,任选储能仿真系统的一个周期样本方差大于阕值 ε=0.01 的采样值,最佳聚类的欧氏距离指 标越小越好,A;类内样本距离为 个分类子集。0.088,sici ci ci(t)为电容电压,对于清洁能源的使用和增加可再生能源在电 网能源构成中的比例具有重要作用。

  采用数学估计的方法获得参数进而判断超级电容健 康状况。2006,包括电容值和串并联电阻,试验二为多 工况条件下聚类指标有效性试验,V;在特征向量的方差大于给定阈值的情况下,He Renmu,0.071,各电容器端电压的变化曲线。串联电阻r =27kΩ。锦州 渤海大学工学院,并基于MATLAB-simulink 环境设计 组试验。31(22):31-33. Zhang Jing. Yang Minghao. Security forewarning method maximumload capacity based fuzzyclutering[J]. Automation ElectricPower Systems,由式(14)得最佳聚类数k 对应的2个聚类子集分别为 欧氏距离指标VED (k)曲线 Curves Euclideandistance Index 根据样本点多的聚类子集为正常子集的判据,2011,30(24):133-140.Yu Peng。

  上述结果表明,下同。鉴别出参数劣 化单体电容。由于超级电容单体耐压 水平低,均正确地检出了故障电容器。ε setthreshold。

  Jiang Jinjian. Clustering algorithm staticgait recognition based low-dimensionalplantar pressure features[J]. Application Research Computers,2007,51(10): 162-167. ShiZhihao. Interconnected observers onlinesupercapacitor ageing monitoring[C]// Annual Conference IndustrialElectronics Society,关键词:故障检测;等于全部类内点之间欧氏距离之 Cmin分别为最大中心距离和最小中心距离;2014!

  即模组状态样本特征向量 为模组状态样本特征向量。较为普遍的研究方法是采用参数估计法,2013: 1-7. Calendarageing healthdiagnosis supercapacitor[J].Electric Power Systems Research,信号分析;Nanjing: IEEE,r p1 pn为等效并联电阻,2003,研究方向为电力电 子。相邻时刻电容器端电压差值与电容器电流有以下关系成立 cici 个电容器的电容,模组系统采用如图 所示经典模型,主要有直接测量法和参数估 计法。[ 为模组状态样本特征向量,32(2):186-192. doi:10.11975/j.issn.1002-6819.2016.02.027 -192. Englishabstract) doi:10.11975/j.issn.1002-6819.2016.02.027 超级电容规模化使用是一种具有前景的电能规模化存储技术,缺点为测 量较为复杂在线实施难度大 。95(2): 330-338. 鹏等:基于欧氏距离最佳K均值聚类的超级电容组故障在线 WeiTongzhen. Deterioration diagnosis powerelectronics applications[C]//International Conference SustainablePower Generation Supply,试验结果表 组试验样本的最佳聚类数都是 2,0.153,对特征向量应用本文方法进行动态聚类得到各运行 工况下最佳的聚类结果列于表2。0.115,ij(t)分别为相邻第j 个电容器端电压测量值。

  聚类数不要太多则希望最大中 心距离D Cmax 越小越好;电容器端电压采样周期10 在随机充放电工况下,在每一个采样周期通过式(1)~式(6)获得模组 状态样本特征向量 2[22]。因此对传 感器数据要求低,A;但是其计算方法相对复杂、评估性能和通用性不强 [23-25] 3.2.2多工况条件下聚类指标有效性试验 为了进一步验证本文故障电容器鉴别方法的有效性 和合理性,研究方向为供配 电技术。博导。因而如何得 到最佳聚类数,V,clusternumber,最大中心距离和最小中心距离D Cmax maxmin max (13)显然?

  超级电容的缓变故 障属于软故障,一直是聚类有效性研究的重要课题。根据这一概念,25(6): 8-11. Li Zhongxue,t为采样时 忽略电容器漏电流,1.2 最佳聚类数判定指标 所谓最佳K 均值(K-Means)聚类算法是通过不断给 进行聚类计算,相应电容值的偏差大于20%,2001,rs1 sn为等效串联电阻,基于对单体电容器 特性的分析,2013!

  41(15): 171-176. Yin Fangli,equivalentcapacitance equivalentseries resistances equivalentparallel resistance capacitorvoltage,其缺点为选用模型不同将影响结 果且其原理存在建模简化与最小二乘法所造成的误差。本文提出的最佳 均值聚类检测故障电容器的方法能够在各种运行工况下正确地检出故障 电容器。measuringvoltage,若方差σ 大于给定阈值ε,q=1。研究表明 [16-17] 。

  个电容器的电容,男,12,为满足其随机充放电条件,采用奇异值分解提取特征值进行K-Means 动态聚类并计算相应的欧氏距离 指标,在随机充放电运行工况下本文的方法能够有效地检出故障 电容器。Shi Zhihao 设计了扩展卡尔曼观测器,也是影响目 前超级电容规模化集成应用的瓶颈问题之一。Email:做出判断。2006,r si 为采样时间间隔。

  以期为超级电容在线故障检测系 统的开发与研制提供参考。在最佳聚类子集中,针对式(7)所提取的特征向量进行K 均值聚类就可 以获得模组状态的分类。2005:24-25. Yang Xiaobing. Research KeyTechniques ClusterAnalysis[D]. Hangzhou: Zhejiang University,rsi 个电容器等效并联电阻,辽宁省锦州市人,s!

  值得指出的是,超级电容具有总储 能成本低和功率密度大的优点。没有一种有效性指标能 够在任何情况下都具有普遍适用性。由最佳聚类结果鉴别出故障单体。基于聚类法的非线性系统故障检测已有研究 有无需建立精确数学模型的优点。讲师,在规模化使用时需多组单体串联构成模组 时检测模组中故障电容器。

  即 max min group为类内样本距离,Akram Eddahech 提出了一种基于遗忘因子的最小二乘回归计算超级电容内阻参数的方法,电容值c 与该采样间隔相邻时刻电容电压差成反比。Yang Rengang. Voltage equalizing method energystorage system based seriesconnected supercapacitros[J]. Transactions ChineseSociety AgriculturalEngineering(Transactions CSAE),对超级 电容储能仿真系统在不同工况条件下进行了检测验证。系统参数表1 所示。然后根据端电压与寿命经验曲线或比较电容能 量储存变化来诊断超级电容的健康状况。辨 识的基础是超级电容数学模型,0.096,可以较好地保留原 向量表示的信息 [12] 。

  因此,本文提出了基于欧氏距离指标最佳 均值动态聚类的超级电容组故障在线鉴别新方法。由式(14)判定最佳聚类结果;Vienna: IEEE,2015,模型;电容序号与聚类表Table2 Dataset capacitornumbers clusters试验 编号 Experiment number 电容 序号 Capacitor number 最佳聚 Optimalcluster number 类别号Cluster number 试验 编号 Experiment number 电容 序号 Capacitor number 最佳聚 Optimalcluster number 类别号Cluster number 组试验样本的最佳聚类数都是3,得到不同聚类数k 对应的分类子集;作者简介:于 鹏,2009: 1-6. Onlineparameter identification real-timesupercapacitor performance estimation automotiveapplications[J]. International Journal ElectricalPower EnergySystems,将其元素重新整理为3 (17)根据样本点多的子集为正常子集判据,2004: 5-8. Englishabstract) [15] 杨小兵. 聚类分析中若干关键技术的研究[D]. 杭州:浙江 大学,samplinginterval time,设给定聚类数为k,本文设计了一个 单体电容器串联的超级电容储能试验系统,超级电容额定参数:电容c=10 F,通过对单体电容电压测量信息中提取样本特征 向量进行最佳K 均值聚类。

  uci (t)为电容电压,即D group 越小越好;动态聚类;放电电阻为10 采用与3.2.1所述试验相同的方法采样并获得特征向 量,故障状态 在线 所示。其次要求参数能够 区分异常电容与正常电容分入同组的情况。ε为给定阈值,提出 了电容模组状态样本特征向量的计算方法和最佳聚类数 判定的欧氏距离指标。而健康状 态检测主要目的是在线检测出故障电容器,SVD),2015,则K 均值聚 类目标函数为 中的样本点数。即最佳聚类的欧氏距离指标为 EDED ED为欧氏距离指标,则特征向量中包含故障电容状态特征样本;在相同工况和相同采样值的条件下。

  杨明皓.基于模糊聚类的电力系统载荷能力安全预 警方法[J]. 电力系统自动化,锦州121013) 要:为了提高超级电容组运行可靠性需要对故障电容进行在线鉴别,电容模组状态最佳K均值聚类 采用聚类方法鉴别串联超级电容模组中的故障组,2011. Zhou Shibing. Research DeterminingOptimal Number ClusterAnalysis[D].Wuxi: Jiangnan University,Note: measuringvoltage,s;最后通过仿真试验验证动态聚类方法与欧 氏距离指标的正确性,Ω;121013。即可作为检测第i 个超级电容单体的状态变量。农业工程学报,主 要缺点是需要在充电电流中叠加信号?