基于决策树的变电站故障诊断知识表示与获取

针对传统的知识表示与获取方法的不足,提出基于决策树的知识表示与获取方法.该方法充分利用决策树把知识表示与获取融于一身的优点,使知识表示与知识获取同时进行,克服了传统人工智能系统中知识表示与知识获取分离的缺点.将其用于变电站故障诊断知识的获取与表示中,结果表明,提出的方法不仅能够实现知识的自动获取与表示,而且所获得的以决策树形式表示的知识具有很高的推理效率.     

汽轮机故障诊断专家系统的知识获取

介绍了汽轮机故障诊断专家系统中知识的类型和知识获取的方法，论述了知识获取的过程，讨论了知识获取应注意的问题，为诊断规则的形成提供了基础     

35kV高压电缆在线局放监测的应用

高压电力电缆随运行时间加长,出现老化、电缆头屏蔽层部分绝缘破损、电缆内局部的屏蔽层断裂等问题导致发生局部放电现象时常发生,特别是35kV及以上高压电缆因供电系统需求或现场拆装不便等因素,对高压电缆进行停电后预防性试验相对困难,因此对于化工厂35kV及以上高压电缆在线局放检测尤为重要,提前发现电缆故障隐患,及时处理,确保电力系统的可靠运行。     

基于数字信号处理的电机局放在线监测系统

介绍了一套基于数字信号处理的电机局放在线监测系统 ,其中着重介绍了信噪分离的主要算法 :FIR滤波、自适应滤波和小波分析等数字处理技术。基于 Client/ Server结构的数据库能长期保留局放的特征信息 ,为电机绝缘状态的长期监测提供依据。经发电厂进行的故障放电的现场监测 ,证明了系统的有效性     

大型变压器局放在线监测系统的研究

研制了一套大型变压器局部放电在线监测系统,并采用声-电联合监测方法连续监测四台大型变压器的局部放电.     

基于粗糙集理论的配电网故障诊断研究

鉴于粗糙集理论在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之处的任何先验信息,运用粗糙集理论研究了因保护装置和断路器误动或拒动,通信装置的故障等原因造成的不完备警报信号模式下的配网故障诊断新方法。该方法把保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,然后实现决策表的自动化简和约简的搜索并利用决策表的约简形式,区分关键信号和非关键信号,直接从故障样本集中导出诊断规则,从而达到在不完备警报模式下快速准确地故障诊断的目的,揭示了警信息集合内在的冗余性。该文以VB6．0为主界面,运用Visual C 语言编程实现对故障区域的诊断,通过实际配电网的大量仿真表明：该方法简单,有效,具有良好的容错性能。     

变压器局部放电在线测试与故障判断

通过总结近几年采用ＢＧＦ－２型变压器故障放电测试仪对有故障现象变压器的温度，证实了ＢＧＦ－２型变压器故障放电测试仪测试判断结果与故障检查结果基本相符。该测试仪是对充油设备进行了在线监测可选择的仪器之一。     

变压器局放在线监测中的现场干扰分析

对某发电厂的500kV变压器的干扰进行了离线和在线测试,比较了干扰的特点和各个测量点的灵敏度.包括可控硅产生信号的特点和低压电源侧干扰对测量信号的影响.     

变压器局放在线监测中的现场干扰分析

对某发电厂的 5 0 0 k V变压器干扰进行了离线和在线测试 ,比较了干扰的特点和各个测量点的灵敏度 ,包括可控硅产生信号的特点和低压电源侧干扰对测量信号的影响     

基于宽带检测的局放脉冲波形快速特征提取技术

根据电工设备绝缘存在多局放的工况,提出研制基于单个脉冲的局放宽带检测与模式识别在线监测系统.并指出研制该系统需要解决脉冲群快速分类这一关键技术,其由脉冲波形的快速特征提取以及基于波形特征的快速聚类分析组成.本文针对100Ms/S采样率获取的宽带脉冲波形、-时间序列,提出分别使用幅值参数法、等效时频法和时频熵法对局放脉冲波形的特征参数进行提取.在对人工设置的多局放源产生的脉冲群数据进行波形特征提取后,使用模糊聚类对脉冲群波形特征提取结果进行了对比分析.结果表明:三种波形特征提取方法均能在一定程度上很好地分离干扰源而提取出局放数据.GIS母线尖刺缺陷的试验数据处理同样证实了该技术的有效性和可行性.这为研制基于单个脉冲的宽带局放检测与模式识别在线监测系统提供了实用的脉冲波形快速特征提取技术.     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。     

基于LabView的局部放电故障类型诊断系统的设计

设计了局部放电故障类型的诊断系统,实现局部放电脉冲的在线测量和引发放电的缺陷类型的识别。详细论述了局部放电故障诊断系统的软、硬件体系设计方案。放电脉冲波形测量、谱图统计分析和基于BP神经网络的智能识别验证结果表明,局部放电故障诊断系统实现了放电信号的在线测量、分析和诊断,系统的软、硬件方案也切实可行。     

500kV变压器局部放电性故障诊断与分析

采用色谱试验、电气法局部放电、特高频在线局部放电、超声波局部放电与定位几种方法对500kV变压器出现少量乙炔后进行试验,判断变压器的故障形式与位置,及时停电进行处理。并比较了各种方法的优越性和局限性,通过实际测试波形,给从事高压试验工作的人员提供第一手资料,有利于对设备放电性故障的诊断。     

证据理论和粗集在变电站故障诊断中的应用

由于证据理论存在如基本概率人为给定而导致强烈主观性等固有缺陷,文中首先分析了粗集理论与证据理论的关系,确定了粗集是证据理论的基础,进而描述了基于粗集和证据理论的变电站故障诊断的特殊过程,并研究了基于上述理论的变电站故障诊断推理算法.通过在变电站故障诊断专家系统的不确定知识决策规则中应用该算法,表明此算法能增强推理过程的稳定性,并具有较强的鲁棒性,是一种处理不确定和不完整信息的有效方法.     

基于粗糙集与决策树的配电网故障诊断方法

针对配电网发生故障后故障诊断警报信息存在不确定性和不完整性导致难以得出准确诊断结果的问题,提出一种基于粗糙集与决策树的配电网故障诊断算法,实现了对故障样本决策表进行无教师的规则提取。该算法将配电网的原始样本集转化成决策表,利用粗糙集具有较强的处理不确定和不完备信息的能力,对决策表的条件属性进行约简处理;同时,利用决策树具有快速学习及分类的优势对约简后的决策表进行诊断规则提取;将产生的规则运用于配电网故障诊断中以实现快速故障诊断。该算法提高了配电网故障诊断的精度和鲁棒性,最后通过算例验证了该算法的有效性。     

基于粗糙集和支持向量机的水电机组振动故障诊断

提出应用粗糙集和支持向量机水电机组振动的故障诊断模型.运用粗糙集理论对水电机组振动信号的属性特征进行预处理,在约简去除其冗余属性后得到决策表,将决策表作为支持向量机的学习样本,通过训练,使构建的支持向量机多分类器能够反映属性特征和故障类型的映射关系,从而达到故障诊断的目的.测试结果表明,与常规方法相比,应用粗糙集和支持向量机相结合的方法进行故障诊断具有简单有效、诊断速度快和良好的鲁棒性等优点,是一种有效的诊断方法.     

模糊粗糙集数据挖掘方法在电力变压器故障诊断中的应用研究--基于油中溶解气体的分析诊断

将电力变压器故障历史数据首先进行模糊化及离散化处理,然后构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为电力变压器提供有效的故障诊断.     

基于粗糙集与支持向量机的变压器故障诊断法

为了及时监测变压器潜伏性故障和准确诊断故障,提出了一种基于粗糙集与支持向量机相结合的电力变压器故障诊断的新方法。该法应用粗糙集理论将专家知识简化,获得简约诊断规则并对变压器进行粗诊断,然后以支持向量机准确的二类分类功能进行准确故障诊断。该方法实现了两种智能算法的有效互补,拥有粗糙集理论的处理不完备信息能力、简单快速以及支持向量机准确的二类分类功能,有效弥补了单一算法的不足,提高了故障诊断的快捷性和准确性,且降低了样本训练时间和诊断的复杂度。实验结果与改进的IEC三比值法比较,表明该方法有效、可行,具有较高的诊断准确率。     

基于粗糙集数据挖掘的汽轮机故障预报及诊断研究

针对当前专家系统知识获取瓶颈的难题,提出了基于粗糙集数据挖掘的汽轮机故障预报及诊断方法。粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机故障历史数据首先进行模糊化及离散化处理,然后构建故障诊断决策表,以决策表作为主要工具,即“知识库”,采用粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机提供有效的故障诊断。提出了基于粗糙集的分类规则学习和约简算法,实现了基于粗糙集数据挖掘的汽轮机故障预报及诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机故障预报及诊断系统的设计具有借鉴意义和深入研究的价值。