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...     

基于贝叶斯网络分类器的变压器综合故障诊断方法

鉴于电力变压器故障诊断中的信息和知识具有随机性和不确定性的特点,利用贝叶斯网络表达知识灵活、分析处理不确定性与关联性问题能力强的优点,本文提出了一种基于贝叶斯网络分类器的以溶解气体分析为主结合其他电气试验结果的变压器综合故障诊断方法,并建立了变压器朴素贝叶斯网络故障诊断模型和TAN故障诊断模型.文中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,自动修正网络结构参数和概率分布参数,提高诊断效果.实例验证表明了该方法的有效性.     

基于朴素贝叶斯分类的变压器故障诊断

针对传统变压器故障诊断的不足,构建基于朴素贝叶斯分类的变压器故障诊断模型,合理选择分类器的属性变量和决策变量,并按阈值进行数据离散化.基于现场实际数据的实验证明,该模型能有效地诊断变压器的故障类型,诊断准确率高,并克服了三比值方法中编码缺失、对正常数据无法诊断等缺陷.     

贝叶斯分类器与粗糙集相结合的变压器综合故障诊断

由于电力变压器故障诊断中的测试数据信息不完备、有偏差，且贝叶斯网络处理不确定性问题能力强，文中提出了用于变压器故障诊断的NB、TAN和BAN三种贝叶斯分类器模型，并提出了贝叶斯网络分类器与粗糙集相结合的变压器故障诊断的新方法，它综合使用溶解气体分析结果和其它电气试验结果作为故障分类所需的属性。其相应的混合分类器为NB粗集、TAN粗集和BAN粗集分类器。实验表明提出的三种混合分类器都适于变压器故障诊断，具有处理信息缺失多的能力和容错特性，克服了粗糙集刚性推理的弱点，其性能明显优于单独使用贝叶斯网络分类器或粗糙集的方法。     

基于组合贝叶斯网络的电力变压器故障诊断

针对电力变压器故障诊断中的信息和知识具有随机性和不确定性的特点,提出了一种利用AdaBoostM1算法构建组合贝叶斯网络进行变压器故障诊断的方法.AdaBoostM1算法能够提高分类器的性能,为此,将若干个不同结构的TAN看作一系列基分类器,进行boosting迭代.即依次在训练集上训练每个基分类器.第1个基分类器用原始的训练集训练,其他基分类器的训练决定于在其之前产生的分类器的表现,被已有分类器错误判断的实例将以较大的概率出现在新分类器的训练集中,最后,这些分类器组合成为一个贝叶斯网络组合分类器.由于贝叶斯网络是用来表示变量间连接概率的图形模式,它提供了一种自然的表示因果信息的方法,用来发现数据间的潜在信息,因此应用中显示了该方法对于变压器故障诊断的适用性.在讨论变压器故障空间的基础上,针对已积累的故障变压器的大量油中溶解气体等数据,利用boosting迭代,并在此基础上构造出组合贝叶斯网络诊断模型,实现了变压器故障诊断,有利于提高诊断的准确性.此外,通过与其他组合诊断的方法进行比较进一步表明了该模型的有效性.     

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     

基于条件信息熵与贝叶斯网络的变压器故障诊断研究

提出了将条件信息熵与贝叶斯网络有机结合的变压器故障诊断方法,并进行了变压器故障实例分析。     

基于正态云模型&改进贝叶斯分类器的变压器故障诊断

在基于油色谱数据的变压器故障诊断中,一般数据挖掘方法存在数值区域划分过硬,且未考虑边界元素隶属的随机性和模糊性的问题。针对该问题,文章应用正态云模型对油色谱数据集进行预处理,同时云模型对数据集的精简也提高了关联规则挖掘的效率。为了解决朴素贝叶斯分类器中对各属性独立的假设不符合实际情况这一问题,文章引入关联规则森林表示法和属性联合概率算法,改进了朴素贝叶斯分类器,建立了基于正态云模型与改进贝叶斯分类器的变压器故障诊断模型,通过与其他模型的对比及实例验证,证明了该方法的有效性。     

基于MPC算法优化的贝叶斯网络变压器故障诊断

为提高变压器故障诊断的准确率及可靠性,提出了基于MPC(modification of the PC,简称MPC)算法优化贝叶斯网络的变压器故障诊断方法,对变压器故障诊断技术进行了研究。首先,根据油中溶解气体分析,采用无编码比值法提取油浸式变压器的9维故障特征,并对数据样本进行归一化处理;其次,以归一化的训练样本作为输入建立基于贝叶斯网络的故障诊断模型,采用MPC算法对贝叶斯网络模型进行优化;最后,利用测试样本对故障诊断模型进行测试。为了证明所提出方法的优越性,将本文研究方法与现有故障诊断方法进行了对比。结果表明,所提出方法的诊断正确率更高,诊断效果更好。     

基于贝叶斯优化随机森林的变压器故障诊断

针对集成学习参数众多,缺乏高效准确的参数寻优方法的问题,文章提出了基于贝叶斯优化随机森林(RF)的变压器故障诊断方法.该方法采用了多个决策树构成RF故障诊断模型,然后将高斯过程(GP)作为概率代理模型、提升策略(PI)作为采集函数,构建贝叶斯优化(B0)算法,进行RF模型参数寻优.此外,还对支持向量机(SVM)和K最近...     

基于贝叶斯网络和粗糙集约简的变压器故障诊断

贝叶斯网络处理不确定性问题的能力可以很好地解决变压器故障诊断中因数据不完整而难以得到可靠结论的问题。为此,将贝叶斯网络分类器和粗糙集约简理论相结合,基于专家知识及统计数据建立贝叶斯网络分类模型,并综合运用色谱数据及电气试验数据作为变压器故障诊断的属性集输入,实现概率推理及对可能故障类型的排序,提高诊断结论的可靠性。此外,利用粗糙集约简理论对贝叶斯网络分类模型进行最小约简,降低网络结构的复杂性,减小模型所依赖的输入量,以更切合实际诊断情况。实验证明,该方法具有处理信息缺失的能力及容错特性,准确率较高,是一种变压器故障诊断的有效方法。     

模糊贝叶斯网的变压器故障诊断

目前油中溶解气体的三比值法是变压器故障诊断的有效方法之一。变压器故障诊断中的信息具有随机性和不确定性的特点,文中提出一种基于模糊贝叶斯网络的变压器故障诊断方法。该方法利用贝叶斯表达知识灵活,处理不确定性与关联性问题能力强,模糊集能有效表达模糊事件和信息的特点,利用隶属函数模糊化三比值的分割空间,模糊贝叶斯网络推理获得故障类型。实例证明,该方法在信息不完备条件下诊断准确率高,为变压器故障诊断提供了一条新的理论依据。     

基于贝叶斯网络的电网故障诊断

针对电网故障诊断中存在的信息具有不确定性的问题,依据元件故障、保护动作和断路器跳闸之间的内在逻辑关系,由Noisy-Or和Noisy-And节点组成贝叶斯网络和采用类似训练多层前馈神经网络的误差反传算法进行诊断模型的参数学习,分别建立了线路、变压器和母线的通用故障诊断模型;依据元件-保护-断路器间的关联关系,给出了元件诊断贝叶斯网络的自动生成方法,最后对各个元件的诊断网络进行推理,以获得元件的故障概率值。实例仿真表明了该诊断方法的可行性和有效性,无论简单故障或多重故障,并且存在保护和断路器拒动、误动的情况下,都能得到合理有效的诊断结果。     

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。     

多Agent在变压器故障诊断中的研究

提出一种基于多Agent的变压器故障诊断模型,该模型包含3个诊断Agent、1个管理Agent和1个融合Agent.各诊断Agent的建立以NB、SB和TAN 3种贝叶斯分类器算法为基础,以所获取的变压器油中溶解气体数据为依据.由管理Agent调节和控制,达到各诊断Agent协商诊断的效果.由融合Agent根据管理Ag...     

基于混合智能算法的电力变压器故障诊断研究

最小二乘双支持向量机算法(LSTSVM)具有训练样本速度快、二分类效率高的特点,在电力系统电力变压器故障诊断中占有独特优势。单一的智能算法诊断自己片面,很难全面进行故障诊断,因此多采用复合智能算法。在LS-TSVM模型基础上引入蚁群算法,利用蚁群算法强大的搜索能力进行寻优计算,结合二叉树构建的LS-TSVM模型可对变压器故障进行全面诊断。通过实际的算例进行仿真,结果表明,混合智能故障诊断方法不仅准确率高,准确度也比传统ANN模型有所提高,证明了该算法模型的有效性和实用性。     

基于线性分类器的充油变压器潜伏性故障诊断方法

油中溶解气体分析(DGA)是判别变压器内部绝缘状况及发现内部潜伏性故障的重要手段。文中介绍了一种基于线性分类器、以DGA数据为特征参数的充油变压器潜伏性故障的识别方法。运用该方法进行了大量的应用实例分析，并将识别结果与BP神经网络法以及IEC三比值法进行了对比。结果表明选用H2、CH4、C2H2、CEH4、C2H6、CO、CO4七种特征气体作为特征参数时，该方法显示出较高的准确度。     

一种基于改进贝叶斯分类器的基本信任分配构造方法

针对D-S证据理论在应用于变压器故障诊断时基本信任分配的问题,本文提出了一种基于改进贝叶斯分类器的基本信任分配函数的构造方法,该方法根据不同的属性值来确定满足条件的取值区间,克服了贝叶斯分类器同一区域内基本信任分配函数无法变化的问题。实验表明,构造的基本信任分配函数正确有效。     

基于贝叶斯网络分类器的电容型电流互感器绝缘故障诊断

电容型电流互感器的故障主要集中在绝缘上,贝叶斯网络具有表达灵活,分析处理不确定性与关联性问题能力强的优点。     

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。