基于灰色关联分析和聚类云模型的变压器油纸绝缘状态评估

电力变压器复合油纸绝缘状态的准确诊断对电力系统安全稳定运行以及设备自身运维具有重要指导意义。针对油纸绝缘介电响应少数特征量评估和未考虑系统随机性导致评估不准确的问题,提出基于灰色关联分析(grey relational analysis,GRA)与聚类云模型的评估方法。首先,基于回复电压法和扩展德拜模型提取5个相关特征量,建立油纸绝缘状态评估体系。然后,针对多特征量在反映绝缘状态的敏感性差异,采用组合赋权法综合GRA和改进层次分析法,避免了数据信息丢失,使权重分配更加合理。最后,利用云模型雾化特性反映数据随机性,全面考虑评估指标等级分类边界的随机性和模糊性后构建了聚类云模型隶属度选择器。通过多台不同糠醛含量变压器实测数据进行验证表明,该评估方法不仅能够准确反映变压器实际绝缘状态,而且能体现其劣化趋势,为检修策略的制定提供参考依据。

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.

基于类云模型的c均值聚类航迹关联算法

针对多传感器多目标航迹关联的特点,提出了将类云模型和c均值聚类联合应用于航迹关联的解决方法。将表征航迹特征的参量构成聚类中心和待分类的样本空间,利用类云模型和c均值聚类算法对来自不同传感器的航迹进行分类和收敛判断,构建了基于类云模型的c均值聚类航迹关联模型,有效地解决了目标密集环境下的航迹关联问题,通过仿真研究说明了该算法的有效性和鲁棒性。

模糊熵与灰云模型在既有玻璃幕墙安全评价中的应用

针对既有玻璃幕墙的安全评价问题,考虑指标信息的不确定性与等级归属的复杂性,提出一种基于模糊熵与灰云聚类模型的既有玻璃幕墙安全评价方法。首先,以实际工程为背景,通过识别既有玻璃幕墙安全风险因素,构建一套定性与定量指标相结合的安全评价指标体系;其次,基于可变模糊云与正态云模型进行评价指标的赋值;再次,运用极差最大化组合赋权法,计算评价指标的权重;最后,引入灰云聚类模型与模糊熵,实现既有玻璃幕墙安全状态的二维评估。实例结果显示:该方法既能对玻璃幕墙的安全状态进行诊断,还能运用模糊熵,从复杂性的层面揭示既有幕墙的健康状况,进而为既有玻璃幕墙的安全评估提供可行思路。

基于Spearman-EAHP变权灰云聚类模型的尾矿库安全评价

针对尾矿库安全评价中存在"指标权重群决策意见不易统一"和"安全评价等级信息具有随机性和模糊性"等问题,提出了Spearman-EAHP的变权非对称灰云聚类模型。首先,引入Spearman系数对指标重要性排序进行预处理和一致性检验,考虑指标理想序和指标实测数据非线性变化的影响,建立了基于EAHP法的指标变权算法,全面反映了专家对指标排序主观意见的模糊性及差异和尾矿库安全状态差异对指标权重的影响,也客观衡量了专家在赋权中的不同作用。采用基于Spearman-EAHP法的变权非对称灰云聚类模型,对湖南省3座尾矿库的安全状态进行评价,根据尾矿库安全评价的数据特征,构建适中测度、上限测度和下限测度等正态灰云函数,并考虑指标权重影响,评价结果表明,3座尾矿库安全评价等级为Ⅲ级,与实际情况相符,验证了该模型方法的可行性和有效性。

基于灰云聚类模型的绿色港口竞争力评价

依据绿色港口建设的基本要求,构建了包含生产规模、基础设施、绿色物流、环境治理、发展环境五个指标的绿色港口评价指标体系。建立了基于灰云聚类的绿色港口评价模型,并以大连港、天津港、青岛港三个港口为例进行了实证研究。

基于可拓灰云聚类—状态区间范围差异的断路器状态评估方法

电力设备的健康状态评估能降低设备检修的盲目性。针对目前断路器状态评估中存在的相邻状态分界点附近状态划分模糊性较高的问题,设计了一种可拓灰云聚类且考虑状态区间范围差异断路器状态评估方法。该方法以可拓云理论和灰云聚类函数作为基本理论框架,采用不同的约束范围构造最优云熵,同时将状态区间范围差异一同考虑。以某变电所真空断路器为例:预警状态下,"3En"规则构造云熵为0.671 2,"50%关联度"规则构造云熵为0.577 6,构造最优云熵为0.612 7,该方法将其整体判定为预警状态,同其他评估方法结果一致,但其隶属度上的反映更精准。实例结果分析表明,它能有效的处理断路器状态评估中的不确定性因素,具备一定的可行性与准确性。

基于云模型理论的群体用户画像模型

为了能够对群体用户中不确定性和模糊性的行为精确的定量分析和定性相似度的计算,设计了一个基于云模型理论的定性相似度算法来给群体用户构建画像模型.首先,采用识别客户价值最广泛的RFM(Recency,Frequency,Monetary)模型来细分用户.其次,通过云模型变换算法将用户的行为转换为用户的云模型标签,该云模型标签就是对用户行为的一次定量表示,然后通过云模型聚类算法来划分出不同的客户类型,作为客户画像的模型,利用该模型指导商业营销活动.

基于单值中智集和云聚类的产品造型设计决策方法

为了获得客观、合理的权重分配,综合考虑有限理性心理行为特征和策略操控行为,把决策专家进行科学聚类,提出基于单值中智集(SVNS)和云模型聚类的产品造型设计多属性决策方法.决策专家构造标准属性和备选方案的成对比较比率平方矩阵获得SVNS,映射真、假、不确定3个隶属度值到单值中智立方体(SVNC)中,筛选各标准属性下备选方案的评估结果,获得标准属性的相对权重.利用融合多粒度语言的云模型聚类方法集群决策专家,淘汰存在冲突和非理性的决策专家,获得有效的设计决策专家权重.由标准属性权重和决策专家权重,综合计算各备选方案的总体优先级得分并进行排序.以汽车造型设计方案为例,验证所提方法的可行性和有效性.结果表明,所提方法避免了恶意策略操作,有效地解决了复杂和不确定情况下的汽车造型设计多属性决策问题.