基于粗糙集理论的电力变压器故障诊断方法

鉴于电力变压器信息的不完备性及复杂性，基于粗糙集理论提出了一种能较好处理不完备信息的变压器故障诊断模型。基于对大量电力变压器故障征兆及故障类型的分析统计，利用粗糙集进行约简以获取诊断规则。文中详细阐述了在获得各类信息情况下如何利用该模型进行故障诊断；即使缺少某些关键信息时，该模型也能结合欧式距离、神经网络和模糊数学三种方法对约简进行综合匹配，再利用相应的约简及规则集作出故障诊断。该模型还可通过丰富训练样本、修正决策表的自我完善方法使诊断效果不断提高。实例也表明了该方法的有效性。     

基于粗糙集理论的电力变压器绝缘故障诊断

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 ,它能够根据不完整征兆信息对电力变压器故障进行诊断。该方法不但可直接从完备的故障征兆样本集中导出正确的诊断结论 ,而且还能从不完备的故障征兆样本集中导出满意的诊断结论 ,它揭示了故障征兆信息的冗余性。实例诊断结果证实了该方法的有效性     

基于粗糙集理论的电力变压器绝缘故障诊断

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,它能够根据不完整征兆信息对电力变压器故障进行诊断.该方法不但可直接从完备的故障征兆样本集中导出正确的诊断结论,而且还能从不完备的故障征兆样本集中导出满意的诊断结论,它揭示了故障征兆信息的冗余性.实例诊断结果证实了该方法的有效性.     

基于范例推理的变压器油中气体分析综合诊断模型

以变压器油中溶解气体的分析结果为基础 ,建立基于范例推理的变压器绝缘故障综合诊断模型。先用三种不同的范例检索算法分别检索出与待诊变压器故障征兆相近的源范例集 ,然后经对检索的源范例进行综合判断获得和待诊变压器故障征兆最相近的最佳源范例 ,并用其信息得到待诊变压器的诊断结论。实例检验结果表明 ,该模型比现有方法有更高的诊断可靠性和实用前景。     

基于不完备信息系统规则提取和Petri Nets的电力变压器故障诊断

鉴于电力变压器故障信息具有不完备性及复杂性,将不完备信息系统规则的提取与Petri Nets(PNs)有机结合在一起进行变压器故障诊断。利用不完备信息规则提取对信息表进行知识的简化与故障特征的压缩,获得最小诊断规则,并利用此规则建造PNs的模型。同时利用PNs实现并行推理,对变压器进行快速分析。故障实例分析表明,文中所提出的智能方法具有准确性,有效性。     

基于不完备信息系统规则提取和Petri Nets的电力变压器故障诊断

鉴于电力变压器故障信息具有不完备性及复杂性,将不完备信息系统规则的提取与Petri Nets(PNs)有机结合在一起进行变压器故障诊断.利用不完备信息规则提取对信息表进行知识的简化与故障特征的压缩,获得最小诊断规则,并利用此规则建造PNs的模型.同时利用PNs实现并行推理,对变压器进行快速分析.故障实例分析表明,文中所提出的智能方法具有准确性,有效性.     

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。     

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。     

范例推理与模糊数学的变压器故障诊断方法

提出一种在范例推理框架上集成模糊数学的故障诊断方法 ,结合已有的基于神经网络的范例推理诊断方法构造出可应用于电力变压器绝缘故障的综合诊断模型。它综合了多种人工智能技术的优点 ,可期望有较高的诊断准确率和实用价值     

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。     

粗糙集结合Petri网的3/2接线变电站故障诊断研究

500kV及以上的变电站多采用3/2接线方式,其主接线结构和保护配置具有自身的特点.本文在分析了3/2接线系统保护动作策略的基础上,建立了故障诊断的初始决策表,并利用粗糙集的属性优选对该表进行最小约简,构建最优的Petri网模型,从而实现故障诊断.变电站故障诊断实例证明了该方法不仅能够准确诊断出3/2接线系统的故障元件,而且诊断速度快,容错性好.     

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。     

粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法研究

针对配电网规模庞大且发生故障后警报信息存在不确定性和不完整性的问题,提出了一种粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法。该方法先将配电网划分为多个独立的区域,对于各个区域分别建立故障决策表,再利用粗糙集对决策表进行属性优选和诊断规则提取,最后构建Petri网模型,通过Petri网的并行推理实现故障诊断。诊断实例证明了该方法不仅诊断快速准确,而且容错能力强、适应性好、灵活性高。     

基于粗糙集理论的变压器故障诊断专家系统

在传统的变压器故障诊断专家系统的基础上,为解决专家系统较难获取完备知识的瓶颈问题,提出了一种基于粗糙集理论的故障诊断专家系统。该系统从历史故障数据所形成的决策表出发,运用粗糙集理论进行约简,构建专家系统知识库模型,通过计算诊断规则粗糙度,确定诊断规则的置信程度,利用推理机和故障事例库,实现对知识库的动态维护。     

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。     

概念格在变压器故障诊断中的应用研究

为解决变压器故障诊断中传统方法无法解决的知识发现与获取难题,以变压器故障诊断知识库为基础,建立相应的概念格结构,并在格上剪枝以协调目标信息库。从数据集中生成概念格过程的实质是概念聚类过程,应用广泛。应用格上的概念诊断变压器故障,能确定出不完整信息下的格节点对象集,再用粗糙隶属度法确定出各故障发生的概率。研究表明该法有一定的智能性和容错性,是一种有效的变压器故障诊断知识处理方法。