1997 - Fachgebiet Hochspannungstechnik - Schering-Institut
1997 - Fachgebiet Hochspannungstechnik - Schering-Institut
1997 - Fachgebiet Hochspannungstechnik - Schering-Institut
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
- 24 -<br />
Clusteralgorithmen detektieren selbständig ohne Zuhilfenahme von Referenzimpulsen<br />
Gemeinsamkeiten in Mustern und teilen diese in homogene Gruppen ein. Dabei wird<br />
berücksichtigt, daß die Muster innerhalb einer Gruppe möglichst ähnlich sind, während sich<br />
die Cluster untereinander weitestgehend unterscheiden. Zur Beschreibung der Ähnlichkeit<br />
bzw. Verschiedenheit der Muster im Merkmalsraum dienen als Distanzmaße häufig der<br />
Euklidische Abstand und der City-Block-Abstand. Neben der Mustereinteilung ergeben sich<br />
für jede Gruppe Clusterzentren, die berechnete Referenzsignale darstellen.<br />
Zur Veranschaulichung einer Clusteranalyse soll beispielhaft ein Datensatz dienen, der drei<br />
Dreiecke, ein Viereck und drei Fünfecke enthält. Nach einer Verarbeitung der Muster könnte<br />
z. B. die in Bild 1 dargestellte Aufteilung in zwei Cluster erfolgt sein, wobei der Algorithmus<br />
idealerweise die Anzahl der Ecken als Unterscheidungskriterium verwendet.<br />
4<br />
5<br />
1<br />
3<br />
6<br />
7<br />
2<br />
Clusterung<br />
Bild 1<br />
Clusterung eines<br />
Datensatzes mit<br />
geometrischen Figuren<br />
Zur Ermittlung der Eignung von Clusteralgorithmen für die TE-Meßtechnik wurden<br />
- die ISODATA-Methode<br />
- das Fuzzy-ISODATA-Verfahren und ein<br />
- neuer selbstorganisierender Fuzzy-Clusteralgorithmus<br />
untersucht. Der "scharfe" konventionelle ISODATA-Algorithmus (Iterative Self-Organisation<br />
Data Analysis Techniques A) bestimmt die optimale Gruppenanzahl selbständig, während der<br />
zum Vergleich in die Untersuchungen einbezogene "unscharfe" Fuzzy-ISODATA-Algorithmus<br />
(vgl. Jahresbericht 1994) die Vorgabe der Clusteranzahl erfordert. Dafür erlaubt diese<br />
Methode aber partielle Zuordnungen der Muster zu mehreren Clustern, so daß im Beispiel das<br />
Viereck den Drei- und Fünfecken zu gleichen Anteilen zugewiesen werden kann. Da beide<br />
Verfahren Vor- und Nachteile aufweisen, wurde ein neuer selbstorganisierender Fuzzy-<br />
Clusteralgorithmus entwickelt, der deren positive Eigenschaften kombiniert und somit nach<br />
Vorgabe der Unschärfe eine Mustereinteilung bei selbständiger Ermittlung der optimalen<br />
Clusteranzahl vornimmt. Um in allen Verarbeitungsstufen möglichst wenig Vorwissen<br />
einzubringen, wird auch die Initialisierung der Algorithmen nicht mit Hilfe von<br />
Referenzmustern vorgenommen, sondern zufällig durchgeführt.<br />
Durchführung<br />
Nadelhalter<br />
Hochspannungswicklung<br />
Nadel<br />
3<br />
1<br />
v 1<br />
Clusterzentren<br />
2<br />
C 1<br />
C 2<br />
VER<br />
HP A/D<br />
HP : Hochpaßfilter<br />
VER : Verstärker<br />
A/D : Digitalisierer<br />
Bild 2<br />
Versuchsaufbau zur Erzeugung von TE-Impulsen an einem Transformator unter Spannung<br />
4<br />
5<br />
v 2<br />
Cluster 1 Cluster 2<br />
6<br />
7<br />
- 25 -<br />
Die Auskopplung der bei den Untersuchungen verwendeten TE-Impulse erfolgte an der Oberspannungsdurchführung<br />
eines 36 kV/380 V-Transformators. Bei diesem wurde eine Kesselwand<br />
durch eine Plexiglasscheibe ersetzt, so daß der Aktivteil zu sehen ist. Damit läßt sich<br />
eine an einer Stange befestigte Nadel gezielt vor den Wicklungen plazieren, um TE-Impulse<br />
an verschiedenen Wicklungsabschnitten zu initiieren, während der Transformator unter<br />
Spannung steht. Bei dem in Bild 2 wiedergegebenen Versuchsaufbau ist der<br />
Transformatorkessel zur besseren Übersicht nicht abgebildet.<br />
Beispiele für am ersten und vierten Wicklungsabschnitt der Oberspannungswicklung erzeugte<br />
TE-Impulse sind in Bild 3 aufgeführt. Es sind deutlich die unterschiedlichen, für den jeweiligen<br />
Wicklungsabschnitt charakteristischen Signalformen zu erkennen.<br />
)<br />
U<br />
500<br />
250<br />
0<br />
-250<br />
-500<br />
mV<br />
µs<br />
0 12,8 25,6 38,4 51,2<br />
t<br />
b)<br />
200<br />
100 V<br />
0<br />
U -100<br />
-200<br />
0 12,8 25,6 38,4 µs 51,2<br />
TE an Wicklungsabschnitt 1 TE an Wicklungsabschnitt 4<br />
Bild 3 TE-Impulse am ersten und vierten Wicklungsabschnitt des Transformators<br />
Die verwendeten Störimpulse wurden an einem Leistungstransformator (220 kV/110 kV/200<br />
MVA) vor Ort aufgezeichnet. Zur Simulation von fehlgetriggerten "Störimpulsen" dienen synthetisch<br />
generierte AM-Schwingungen. Die mit einer Abtastfrequenz von 20 MHz digitalisierten<br />
Signale werden auf ihre Maximalamplituden getriggert und mit einem Pretrigger von<br />
20 % versehen. Um zuverlässige Ergebnisse zu erhalten, liegen den Untersuchungen nahezu<br />
1000 Muster zugrunde.<br />
Die Clusteranalysen mit dem ISODATA-Verfahren und dem neuen Algorithmus starten mit<br />
einer Clusteranzahl von fünf, während der Parameter der Unschärfe bei der Fuzzy-ISODATA-<br />
Methode und beim neuen Algorithmus einen Wert von drei erhält. Den Fehler bei der Impulsdiskriminierung<br />
mit den drei Algorithmen für jeweils beide Distanzmaße zeigt Bild 4. Sowohl<br />
das ISODATA-Verfahren als auch der neue Fuzzy-Clusteralgorithmus generieren jeweils selbständig<br />
drei Gruppen, während diese Anzahl bei der Analyse mit dem Fuzzy-ISODATA-<br />
Algorithmus vorgegeben wurde.<br />
Fehler<br />
0,6<br />
%<br />
0,4<br />
0,2<br />
0<br />
Euklidischer Abstand<br />
City-Block-Abstand<br />
ISODATA Fuzzy-ISODATA Neuer Algorithmus<br />
Bild 4<br />
Fehler bei der Separierung von TE- und Störimpulsen mit Hilfe von Clusteralgorithmen