一种基于聚类分析的电力计量自动化检定流水线故障诊断方法

针对自动化检定设备系统的集成度和复杂度越来越高,依靠传统经验维护变得越发困难的问题,文中提出了一种基于聚类分析的电力计量自动化流水线故障诊断方法。该方法利用特征提取、数据训练和变迁分类的方法,分类训练得出针对目标系统的故障诊断模型。在真实数据的对比试验中发现,K-Means聚类算法在实现低样本量的故障原因预测方面有着理想的效果。该方法模型从自动化系统本身出发,充分考虑流水线及设备相互之间的影响关系,最终实现全面故障诊断,较人工神经网络算法、决策树分类和贝叶斯分类算法分别提高了7.55%、9.96%和9.96%。