王 平，张 勤

(1.四川天一学院 信息工程系，四川 绵竹 618200 ；2.西华大学 电气与电子信息学院， 成都 610039)

0 引 言

随着传感器技术、计算机技术的不断发展完善,很多电力设备上都安装了自动化程度高、运行速度快的数据采集、检测系统[1]，这类系统的使用大大地提高了测试、检查的效率，对电力设备的安全运行发挥了重要作用。目前电力系统的故障检测和识别通常由专家完成，当设备出现故障后，需现场的技术人员和专家，根据检测报警信号、设备的故障现象和工作经验来诊断分析故障原因，提出故障解决方法。近年来，随着人工智能技术的发展，专家系统、模糊推理、人工神经网络、模拟退火、遗传算法等方法被引入电力系统故障诊断过程，取得了大量的研究成果[2]。模糊聚类用于电力故障的诊断，如基于模糊聚类分析的燃气轮机振动故障诊断研究[3]、基于模糊综合理论的电力变压器故障诊断[4]、加权模糊核聚类法用于电力变压器故障诊断[5]、模糊神经网络用于电力系统电压稳定评估[6]等研究成果，推动了模糊聚类算法在电力故障诊断中的应用。本文提出一种动态模糊聚类方法，以对多位专家的故障诊断推理进行信息融合，尽快识别和排除故障。

与单一信息源检测系统相比，多源融合所提供的信息具有相关性、互补性和冗余性，信息融合就是对上述三种信息特征的不同处理过程[7]。对来自多个专家诊断信息的融合可以降低故障系统识别的误差和不确定性、提高故障检测的概率和识别的准确度、提高系统输出结果的可信度，从而提高系统的性能。……