基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,提出基于贝叶斯网络的变压器局部放电故障检测方法;首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定;实验结果表明,利用贝叶斯网络对电力变压器局部放电故障检测准确率达到85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

基于WSN和数据融合技术的电力变压器故障诊断系统的研究

探讨一种基于数据融合和可拓理论的电力变压器故障诊断方法,基于此方法,应用无线传感器网络技术和.NET开发平台构建和开发出一套电力变压器故障诊断系统。该系统将WSN技术用于电力变压器油中溶解气体的无线数据采集,实现变压器油中溶解气体的实时数据采集和传送;同时运用信息融合技术对数据进行优化处理,既可以降低网络能耗又保证了数据的准确和客观;在变压器进行故障诊断时,针对现有电力变压器故障诊断的气体比值法存在的编码规则不完整、诊断故障类型单一等缺陷,使用可拓诊断方法,定量与定性相结合,使变压器故障诊断方法更为精细化。在线故障诊断可视化系统可以实现变压器油中溶解气体参数的采集、显示、分析、存储和回放等功能,实现对变压器故障信息的实时分析与自动诊断,既解决了作业人员远程实时监测变压器运行状态问题,又大大提高了变压器故障诊断的性能,为变压器在线监测和故障诊断技术提供新的发展方向。     

基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断研究

及时准确的变压器故障诊断对电力部门正常运转而言意义重大。针对粗糙集与贝叶斯网络模型在变压器故障诊断中出现受噪声数据影响大、存在完全搜索NP困难等问题,提出基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断模型。通过Grover量子搜索算法快速搜索变压器故障、征兆类型等目标数据,运用层次分析法删减对诊断故障影响较小的指标,并分析确定变精度粗糙集的错误分类率β,获得最小故障决策表,从而构建贝叶斯网络故障推理模型,实现对变压器故障的诊断研究。实例分析表明,与粗糙集、量子贝叶斯网络等模型相比,该模型更适合变压器故障的诊断且诊断精确。     

一种基于贝叶斯网络的模型诊断方法

提出一种结合贝叶斯网络进行基于模型诊断的方法.在基于模型诊断的基础上,建立了元件状态模型,并将诊断模型转换为贝叶斯网络,利用团树算法求解征兆产生时系统状态的后验概率,再通过计算边缘分布获得元件故障概率.最后给出一个数字故障电路的实例,在Matlab上进行推理,得到了精确的概率值,验证了该方法的有效性.     

基于多分类相关向量机的变压器故障诊断方法

针对传统贝叶斯网络变压器故障诊断方法可使变压器故障检测平稳状态好,存在不收敛的缺陷。对贝叶斯网络中反射了全面样本范围内的平滑因子σ根据常数取值,在实际运用中缺少依据的问题。提出了一种基于多分类相关向量机的变压器故障诊断方法,运用多分类相关向量机算法改进粒子群算法,优化贝叶斯网络中平滑因子σ使其提高多分类相关向量机的精准率,把收集到92组故障数据进行试验,建立基于多分类相关向量机优化的自适应贝叶斯网络仿真环境,将真实数据环境中五种油溶解气体相对概率的含量作为贝叶斯网络的输入向量,采用正常,低温过热,中温过热,高温过热,局部放电,低能放电,高能放电7种故障作为输出矢量得出的结论证明,贝叶斯网络引入多分类相关向量机的过程后,变压器故障检测能力得到了改善,保证变压器的平稳状态。     

基于模糊贝叶斯网络的叉装车制动系统故障诊断研究

为解决因缺乏实际数据而无法准确计算叉装车制动系统部件的故障概率问题,提出一种结合模糊集理论和贝叶斯网络的模糊贝叶斯网络故障诊断方法。该方法利用模糊数表达故障发生的可能性,将专家给出的节点故障概率主观语言评判值转换为模糊数,经过解模糊后得到精确值,再利用贝叶斯网络推理进行故障的诊断,提高了贝叶斯网络对模糊信息和不确定信息的处理能力。通过Ge NIe软件对所建立的叉装车制动系统故障诊断模型仿真分析,验证了该方法的有效性。     

一起500千伏变压器多维状态监测与故障诊断

为了提升变压器故障诊断水平并有效实现状态检修,本文针对一起500千伏主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50赫兹谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

基于贝叶斯网络的柴油机润滑系统多故障诊断

为解决柴油机润滑系统多故障的解耦与诊断问题,提出一种基于贝叶斯网络模型的故障诊断方法.建立的润滑系统贝叶斯网络诊断模型包括利用有向无环图描述多故障耦合关系和采用概率形式表示故障诊断定量知识两个部分.按照故障类型将润滑系统故障诊断任务分解为各类故障的诊断子任务,对于各子任务,利用故障树模型分析故障与征兆及多故障间的耦合关系,并通过故障树向贝叶斯网络的转化建立润滑系统的贝叶斯网络模型结构.在定量参数方面,采用noisy-OR/AND模型分析故障与征兆间的因果关联强度,通过设定故障的先验发生概率描述润滑系统的历史运行状况.最后,通过两起“进机油压过低”故障实例验证所提出方法的有效性.     

基于HAZOP分析和贝叶斯网络的压缩机故障定位方法研究

燃气式离心压缩机结构复杂、子系统较多,引起故障的原因较为复杂、类型多样,查找难度较大。深入研究危险与可操作性(HAZOP)分析和贝叶斯网络原理,建立一种基于HAZOP分析和贝叶斯网络的压缩机故障定位方法。该方法可对某压气站压缩机进行故障定位,计算出引起故障的原因的概率,对概率最大的原因进行检查,准确、快速地找到故障点。该方法可推广运用于离心式泵机组等设备的故障快速定位,可提高故障诊断效率。     

基于多因素考虑的变压器故障概率模型

变压器在电力系统中意义重大,电力变压器一旦发生故障对电力系统将造成重大损失.在电力行业发展进程中,预防性检修及定期检修已不能满足当前的需要.因此研究基于在线监测的变压器故障诊断技术,获取当前变压器的健康状态,更好地对变压器的运行状况进行维护.综上所述:在线监测的变压器诊断技术对电力系统的安全运行具有非常重要的现实意义.当前的故障概率计算大多是针对可靠性的故障进行计算[1],没有综合考虑运行年限、已发生故障以及维修情况、运行经历等因素.因此得出的故障概率不是很准确,论文将从变压器运行的在线监测数据、运行年限、已发生的故障及维修情况、运行经历综合进行考虑,综合以上因素加权最后得出变压器整体的故障概率.     

基于BP神经网络的PMS电流互感器设备状况评价系统

电流互感器作为变电站重要设备,其运行工况的好坏直接影响变电站的安全运行,电流互感器数量多,在运行中也经常会遇见电流互感器各种各样的缺陷,比如发热、漏油、低油位等。通过对PMS上电流互感器这个庞大的数据,单因素图表法分析电流互感器故障发生与其设备型号、设备生产厂家、设备投运时间之间的关系,多因素联合考虑,建立BP神经网络模型,综合考虑设备型号、设备生产厂家、设备投运时间因素,对其运行工况进行概率预测,同时对每个变电站符合模型要求的所有电流互感器进行预测,对容易发生电流互感器故障的变电站进行预警,运用地图无忧软件对BP模型计算的结果进行可视化展示,方便运维人员掌握电流互感器运行工况,对容易发生故障的电流互感器加强带电检测,提前安排检修,保障供电可靠性。     

基于数字孪生的变电设备运维系统及其构建

针对变电设备周期状态管控难、运检效率低等问题,基于数字孪生理论,构建基于真实变电设备运维的数字化模型及系统。首先,在信息层建立能反映变电设备换流变、调相机、GIS（Gas Insulated Substation）这3类设备真实状态的数字孪生体;其次,基于换流变、调相机、GIS历史大数据,通过数字孪生体的变电站设备进行统计分析,并根据采集的实时数据、运维数据来预测变电站设备下一时刻的状态,使变电设备实现实际变电站内物理层与信息层数据的融合;最后,以变电站设备运维为对象,采用信息物理融合系统进行运维数据的集成和同步,形成最终变电设备运维数字孪生框架系统。相关研究表明,运用数字孪生技术可以对变电设备运维系统运行效率的提升和对变电站整体智能化提供强有力的技术支撑。     

基于改进贝叶斯模型的信息安全风险评估

 随着信息化时代的到来,信息安全问题变得日益复杂与多样,因此急需一种高性能的解决方法。本文在前人的研究基础上进一步改进贝叶斯网络模型在信息安全风险评估中的应用。首先分析信息系统风险元素种类,提出一种新的确定风险因素的方法,即建立因素之间常见关联关系;然后依据因素关联关系确定信息系统指标体系,并结合经验积累的条件概率,利用Matlab贝叶斯网络工具箱（BNT）构建完整的贝叶斯网络风险评估模型,其中包括对评估流程、方法使用及风险等级确定的分析;最后通过实例分析改进的贝叶斯评估模型,对实验数据推理出风险各等级概率。仿真结果与实际结论相一致,表明改进的贝叶斯评估模型能够准确反映信息系统安全风险等级,是一种有效且合理的评估方法。     

基于贝叶斯网络的变压器在线监测与分析系统设计

为提升对变压器运行监测水平,全面掌握其性能状况,提前发现故障隐患,在研究变压器各项参数监测的基础上,构建了变压器在线监测与分析系统.以研华PCI-1712数据采集卡为核心搭建系统硬件平台,构建了贝叶斯网络的性能分析模型,以LabVIEW设计算法和调用DLL库函数节点完成数据信号处理和系统分析、推理以及故障诊断报告的生成.仿真及实验表明,该系统能高效全面地监测变压器运行状态并做出状态分析、推理,功能丰富、易于扩展,具有广阔的应用前景.     

城市轨道交通设备故障聚类与贝叶斯网络预警

针对城市轨道交通的海量监控报警数据分析难度大的问题,结合设备故障特征,应用数据挖掘方法定义聚类特征树,建立基于故障集的层次聚类分析模型,取得故障要素的高频聚类并识别关联规则。通过构建故障贝叶斯层次网络,提出故障预警模型,计算取值概率推断预警值,进一步探讨了关联性预警的识别和应用策略。采用某城市轨道交通的阶段报警数据实例验证,表明识别出的故障关联规则与实际较好地符合,利用该方法推断故障预警能快速定位风险隐患,为安全管理提供有效的决策支持。     

网络设备缺陷管理方法初探

随着计算机网络应用领域的不断拓展,其应用领域已经从传统的单机、小范围网络的资源共享,发展到中、大型业务应用系统。大型网络系统业务的应用,在提高工作效率,带给人们便利的同时,也使系统安全和信息安全面临巨大挑战。信息安全的软件方面,除病毒、黑客攻击、操作系统漏洞等威胁外,网络设备缺陷造成的系统硬件故障,更是一个不容忽视的重要因素。设备缺陷导致的系统故障,轻则造成系统停机、数据错误;重则造成整个系统崩塌、数据损毁甚至全部丢失。因此,对相关设备的日常管理就成为保证网络系统正常、安全运行的重要手段。笔者结合多年从事网络规划与管理的实践经验,对计算机网络设备的缺陷管理进行了一些拓展探索,获得了一些体会。     

基于设备感知多参量判别一键顺控系统研究

针对当前一键顺控功能存在局限性大、运行风险高的问题,结合智能变电站运行实际,提出基于物理设备感知的多参量判别一键顺控系统,结合物理设备感知层与顺控系统之间的信息传递,依据多参数判据结合网络结构拓扑及操作规则对顺控系统任务选择、防误逻辑进行细化,结合继电保护接口传递的保护规则形成对实际运行设备的多元非同时感知及运行状态的确认,进一步提供顺控系统运行和操作可靠性,对变电站自动化设备稳定运行和电网安全具有重大意义。     

有线电视网络管理系统在长庆油田的应用

随着有线电视HFC网络建设和发展,网络中的设备种类和数量不断增加,给网络维护工作带来巨大压力,传统的网络运行维护模式和管理手段已不能适应HFC网络发展和维护的需要.构建有线电视网络设备管理系统（简称网管系统）,是提高网络管理水平,保证网络传输质量和可靠性的重要手段.通过安装前端设备管理系统,可以在线监控与管理各机房的设备运行情况,完成网络设备或功能单元运行状态的监测和运行参数的调整.这样就可以保证在设备出现故障的时候,及时并且精确地定位故障,从而有效缩短故障排除时间,以增强设备的可维护性,同时也可以有效预测设备状态未来发展的趋势.     

非侵入式车载ATC设备在线检测运维系统方案设计

列车运行控制系统中,车载ATC(Automatic Train Control)设备行车日志里记录着各子系统的整个运行周期的全部信息,分析行车日志是监测车载设备状态和分析系统故障的重要手段。但在实际维护中存在以下问题：1. 设备实际输入输出和传感器电气工作状态信息中隐含大量故障特征信息,而这些信息在既有的车载信号系统中没有有效记录;2.行车日志收集依靠人工,效率低,成本高;3.故障诊断依靠经验,诊断结果具有局限性。在此基础上,本文提出一种非侵入式车载信号设备在线检测运维系统方案,该方案利用非接触式传感器采集信号,行车日志使用车地无线通信网络传输,通过地面服务器大数据分析,以达到对各子系统和关键零部件进行状态监测,并对异常信息进行预警的目的。