RST和NBN用于电力变压器故障诊断

电力变压器发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,提出了一种将粗糙集理论(RST)与朴素贝叶斯网络(NBN)结合的电力变压器故障诊断新方法。首先将油中溶解气体分析(DGA)结果和其他电气试验结果作为条件属性,故障区域作为决策属性,考察各种故障与征兆间的连接关系并建立决策表,接着利用基于可辨识矩阵和信息熵的属性约简算法实现对专家知识的简化与故障特征的压缩,提取最佳属性约简组合,然后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,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。最后对变压器故障进行实例分析,诊断结果证明该方法是正确和有效的,具有较好的实用价值。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题。针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation）算法引入到电网故障诊断中。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理。运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题.针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation)算法引入到电网故障诊断中.首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理.运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强.     

基于粗糙集理论和故障信息网的电网故障诊断方法

在系统发生复杂故障或开关、保护存在较多误动、拒动以及因信道干扰而发生信息丢失等诸多不确定因素的影响下,仅仅利用开关和保护信息的诊断方法难以得出正确的结论。针对此问题,文章提出了一种综合利用电网故障信息的诊断方法。首先以保护、断路器作为条件属性,故障区域作为决策属性,考查各种故障情况并建立决策表。然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性的约简组合,根据故障信息分析处理的结果修正约简组合中相应的属性值,最后按决策规则表进行故障诊断。运用VC＋＋编写了基于该方法的故障诊断软件,算例结果表明,该方法正确、有效,能提高系统的容错性,有效地弥补了利用开关、保护信息诊断的局限性,具有较好的实用价值。     

基于粗糙集理论和故障信息网的电网故障诊断方法

在系统发生复杂故障或开关、保护存在较多误动,拒动以及因信道干扰而发生信息丢失等诸多不确定因素的影响下,仅仅利用开关和保护信息的诊断方法难以得出正确的结论.针对此问题,文章提出了一种综合利用电网故障信息的诊断方法.首先以保护、断路器作为条件属性,故障区域作为决策属性,考查各种故障情况并建立决策表.然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性的约简组合,根据故障信息分析处理的结果修正约简组合中相应的属性值,最后按决策规则表进行故障诊断.运用VC++编写了基于该方法的故障诊断软件,算例结果表明,该方法正确、有效,能提高系统的容错性,有效地弥补了利用开关、保护信息诊断的局限性,具有较好的实用价值.     

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.     

电网故障诊断的决策表约简新算法

采用粗糙集理论的决策表方法对电网进行故障诊断,其关键过程就是决策表的简化过程(即约简)。为此,提出了基于粗糙集理论与二元逻辑运算相结合的属性约简算法以及改进的值约简算法,并将其应用于由断路器和保护作为条件属性、故障区域作为决策属性的诊断决策表的约简过程中,利用决策表的约简形成综合混合知识模型。整个算法简单、快速,可有效应用于电网的故障诊断中。运用Visual C 编程实现了对故障算例决策表的约简过程,结果证明了该约简算法的正确性。     

用粗糙集理论和贝叶斯网络诊断SF6断路器故障

为了在断路器故障时能快速、准确地找出故障原因,提出了一种基于粗糙集理论和贝叶斯网络的高压SF6断路器故障诊断的方法。该方法首先根据断路器的故障样本集找出征兆集合和故障集合之间的关系以建立断路器故障诊断决策表,然后利用粗糙集理论属性约简中的区分矩阵算法对决策表进行约简,剔除冗余知识,简化专家知识得到最小诊断规则进而构建贝叶斯网络可以有效降低网络结构的复杂性,最后利用贝叶斯网络的概率推理实现了对断路器故障原因的快速分析。经过实例证明,该方法用于高压SF6断路器的故障诊断是可行有效的,并且最后给出的结果还可以为断路器的状态检修提供依据。     

采用改进人工鱼群优化粗糙集算法的变压器故障诊断

传统的人工智能方法对变压器大量的不完备故障信息不能有效地分析,或在故障数据的离散化过程中由于区间分割不当而无法正确诊断故障甚至误诊。为此,提出了一种基于改进人工鱼群优化粗糙集的变压器故障诊断方法。该方法首先将变压器溶解气体分析(DGA)的值作为条件属性,将故障类型作为决策属性,建立故障决策表,利用鱼群的聚群寻优行为对决策表中的连续属性数据进行离散化;然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,大大简化了决策表属性约简的难度,使诊断变得更加简便。最后通过实例验证表明:该方法能够有效地对样本进行离散和约简,与传统方法相比,提高了故障诊断的正确率。     

基于粗糙集和小生境遗传算法的电网故障诊断规则提取

用粗糙集理论进行电网的故障诊断,关键是对知识表的约简.本文以粗糙集理论中的决策表为主要工具,首先将继电保护和断路器的动作信号作为对故障分类的条件属性集,故障区域作为对故障分类的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出诊断规则.算例结果说明了本算法的正确性和可行性.     

基于粗糙集和自适应遗传算法的电力变压器故障诊断

采用自适应遗传算法和粗糙集相结合的方法对电力变压器的决策信息表进行属性约简,并进一步采用改进的值约简算法以获取最小决策表,从最终的约简决策表中提取出故障诊断规则。通过引入初始种群预处理、最优L个个体保存法、双亲单子法等操作加速算法的收敛速度,并结合两个实例证明了规则的正确可行性。整个算法简单、快速,可有效地应用于电力变压器的故障诊断中。     

基于粗糙集理论和朴素贝叶斯分类算法的汽轮发电机振动故障诊断

汽轮发电机组结构及振动的复杂性使其故障具有多层次性和随机性,以及故障信息不完整性等特点。对此,提出了一种基于粗糙集理论与朴素贝叶斯分类算法的汽轮发电机组振动故障诊断方法。通过粗糙集理论求取最小属性约简集,并在此基础上利用朴素贝叶斯分类算法诊断出故障概率最大的区,最后针对具体的故障设定值对该方法进行验证。实际算例结果表明,该方法能在故障信息不完整甚至丢失核心属性的情况下得到较好的诊断结果,提高了系统诊断的容错性。     

基于ACT-Apriori算法的电网故障诊断方法研究

电网拓扑结构愈加复杂,故障后难以快速从海量数据中挖掘有效故障信息且具有较高的计算复杂度;当故障数据不完整或不确定时,无法得到正确的诊断结果。针对此问题,将Apriori算法与自编码算法结合改进,形成改进的自编码关联规则挖掘算法(ACT-Apriori)并引入电网故障诊断之中。以保护和断路器动作数据作为条件属性,故障线路为决策属性,建立故障初始决策表;然后利用ACT-Apriori算法进行核属性提取并利用动态阈值交互式挖掘技术确定最佳阈值;最后形成最简故障决策表,实现故障信息的诊断推理。文中采用四母线配电系统作为仿真对象,与传统的Apriori算法和FP-growth算法及目前最新的FP-Network算法进行对比分析,算例结果表明：改进的算法相较于传统关联规则算法,运行时间分别缩减了90.69%和83.55%,内存占用分别缩减了21.43%和15.38%,相较于FP-Network算法,在时间复杂度和空间复杂度上均有一定程度优化;且本文算法对故障数据不完备情况下的单重、双重、稀有故障诊断的容错性较高,准确率达到95.24%,可以有效实现故障的快速诊断。     

基于信息熵最优约简算法的电网故障诊断模型

介绍粗糙集理论及信息熵约简方法,应用粗糙集理论对电网故障样本数据进行分析统计,建立决策表,采用信息熵约简算法对其进行条件属性约简,得到一组最小知识系统,再用粗糙集值约简方法对其进行简化,得到一组故障诊断的最小决策规则集,结合模型进行分析,证明该方法简便、快速、有效。     

基于粗糙集理论的真空断路器故障诊断方法

真空断路器的故障和征兆总是存在着随机性、模糊性和不确定性。以粗糙集理论为基础的,用于真空断路器故障诊断。通过以故障征兆为条件属性集,以故障为决策属性集,建立故障诊断的决策表,通过约简决策表,剔除冗余条件属性,建立起征兆与故障的决策规则,从而快速、准确地诊断真空断路器的故障。     

电网故障诊断的时间因果贝叶斯网模型

在使用保护和断路器的动作信息进行电网故障诊断时,这些警报的时序特性的加入能够给诊断提供更丰富的信息,使得诊断结果更准确。提出了电网故障诊断的时间因果贝叶斯网模型,采用模糊方式对时间因果关系进行离散化处理,采用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

基于粗糙集理论的变压器故障的诊断方法

由于电力变压器故障的不完备性和复杂性,提出了一种基于粗糙集理论的电力变压器绝缘故障诊断新方法,它能够根据不完整兆信息对电力变压器故障进行诊断。基于粗糙集的知识获取方法,通过构造属性决策表,进一步构造区分矩阵和区分函数,通过相应的析取和合取运算,获取改进的三比值属性决策表。实验结果表明,这种新的诊断方法扩展了原始IEC三比值的编码范围,提高了故障诊断能力,优化了诊断时间,提高了诊断精度,有实际工程应用价值。粗糙集理论的决策表约简方法能够处理变压器的复合故障,解决了IEC三比值法在此种情况下的不足。同时该法有一定的容错能力,能处理含有遗漏或错误的变压器故障征兆,提高故障诊断准确率。     

WRSR与改进朴素贝叶斯融合的变压器故障诊断技术研究

电力变压器的运行状态评估及其故障准确定位,一直是制约电网运行安全和设备运维效率的技术瓶颈。建立一种基于加权秩和比(Weighted Rank Sum Ratio, WRSR)并结合改进朴素贝叶斯网络的诊断模型,用以评估电力变压器整体运行状态,确定故障位置及具体故障类型。首先从多个变电站收集变压器的历年故障数据,并将其作为训练集,在改进朴素贝叶斯网络中建立起特征参量与故障位置、故障类型之间的非线性映射关系。结合某电网的具体变压器运行状态信息与检测数据,利用WRSR模型对具体变压器整体运行状态进行评价,然后将状态性能较差的变压器故障检测数据作为测试集代入至改进朴素贝叶斯网络中来预测故障位置。最终结果表明,所提模型能够实现对电力变压器状态的合理评价,又可在预测故障部位及故障类型时保持较高的准确率。