基于贝叶斯网络Noisy-Or模型的低压漏电保护器机械组件故障诊断应用

机械组件作为低压漏电保护器中最重要的部件之一,对整个产品的最终性能和质量起到了至关重要的作用。由于机械组件受到的影响因素较多,往往造成其故障率较高,合格率也经常处于不稳定的状态,因此,有必要研究机械组件模型以及故障诊断方法。论文提出了基于贝叶斯网络的低压漏电保护器机械组件故障诊断方法,通过对机械组件不良品进行拆解分析并获取生产线与实验室数据,完成贝叶斯网络Noisy-Or模型的构建,最终通过故障原因后验概率大小判断主要故障原因,为后续的故障改进方案提供参考。最后,结合案例对比分析得出使用贝叶斯网络Noisy-Or模型可大大减少所需条件概率的数量,并验证了模型的可行性与实用性。     

基于贝叶斯网络信息融合的直流配电网故障诊断方法

新型直流配电系统故障期间暂态特征复杂多变,继电保护存在拒动和误动情况。为了避免继电保护的不正确动作对故障诊断产生影响,提出一种基于贝叶斯网络信息融合的直流配电网故障诊断方法。首先,对传统继电保护贝叶斯网络模型进行改进,同时考虑直流配电网故障限流策略,分别构建保护动作信息、断路器动作信息和限流策略信息3种贝叶斯网络模型,对故障区域内各元件的故障概率进行初步评估。其次,利用D-S证据理论将各元件对应的故障概率信息进行融合,完成故障元件的判别。然后,应用故障元件对应的贝叶斯网络模型识别误动或拒动的保护装置与断路器,实现对直流配电网的故障诊断。最后,通过算例验证了所提故障诊断方法的可靠性以及准确性。     

基于贝叶斯网络的电容型设备故障诊断

电容型设备的绝缘故障不仅影响整个变电站的安全运行,还危及其它设备及人身安全,因此对电容型设备进行准确的故障诊断具有重要意义。基于贝叶斯网络理论,综合电容型设备的各种检测数据,提出了电容型设备故障诊断的贝叶斯网络模型,将贝叶斯网络方法引入电容型设备的故障诊断中,根据电容型设备故障诊断及维修的特点改进了贝叶斯网络的推断过程。故障实例的诊断结果验证了文中方法的正确性和有效性。     

基于动态推理链的电网故障诊断方法

研究了结合贝叶斯网络的动态因果推理链故障诊断模型。已有基于推理链的电网故障诊断方法存在推理子链个数较多、构造较复杂、未考虑保护和断路器缺失、错误等不足,针对每个疑似故障元件根据保护逻辑建立原始的动态推理链,对误报、漏报的报警信息进行纠正,形成改进后的动态推理链。对推理链中各保护和断路器动作的可信度进行评估,将各保护和断路器动作信息从二值逻辑的0或1模糊化为0,1之间的可信度值。针对每个疑似故障元件的推理链,建立相应的贝叶斯网络模型,通过贝叶斯反向推理得到元件的故障概率。典型电网的多个故障案例验证了所提方法的有效性。     

基于故障树与键合图的贝叶斯网络故障诊断

基于模型的故障诊断往往采用人工智能技术来处理不确定的知识和不完整的信息。概率推理法是一种处理不确定或不完整信息的方法,而贝叶斯网络是一种能够将它应用于实际的工具。提出了一种基于故障树和键合图理论来构建贝叶斯网络模型的新方法,并对系统进行故障诊断。实现了对引起系统或过程的异常行为的元件进行准确定位,并获得同时出现故障的元件对系统影响程度的大小,即为系统操作员提供了一个关于系统组件的优先级检查和维护计划。最后,对此方法的性能进行了仿真验证。     

基于贝叶斯案例库的变压器故障诊断研究

提出了一种基于贝叶斯案例库的变压器故障诊断方法。首先收集标准导则和专家经验,建立变压器故障案例库。然后将案例库中的状态量和故障模式标准化,以状态量为输入、故障模式为输出,训练朴素贝叶斯网络分类器。当需要进行故障诊断时,输入故障的状态量,利用训练好的分类器寻找该故障所属的故障模式。综合该模式的故障详情,得到该案例的故障诊断结果。最后通过变压器现场故障诊断的实例验证了此方法的可行性和有效性。     

基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义。文中基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种电力变压器故障诊断的新方法。利用粗糙集信息表约简技术来实现对专家知识的简化与故障特征的压缩,获得最小诊断规则,基于最小诊断规则的贝叶斯网络模型可以有效降低网络结构的复杂性与故障特征获取的难度;同时利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后,进行了变压器故障实例分析,诊断结果证明该方法的正确性和有效性。     

基于贝叶斯网络与故障树的计量自动化终端故障诊断方法

现场终端故障诊断需要高精度、高可靠性的故障诊断逻辑,由此本文提出了基于贝叶斯网络与故障树的计量自动化终端故障诊断方法,通过收集故障的历史数据与专家的先验、经验,并以此为基础推算变量间依赖关系,构建故障诊断的贝叶斯网络模型,从而获取后验概率密度分布表,解决了仅依靠专家经验搭建网络结构的局限性。实例分析表明,本文提出的诊断方法能有效提升后验概率值,相应的故障底事件的故障影响率就越大,能有效提高计量自动化终端故障诊断的准确率。     

基于Petri网络计及警报信息时间特性故障诊断模型

电力系统发生故障时，警报信息具有时间特性，这一特性直接影响故障诊断结果的准确性和诊断速度，提出了一种计及报警信息时间特性故障树Petri网故障诊断模型和故障树表示方法，利用Petri网络描述了故障征兆与故障的关系，用故障树矩阵运算进行推理，比传统专家系统大大减少了诊断时间，提高了准确度，最后通过测试实例验证此故障诊断模型方法的快速，准确性。     

改进朴素贝叶斯模型在电力变压器故障定位中的应用北大核心CSCD

电力变压器故障能否精准定位一直是制约其状态检修有效开展的技术瓶颈。文中针对目前已有故障定位模型存在的不足,借助变压器故障类型与特征状态量之间的内在关系,将朴素贝叶斯网络模型进行特征属性加权改进,并将其扩展为改进的双层朴素贝叶斯网络模型应用至电力变压器故障定位中。在这一过程中,考虑到特征属性与类别之间和各特征属性之间的依赖关系,采用ReliefF算法和相关系数法分别对特征属性进行加权处理,构造出改进的朴素贝叶斯网络模型,并在MATLAB软件中进行了诊断对比预测,得到了较好的预测结果,文中最后利用实际案例进一步验证了所提模型与分析方法的有效性,可为电力变压器故障诊断提供技术指导。     

基于贝叶斯网络的电容型设备故障诊断方法

提出了基于贝叶斯网络的电容型设备故障诊断方法,阐述了贝叶斯网络的构建过程.通过广泛收集有关电容型设备的故障资料,综合其各种检测数据和故障征兆,获得了较为全面的故障集和征兆集.经过对数据的统计分析获得了各故障类型下各征兆量有明显体现的条件概率,在此基础上建立了基于贝叶斯网络的电容型设备故障诊断模型,并根据电容型设备故障诊断的特点改进了贝叶斯网络的推理过程,采用连概率计算过程进行故障类型的概率信息计算,根据概率信息进行故障分类,提高了该方法的实用性.通过电容型设备故障实例分析,诊断结果验证了该方法的正确性和有效性.     

基于模糊Petri网的GIS故障诊断与可靠性分析

基于GIS故障的随机性、多样性和故障征兆的模糊性,本文提出模糊Petri网(FPN)的GIS故障建模及推理方法,其将Petri网理论与模糊推理规则有机结合在一起,具有快速准确的并行推理能力。结合大量的统计故障案例,建立较为全面的基于FPN的GIS系统故障诊断模型。当系统未发生故障时,利用历史故障数据和FPN的正向矩阵推理对GIS进行可靠性分析,并将FPN的分析结果与传统的故障树法进行对比分析,验证FPN可以快速、准确地计算出中间和目标库所的概率重要度,并对初始库所重要度进行分析;在已知故障现象的情况下,通过反向的模糊推理规则,找出故障原因。以GIS绝缘缺陷和机械故障为例,验证了GIS故障模型和FPN方法的正确性和快速性。     

基于贝叶斯网络和油中溶解气体分析的变压器故障诊断方法

电力变压器属电力系统中的重要设备,目前油中溶解气体分析(DGA)的三比值法是对变压器进行故障诊断的最方便、有效的方法之一.本文结合改良的三比值法,将贝叶斯网络方法引入大型变压器的故障诊断,提出了基于贝叶斯网络(BN)理论和变压器油中溶解气体分析方法的变压器智能故障诊断方法,并据此建立了变压器故障诊断模型.通过实例判断验证了本文方法的有效性.     

基于选择性贝叶斯分类器的变压器故障诊断

电力变压器故障诊断中的测试数据信息不完备、有偏差,而贝叶斯网络处理不确定性问题能力强.提出了一种基于选择性贝叶斯分类器的、溶解气体分析结合其他电气试验结果的变压器故障诊断方法,并建立了变压器选择性贝叶斯故障诊断模型.详细阐述并验证了该方法解决信息不完备问题的优越性.该模型还可以通过不断积累完善训练样本,自动修正网络结构...     

基于贝叶斯网络和DGA的变压器故障诊断

用 3步法构造贝叶斯网络 (BN)方法 ,结合油中溶解气体分析 (DGA)的三比值法后 ,引入大型变压器的故障诊断 ,提出了基于BN理论和DGA方法的变压器智能故障诊断模型。 2 2台故障变压器的诊断实例验证此法有效     

基于虚拟仪器的电路板故障检测与诊断系统的研究

针对当前精密系统电路存在故障检测复杂、可扩展性差和辅助维修难度大等问题,设计了一种新型的电路板故障检测与诊断系统,基于LabVIEW开发软件,选用PCI8613和USB2810数据采集卡采集重构电路板信号.根据智能故障诊断与容错控制技术,建立故障树的贝叶斯网络模型,应用动态贝叶斯网络推理,实现电路板元件级的故障检测.对...     

基于故障模式与影响分析法和故障树的全光纤电流互感器故障诊断专家系统

全光纤电流互感器FOCT(fiber optical current transducer)被广泛应用于电力系统,对其进行故障诊断和分析,能够提高其运行可靠性。基于全光纤电流互感器故障数据构建故障模式与影响分析FMEA(fault mode and effect analysis)表格,建立故障树,构造故障特征空间。利用FMEA表格、故障树和故障特征空间聚类中心构造故障诊断专家系统,从而实现对故障类型、模式和部件的准确诊断。利用某区域电网中全光纤电流互感器故障数据和故障案例对所提方法进行验证,结果表明:基于故障诊断专家系统对故障全光纤电流互感器进行诊断的结果与现场实际结果一致,验证了本方法准确性和可靠性。     

基于粗糙集理论和贝叶斯网络的真空断路器故障诊断方法

真空断路器故障诊断因果关系的复杂性与模糊性,采用单一的智能方法难以准确描述.基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合起来,提出了一种真空断路器故障的快速诊断方法.以粗糙集理论为基础建立故障征兆属性集和故障诊断决策表,并通过约简决策表形成最小故障诊断规则.基于最小诊断规则建立贝叶斯网络模型,利用贝叶斯网络实现断路器故障诊断的快速概率推理.经真空断路器的故障诊断实例分析表明,所提出方法是可行有效的.     

基于贝叶斯网络的电池管理系统故障诊断方法

针对电池管理系统工作环境复杂、故障不确定的特点,提出一种基于贝叶斯网络的电池管理系统故障诊断方法。该方法利用领域专家知识确立故障节点、围绕电池管理系统结构进行层次划分,电池管理系统的历史数据、检修记录表用来进行网络的结构和参数学习。建立起电池管理系统故障诊断的贝叶斯网络。将该网络应用于电池管理系统的故障诊断,并针对不同故障进行实验,结果验证该方法在电池管理系统故障诊断上具有较高的区间正确率。方法为电池管理系统的故障诊断提供了新手段。诊断结论对电池管理系统的优化设计具有指导性意义。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。