摘要：为了提高超级电容组运行可靠性需要对故障电容进行在线鉴别,针对现有超级电容故障鉴别方法参数识别难度高和采集数据量大的问题,该文采用最佳K均值聚类方法在线检测故障超级电容器,并提出了最佳聚类的欧氏距离指标。该方法首先对在线电压信号数据进行预处理,采用奇异值分解提取特征值进行K-Means动态聚类并计算相应的欧氏距离指标,由最佳聚类结果鉴别出故障单体。针对该文提出方法设计了超级电容组充放电仿真试验进行验证。试验结果表明基于欧氏距离指标最佳K均值动态聚类的超级电容组故障在线鉴别方法可以根据串联单体电压信号进行故障检测。该文可为超级电容在线故障检测系统的开发与研制提供参考。

关键词：故障检测 信号分析 模型 超级电容 动态聚类 

单位：中国农业大学信息与电气工程学院 北京100083 渤海大学工学院 锦州121013