基于故障树及贝叶斯网络的继电保护系统风险评估及故障定位方法

继电保护系统故障树是保护系统危险性辨识和评价的重要工具.针对故障树顶级事件发生率难以精确获取、故障树不能进行反向推理等不足,提出基于故障树和贝叶斯网络的继电保护故障风险评估方法:正向上,依据保护实时运行数据确定贝叶斯网络根节点(对应故障树基本事件)故障状态,结合贝叶斯网络推理给出贝叶斯网络叶节点(对应故障树顶级事件)的故障概率,实现保护系统的先验风险预测;反向上,由贝叶斯网络叶节点故障,结合贝叶斯条件概率公式,计算贝叶斯网络根节点的故障概率,实现故障原因的后验定位及溯源.所提方法为提高保护系统可靠性和进行故障诊断提供依据.     

基于DBN的气化炉故障动态风险评估

气化炉是水煤浆气化系统的主要设备,为研究气化炉故障对气化系统的影响,提出一种基于动态贝叶斯网络与风险矩阵相结合的动态风险评估方法。以气化炉故障为例,首先建立了气化炉的动态贝叶斯网络模型,结合模糊评价方法计算根节点事件的先验概率,引入动态贝叶斯网络推算其后验概率;随后,基于层次分析法和Borda的原理,建立气化炉故障的综合风险评估体系,并引入维修因素,预测维修后气化炉的风险趋势并绘制了动态风险矩阵。结果表明,引入维修因素后系统整体风险水平显著下降,证明了维修因素对系统的积极作用,保障了系统的生产能力。     

冰雪路面下高速公路事故及严重程度影响因素分析

为准确识别冰雪路面下高速公路事故致因因素及严重程度影响因素,构建了基于故障树和贝叶斯网络的综合模型.在转化后的贝叶斯网络中增设3条有向弧,并根据事故严重程度将叶节点分为3种状态,对叶节点的条件概率表进行更新,基于构建的综合模型进行贝叶斯网络逆向推理和敏感性分析.结果表明:能见度低、不良天气(雨、雪、雾)、货车、夜间无照...     

基于贝叶斯攻击图的动态安全风险评估模型

攻击者通过分析网络中漏洞的相互关联关系逐步攻破多个漏洞,而攻击图模型虽然能描述网络内潜在威胁的传播路径,但未充分考虑攻击事件对攻击图中所有属性节点置信度的动态影响。为此,提出一种基于贝叶斯攻击图的动态风险评估(dynamic risk assessment based on Bayesian attack graphs, DRA-BAG)模型。该模型运用贝叶斯信念网络建立用于描述攻击行为中多步原子攻击间因果关系的概率攻击图,其中采用通用漏洞评分系统指标计算漏洞利用成功概率,并利用局部条件概率分布表评估属性节点的静态安全风险;进而结合入侵检测系统观测到的实时攻击事件,运用贝叶斯推理方法对单步攻击行为的后验概率进行动态更新,最终实现对目标网络整体安全性的评估。实验结果表明,本文方法可评估动态安全风险和推断攻击路径,为实施安全防护策略提供依据。     

贝叶斯网络的结构学习综述

贝叶斯网络是一种描述变量间不确定性因果关系的概率图模型,广泛应用于预测、推理、诊断、决策风险及可靠性分析等领域.结构学习作为构建贝叶斯网络的基础,被证实为非确定多项式难题.文中将贝叶斯网络结构学习按照数据量大小分为完备数据和缺失数据,将完备数据下的贝叶斯网络结构学习分为近似学习算法和精确学习算法.根据上述分类方法,对现...     

基于FUZZY-FTA-BN的涂装车间除尘器爆炸事故分析

为弥补现有非高危行业高危区域的汽车涂装车间安全评价方法的缺陷与不足,提出基于FUZZY-FTA-BN的涂装车间除尘器爆炸事故分析模型。编制系统故障树,利用GeNIe软件将其转化为贝叶斯网络,应用模糊集合理论和德尔斐法确定故障树基本事件发生概率,运用贝叶斯网络双向推理技术进行故障诊断和预测,通过重要度排序找出易导致顶事件发生的最主要因素。结果表明该方法可有效地识别出导致顶事件发生的主要影响因素。经过实例验证:风机故障是导致除尘器系统爆炸的主要因素。     

基于DLM的桥梁结构承载力的贝叶斯预测

为结合检测信息和承载力的先验模型来对桥梁结构性能进行预测,认为结构性能随时间变化的动态测量为一个时间序列,然后引入了动态线性模型(DLM)对结构性能进行预测.考虑到桥梁结构性能的时变特性,运用贝叶斯动态模型建立了退化抗力的状态方程和观测方程,并通过贝叶斯因子来对检测信息进行监控,然后结合参数的先验信息,对退化抗力的状态参数进行贝叶斯后验概率推断,建立了一个动态线性模型来对结构抗力短期的变化趋势进行预测.为了结构性能线性模型的贝叶斯动态修正,确定了一步向前预测分布和滤波分布.基于检测信息,考虑到变量估计主观认识的不确定性,引入折扣因子来确定状态误差方差矩阵.最后,通过算例论证了本文方法的适用性.     

基于BDNM的桥梁结构可靠度预测

为了结合监测极值应力和应力参数(平均值)的先验模型来对桥梁可靠度进行预测, 认为极值应力随时间变化的动态测量为一个时间序列, 并考虑到贝叶斯动态线性模型(BDLM)的局限性, 引入贝叶斯动态非线性模型(BDNM)对时变极值应力进行预测. 运用BDNM建立了极值应力的状态方程和监测方程, 通过泰勒级数展开技术,将其近似转化为贝叶斯动态线性模型(BDLM), 并通过贝叶斯因子来对应力信息进行监控, 然后结合应力参数的先验信息, 对极值应力的状态参数进行贝叶斯后验概率推断, 建立动态模型对极值应力变化趋势进行预测. 基于监测信息, 考虑到变量估计主观认识的不确定性, 引入折扣因子来确定状态误差方差. 最后利用建立的BDNM和一次二阶矩(FOSM)可靠度方法, 对结构可靠度进行预测, 并通过实例验证了所建模型的合理性和适用性.     

合流区域多车交互风险实时评估方法

为探究合流区多车交互换道条件下的交通安全状况,开展了合流区多车交互风险实时评估研究。考虑车辆动力学以及多车交互作用特性,构建了基于车辆物理状态层、多车交互层和风险概率层的贝叶斯分层风险实时评估模型。利用MCMC吉布斯取样法标定模型参数,采用后验预测p值、参数分位数变化检验模型参数的有效性,通过仿真分析评价模型的实时评估性能,采用k-means聚类法对多车交互风险进行分级。结果表明：模型参数BGR统计值均小于0.1,Durbin-Watson后验p值、正态性假设p值、检验分布对称性p值和峰度p值都接近0.5,说明该风险评估模型收敛且具有良好的拟合性,各级风险的AUC结果表明模型对低风险、较高风险及高风险的识别较为准确,性能较好。本文研究可对一定时段内的车辆运行风险进行评估,为驾驶决策提供参考依据。     

基于贝叶斯理论的水文频率线型选择与综合

针对水文频率分析中线型的不确定性问题,利用基于贝叶斯因子理论的模型选择与综合方法进行研究.介绍了利用贝叶斯因子进行模型选择、综合的理论与方法,通过统计试验,验证了贝叶斯模型选择在一定程度上能识别数据的真实线型.结合某水库坝址洪峰流量频率分析问题,采用5种常用线型作为备选线型进行线型选择与综合,结果表明:线型的后验概率越大则可拟合越好;贝叶斯模型综合能根据各线型的后验概率设置权重进行加权平均,以此减小线型选择的不确定性.     

动态故障树顶事件概率计算流程

动态故障树相比传统的静态故障树,具有动态性、时序性和冗余性等动态失效特征,其顶事件发生概率的计算方法更加复杂。采用深度优先搜索方法获取动态故障树子模块,介绍了基于最小割集和二元决策图的静态故障树顶事件概率计算方法、基于马尔科夫链和积分公式的动态故障树顶事件概率计算方法。重点分析了4种计算顶事件概率方法的适用范围和特点,总结了计算动态故障树顶事件概率的一般计算流程。最后以飞机某新型氧气系统失效为例进行分析验证。     

基于贝叶斯网络的高速列车碰撞风险评价

碰撞事故已成为影响高速列车运营安全的重要因素,采用科学方法对安全风险进行有效的预测与评估具有重要意义.从组织、人因错误的角度出发,利用贝叶斯网络构建了碰撞事故的致因关系.参考专家知识,基于风险发生概率语言变量量化基本事件的条件概率,构建条件概率表,利用GeNIe软件进行了概率推理和风险因素灵敏度分析,定量评估了列车碰撞的风险,找出了影响最突出的风险因素.通过案例研究表明,贝叶斯网络对于高速列车运营安全风险预测是可行的,计算得到的风险概率不仅指出了重要的影响因素,也反映了高速列车系统目前的安全状况.     

基于贝叶斯网络工具箱的制动系统故障分析

为对汽车制动系统进行故障分析,采用故障树与贝叶斯网络相结合的方法对可能发生故障的所有危险因素进行分析,建立故障树模型,并将其转化成贝叶斯网络,利用贝叶斯网络计算故障发生的概率,找出制动系统的薄弱点,并对其进行优化设计。计算分析结果表明,将故障树与贝叶斯网络结合可以提高故障分析的有效性。     

多因素耦合作用下飞行人因失误机理研究

飞行人因失误内在机理研究是提升飞行安全水平的基础性工作.结合故障树和贝叶斯网络理论,以历史典型飞行人因失误不安全事件研究数据为基础,对飞行人因失误机理进行研究.首先采用故障树对导致系统失效的多个风险因素进行辨识和定性分析,然后再将故障树转化为贝叶斯网络模型,得出中间事件和顶事件相对发生概率,定量评估飞行人因失误导致不安全事件的系统层次结构.通过综合使用两种理论方法,得到系统失效路径、薄弱环节,为制定飞行人因失误防范措施和提高飞行安全水平提供一定参考.     

乙烯裂解炉炉膛闪爆事故贝叶斯网络模型研究

乙烯裂解炉所裂解物料具有易燃易爆特性,炉膛发生闪爆事故,后果不堪设想。构建了裂解炉炉膛闪爆事故树,讨论了事故树与贝叶斯网络之间的转化原则,分析了贝叶斯网络后验概率计算方法,将裂解炉炉膛闪爆事故树转化为贝叶斯网络模型。应用结果表明,贝叶斯网络模型能够得到各因素对裂解炉炉膛闪爆事故的影响程度,其中炉膛内气体燃爆、装置熄火、管道破裂为导致事故发生的重要因素。进一步分析事故原因,为预防事故发生提供依据。     

基于动态贝叶斯网络气化炉供料系统风险分析

针对当前大型气化装置在动态风险分析方面的不足,提出一种基于动态贝叶斯网络的气化炉供料系统风险分析方法.利用气化炉供料系统各单元失效形式的相关资料,建立故障树模型,并将故障树模型转化为贝叶斯网络模型,利用K-2算法优化贝叶斯网络模型,结合β因子法处理共因失效对系统的影响.考虑维修因素对系统各时刻失效率的影响,同时采用Ge...     

贝叶斯框架下最小二乘支持向量机的中长期电力负荷组合预测

影响中长期负荷变化的因素较多,单一预测模型很难满足预测需要,组合预测能够较好地解决单一模型的缺点,借鉴单一预测模型的优点。提出贝叶斯框架下最小二乘支持向量机(LS-SVM)中长期负荷组合预测模型,利用结构化风险原则代替经验风险最小化,挖掘各单一预测模型的信息,以单一模型的预测数作为组合预测输入样本,通过贝叶斯后验理论确定最小二乘支持向量机参数,建立组合预测模型进行预测。通过算例表明,提出的模型具有较高的预测精度,能够较好地解决小样本下的预测问题,具有良好的泛化能力和预测精度。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.     

基于动态贝叶斯网络的TBM卡机风险预测

为了预测隧道机械施工时隧道掘进机（TBM）卡机风险,基于动态贝叶斯网络（BN）分析卡机概率系统. 通过专家知识以及解释结构模型确定风险因素和风险事件的因果关系,收集国内隧道机械施工地质条件实测数据,根据相关规范、研究成果和云模型云间划分法对风险指标进行区间划分,运用粗糙集分类原理对数据进行离散化,获取风险因素的原始先验概率和风险事件的条件概率. 结合软件GENIE,建立动态BN模型预测卡机风险. 结果表明：在无证据条件下,TBM卡机风险概率为8%;造成TBM卡机的关键风险因素是岩石类型、大量的地下水和断裂破碎带. TBM卡机的关键致因链为岩石类型→掌子面突泥涌沙→卡刀盘→卡机,大量的地下水→掌子面突泥涌沙→卡刀盘→卡机,高地应力→软岩大变形→卡护盾→卡机,围岩坍塌→卡护盾→卡机.     

基于改进DeepAR的变电站防汛风险概率预测

变电站防汛风险概率的准确预测对提高电网防汛能力、健全汛情预警系统有着重要意义。变电站防汛影响因素不仅有动态气象数据,还有变电站集水井容积、水泵排水量、防汛物资储备及地势、水文特征等静态数据,动静结合给防汛风险预测带来困难。作者提出一种多因素融合的变电站防汛风险概率预测方法。首先对变电站多维防汛数据进行预处理及特征优选;然后利用优选的自回归循环神经网络(Autoregressive recurrent neural network, DeepAR),构建防汛风险概率预测模型,并通过注意力机制加强模型对多维防汛动态气象数据时序特征的挖掘能力,同时采用动态L2正则化策略加强对多维防汛数据的适应性,提高模型泛化能力;最后在实际站点数据上的实验表明,相较于主流机器学习和深度学习预测算法,文中算法预测结果更准确,为变电站防汛风险预警奠定基础。