基于贝叶斯网络的复杂装备测试性评估

针对关联模型在复杂装备测试性评估中对不确定问题描述与分析的缺陷,提出了基于贝叶斯网络的测试性评估方法。首先建立贝叶斯网络测试性评估模型,以有向边表述故障模式与测试信号之间的因果关系,利用条件概率描述系统的不确定信息。然后,将测试准备和执行时间引入贝叶斯网络,使基于贝叶斯网络的测试性评估与故障检测隔离时间相关,使测试性评估结果更加全面、客观。最后通过实例分析验证了方法的有效性。     

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.     

应用贝叶斯网络模型的电力系统故障诊断

遗传算法应用于电力系统故障诊断的一个难题是如何建立合理的数学模型。针对这一难题,建立了基于元件的贝叶斯网络故障诊断模型,并通过一定的推理规则,根据贝叶斯网络形成遗传算法的目标函数,用遗传算法进行优化求解。在应用遗传算法时,对传统算法进行了一系列的改进,改善了算法的收敛性能,提出了在迭代过程中推测不完备信息的方法,增强了算法对于大量不完备保护信息的处理能力。大量算例表明了所述方法的合理性和实用性。     

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。     

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。     

基于贝叶斯网络的电池管理系统故障诊断方法

针对电池管理系统工作环境复杂、故障不确定的特点,提出一种基于贝叶斯网络的电池管理系统故障诊断方法。该方法利用领域专家知识确立故障节点、围绕电池管理系统结构进行层次划分,电池管理系统的历史数据、检修记录表用来进行网络的结构和参数学习。建立起电池管理系统故障诊断的贝叶斯网络。将该网络应用于电池管理系统的故障诊断,并针对不同故障进行实验,结果验证该方法在电池管理系统故障诊断上具有较高的区间正确率。方法为电池管理系统的故障诊断提供了新手段。诊断结论对电池管理系统的优化设计具有指导性意义。     

基于贝叶斯网络的广域后备保护故障诊断检测

提出一种针对广域后备保护特征要求的贝叶斯网络线路故障诊断方法,根据保护动作和断路器跳闸信号,建立了面向元件的电网线路故障诊断模型。该模型是由Noisy-Or,Noisy-And节点组成的贝叶斯网络。该故障诊断方法具有实时性和准确性和较强的容错能力等特点,满足广域后备保护特征对故障诊断实时性、准确性的要求。     

贝叶斯网络的复杂配电网可靠性评估

为使电力市场环境下电网供电可靠性与经济性之间达到最大满意度,综合考虑负荷转移过程中的网络约束条件,建立贝叶斯网络模型,运用其特有的双向推理方法,不仅能起到配电系统可靠性指标评估的传统方法的作用,更能定量地分析出各元件对系统可靠性的影响,得出系统的薄弱环节,为系统的改进提供依据.并且对IEEE4中馈线1进行实例分析,证明了贝叶斯网络方法在配电网可靠性分析中是可行且高效的.     

基于贝叶斯网的电网多区域复杂故障诊断研究

针对大电网复杂拓扑结构的电网故障情况,先对其进行分割,提出一种基于粗糙集与贝叶斯网相融合的分层递归型诊断网络模型。利用粗糙集理论的知识约简和处理不确定信息的能力,对电网故障诊断知识进行分层挖掘,实行属性优选,再运用贝叶斯网络完成故障区域及故障元件的识别。该方法对复杂故障采用多区域并行诊断。算例结果表明,该方法正确、有效,能提高系统丢失关键信息情况下的容错性,实时性也很高,具有很好的实用价值。     

基于贝叶斯网的电网多区域复杂故障诊断研究

针对大电网复杂拓扑结构的电网故障情况,先对其进行分割,提出一种基于粗糙集与贝叶斯网相融合的分层递归型诊断网络模型.利用粗糙集理论的知识约简和处理不确定信息的能力,对电网故障诊断知识进行分层挖掘,实行属性优选,再运用贝叶斯网络完成故障区域及故障元件的识别.该方法对复杂故障采用多区域并行诊断.算例结果表明,该方法正确、有效,能提高系统丢失关键信息情况下的容错性,实时性也很高,具有很好的实用价值.     

基于贝叶斯网络的分布式输电网故障诊断

针对输电网拓扑结构日渐复杂且发生故障后报警信息存在不确定性的情况,提出了一种基于贝叶斯网络的分布式输电网故障诊断方法。分别建立了线路、变压器、母线的分布式元件诊断模型和联合诊断模型,并对其进行了分层。结合SCADA/RMS系统信息,对元件诊断模型采用后向推理,确定可疑故障元件;再由联合诊断模型推理,得到具有最大后验概率的故障元件组合。经过算例仿真,验证了该方法的正确性和有效性。     

基于贝叶斯网络的电力系统故障诊断方法

针对电力系统故障诊断中存在的信息不完备和不确定性问题,提出了基于贝叶斯网络的故障诊断方法。依据保护装置动作原理分别建立了完备和不完备信息下的分布式贝叶斯网络模型,用该模型进行故障诊断,验证了该方法的正确性和有效性。     

基于贝叶斯网络及信息时序属性的电力系统故障诊断方法

该文提出了基于贝叶斯网络的故障诊断方法，并拓展建立了蕴含时序属性的贝叶斯网络分布式处理模型。该方法具有以下特点：诊断模型清晰直观，易于发现数据间的因果关系；综合了先验信息和后验信息，适合不确定性和不完备信息下进行诊断决策；充分合理地利用了信息的时序属性，有效地提高了诊断结果的准确性。算例测试结果表明所提出的故障诊断模型正确、方法有效，且在实时故障诊断的应用上具有很好的潜力。     

基于改进贝叶斯网络的电机轴承故障诊断

针对电机轴承振动信号受噪声干扰影响特征提取和传统贝叶斯网络故障诊断准确率低的问题,提出一种基于改进贝叶斯网络的电机轴承故障诊断方法。采用自适应噪声集合模态分解的方法对数据进行降噪处理,增加了模型的鲁棒性;采用差分进化和模拟退火算法对蝗虫算法进行优化,增强蝗虫算法的全局和局部搜索能力;将优化后的蝗虫算法应用于贝叶斯网络结构学习构建轴承故障诊断模型;通过实验对比证明,该方法对轴承的多故障分类具有更强的学习能力和更高的准确率,实验对部分样本的故障诊断率达到97.15%,平均准确率达到98.73%。     

基于贝叶斯网络的电网复杂故障推演新方法

为了分析电网复杂故障过程,基于保护装置与断路器的动作信息构建贝叶斯网络,提出了电网复杂故障推演新方法。应用电网实际拓扑结构信息、继电保护装置和断路器的动作信息构建贝叶斯网络。基于贝叶斯网络进行故障元件诊断,针对远后备保护、近后备保护误判的两种特殊情况,制定了专家系统规则实现保护拒动、误动的识别。将保信系统上送信息与拒动误动分析结果按主保护层-近后备保护-远后备保护-断路器层顺序进行信息整合,推演出发生故障时各层保护装置以及断路器动作先后顺序,实现了电网复杂故障推演。     

基于贝叶斯网络与故障树的计量自动化终端故障诊断方法

现场终端故障诊断需要高精度、高可靠性的故障诊断逻辑,由此本文提出了基于贝叶斯网络与故障树的计量自动化终端故障诊断方法,通过收集故障的历史数据与专家的先验、经验,并以此为基础推算变量间依赖关系,构建故障诊断的贝叶斯网络模型,从而获取后验概率密度分布表,解决了仅依靠专家经验搭建网络结构的局限性.实例分析表明,本文提出的诊断...     

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...