面向高压电力系统的无监督聚类故障分析：基于电压和电流信号
机器学习
2025-05-26 v1 信号处理
摘要
现代电网中传感器的广泛应用导致电压和电流波形数据在故障事件期间大量积累，尤其是缺乏标记数据集成为故障分类和分析的重大挑战。本文探索了无监督聚类技术在高压电力系统故障诊断中的应用。分析来自 Reseau de Transport d'Electricite（RTE）提供的数据集，使用快速傅里叶变换（FFT）提取频域特征。随后应用 K-Means 算法识别数据中的潜在模式，实现无需标记训练样本即可进行自动故障分类。结果聚类经与电力系统专家合作评估，以评估其与实际故障特征的一致性。结果表明，无监督学习在可扩展的数据驱动故障分析中具有潜力，为检测和分类电力系统故障提供了一种以最小先验假设为基础的方法。
引用
@article{arxiv.2505.17763,
title = {Unsupervised Clustering for Fault Analysis in High-Voltage Power Systems Using Voltage and Current Signals},
author = {Julian Oelhaf and Georg Kordowich and Andreas Maier and Johann Jager and Siming Bayer},
journal= {arXiv preprint arXiv:2505.17763},
year = {2025}
}
备注
12 pages