贝叶斯分类器与粗糙集相结合的变压器综合故障诊断

合集下载

应用贝叶斯网络模型的电力系统故障诊断

应用贝叶斯网络模型的电力系统故障诊断①徐建政1,李　强2,李建超3(1.山东大学电气工程学院,济南250061;2.青岛供电公司,青岛266002;3.聊城供电公司,聊城252053)摘要: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。

关键词:电力系统;故障诊断;遗传算法;贝叶斯网络中图分类号:TM711 文献标志码:A 文章编号:100328930(2010)0120091205Pow er System F ault Diagnosis Using B ayesian N et work ModelXU Jian2zheng1,L I Qiang2,L I Jian2chao3(1.School of Elect rical Engineering,Shandong University,Jinan250061,China;2.Qingdao Power Supply Company,Qingdao266002,China;3.Liaocheng Power Supply Company,Liaocheng252053,China)Abstract:A problem of Genetic algorithms applied to power system fault diagnosis is how to establish a rea2 sonable mathematical model.In response to this problem,bayesian network model is established for fault diag2 nosis,which is based on components.And then,objective f unction of the genetic algorithm is formed accord2 ing to the Bayesian network by certain reasoning rules.Finally,genetic algorithm is used to solve the fault di2 agnosis problem.In the application of genetic algorithms,a series of improvements are carried out on simple genetic algorithm to improve its convergence performance.A method is proposed to infer the most possible state of missing information in the iterative process,which can enhance the algorithm’s processing capabilities for large numbers of inadequate protection information.Some cases show that the poposed approach is reasona2 ble and practical.K ey w ords:power system;fault diagnosis;genetic algorithm;Bayesian network 目前用于电力系统故障诊断的方法主要有基于人工智能技术的人工神经网络、专家系统、遗传算法[1]、模糊理论[2]、Pet ri网络理论[3,4]、粗糙集理论[5]等。

模糊粗糙集理论在变压器故障诊断中的应用_熊浩

第28卷第7期中国电机工程学报 V ol.28 No.7 Mar.5, 20082008年3月5日 Proceedings of the CSEE ©2008 Chin.Soc.for Elec.Eng. 141 文章编号：0258-8013 (2008) 07-0141-07 中图分类号：TM 411 文献标识码：A 学科分类号：470⋅40模糊粗糙集理论在变压器故障诊断中的应用熊浩1，李卫国2，畅广辉3，郭惠敏3(1．武汉大学电气工程学院，湖北省武汉市 430072；2．电力系统保护与动态安全监控教育部重点实验室(华北电力大学)，北京市昌平区 102206；3．河南省电力公司，河南省郑州市 450052)Application of Fuzzy Rough Set Theory to Power Transformer Faults DiagnosisXIONG Hao1, LI Wei-guo2, CHANG Guang-hui3, GUO Hui-min3(1. School of Electrical Engineering, Wuhan University, Wuhan 430072, Hubei Province, China; 2. Key Laboratory of Power SystemProtection and Dynamic Security Monitoring and Control(North China Electrical Power University), Ministry of Education, Changping District, Beijing 102206, China; 3. Henan Province Power Company, Zhengzhou 450052, Henan Province, China)ABSTRACT: This paper is meant to present a new diagnosis measure with gas ratios method for transformer incipient fault. Based on fuzzy rough set (FRS) theory, an information decision system is built, in which some problems in the process of system building are coped with by data mining technology. Firstly,since strict thresholds setting is said to be undergoing the diagnosis effectiveness, continuous attributes are transformed and described based on fuzzy set theory, where the knowledge discovery in database (KDD) technology is used to extract the implied information on fuzzy clustering so as to determine the fuzzy values of attributes and thus the parameters of membership function. Secondly, according to inclusion degree defined in FRS, the formed fuzzy rules are reduced and pruned, where a data-mining algorithm is developed to extract fuzzy rough rules and thus determine the topology of multi-table decision base according to attributes set.Finally, results of testing the proposed diagnosis system on actual dissolved gas records are addressed, which confirms that extracted rules allow diagnosis results to be satisfied with a satisfactory accuracy for diagnosis ratio.KEY WORDS: knowledge discovery in database; dissolved gas-in-oil analysis; fuzzy rough sets; data mining摘要：提出一种改进的三比值变压器故障诊断方法。

基于粗糙集的故障诊断特征提取

基于粗糙集的故障诊断特征提取【导言】故障诊断在各个领域中扮演着重要的角色。

精确而及时的故障诊断可以帮助我们解决问题并提高设备和系统的可靠性。

然而，随着技术的不断发展和系统规模的增大，故障诊断的复杂性也在增加。

针对这一问题，基于粗糙集的故障诊断特征提取方法应运而生，为故障诊断研究带来了新的突破。

【正文】1. 粗糙集理论简介粗糙集理论由波兰学者Zdzisław Pawlak于1982年提出，被广泛应用于模糊、不确定和决策论问题。

该理论基于粗糙集、决策规则和等价类的概念，提供了一种处理不完全和不确切信息的方法。

在故障诊断中，粗糙集理论能够帮助我们从数据中提取有用的特征，以用于定位和分析故障。

2. 故障诊断特征提取的挑战在故障诊断中，我们往往需要从大量的数据中提取出包含故障信息的有用特征。

然而，由于数据的复杂性和多样性，特征提取变得非常具有挑战性。

基于粗糙集的故障诊断特征提取方法通过采用近似与精确度的概念，能够从数据中挖掘出具有较高可区分度的特征。

3. 基于粗糙集的故障诊断特征提取方法基于粗糙集的故障诊断特征提取方法主要包括数据预处理、特征选择和模型构建三个步骤。

3.1 数据预处理数据预处理是故障诊断特征提取的第一步。

在这个步骤中，我们需要对原始数据进行质量控制、噪声去除和数据格式转换等操作，以提高数据的可靠性和可用性。

3.2 特征选择特征选择是故障诊断特征提取的核心步骤。

在这个步骤中，我们需要根据数据的性质和目标需求，选择并提取出最具有代表性和判别性的特征。

基于粗糙集的特征选择方法基于精确度和纯度的概念，通过计算每个特征的重要性指标，从而实现特征的筛选和排序。

3.3 模型构建模型构建是故障诊断特征提取的最后一步。

在这个步骤中，我们需要基于已选择的特征构建故障诊断模型。

常用的模型包括决策树、神经网络和支持向量机等。

通过将特征与相应的故障类别进行关联，我们可以实现故障的诊断和定位。

4. 基于粗糙集的故障诊断特征提取方法的优势基于粗糙集的故障诊断特征提取方法具有以下几个优势：4.1 应对不完备和不确定的数据粗糙集理论能够处理不完备和不确定的数据，使得故障诊断在现实环境中更具鲁棒性和适应性。

基于粗糙集和贝叶斯分类器的变电站故障诊断

ｉｅｔｅｏｇａｅｉｌｓｉｅ￣Ｅｖｎｕｌ，ｂｉｇｕｅｕｔｉｇｏｉｘｅｙｔｍｓｏｂｔｔｎｔｅａｐｉａｉｎｒｓｌｓｉｎｉｄｔｕｈｂｙｓａｃａｓｆｒｄｉｆｈｎｉｅｔａｌｙｅｓｄｉｆｌｄａｎｎａｎｓｓｅｐａｓｓｅｆｓｓａｉ，ｈｐｌｔｅｕｔｕｏｃｏｓ
Ａｂｓｒｃ：Ｏｎｔｅｂｓｓｏｔｈａｄｒｌｙｐｏｅｔｇｉｆｒａｉｎｏｂｔｔｏ，ａｐｒａｈｔｕｓａｉｎｆｕｔｉｇｏｉｉｒｐｓｄｔａｔｈａｉｆｗｉｎｅａｒｔｃｉｏｍｔｏｆｕｓｉｎｎａｐｏｃｓｂｔｔａｌｄａｎｓｓｓｐｏｏｅｓｃｎｎｓａｏｏ
ｆｕｔｉｇｏｉｏｂｔｔｎａｌｄａｎｓｓｆｓｓｉ．ｕａｏ
Ｋｅｒｓｓｂｔｔｎｒｕｈｓｔｂｙｓａｌｓｉｅ；ｆｕｔｉｇｏｉ；ｐｅｉｔｏｙｗｏｄ：ｕｓｉ；ｏｇｅ；ａｅｉｎｃａｓｒａｌｄａａｏｉｆｎｓｓｒｄｃｉｎ
ｂｓｄｏｏｇｅｓｈｏｙａｄｂｙｓａｌｓｉｅ￣Ｎａｌ，ｏｇｅｐｌｄｔｎｕｔｉｇｏｉｋｏｅｇｆｕｓａｉｎａｄｉａｅｎｒｕｈｓｔｅｒａｅｉｃａｓｆｒｔｎｎｉｍｅｙｒｕｈｓｔｓｐｉｍｉｅｆｌｄａｓｓ，ｗｌｄｅｏｂｔｔｉａｅｏａｎｎｓｏｎｍ．

基于贝叶斯网络的电力系统故障诊断

条件概率或者先验概率！
02
贝叶斯网MAP,MLE,MPE问题
MAP和MPE问题分别叫做最大后验概率问题和最大可能解释问题，对于MAP问题，我们已知了某些证据E，并且对贝叶斯网络中的部分节点的假设感兴趣，这些节点变量称之为H（假设变量），我们关心的是，找到这些假设变量为何值时，条件概率最大。而MPE则不止我们所关心的节点，他将去寻找一个包含所有节点（除了证据节点以外）的组合。他的H为除了E以外的其他所有节点。

e(1 2 )t m!
[(1

2 )t]m
N(t)是一个独立增量的过程，N1(t)，N2(t)也是一个独立增量的
过程，两个独立的泊松过程的叠加仍然是泊松过程（证明略）
故障概率为 P(Y ) 体现了泊松过程的叠加性。

总故障次数：1933+86+51+148+19+52=2289 线路故障（百公里）概率：每百公里故障次数/总故障次数
基于贝叶斯网路的电力系统故障诊断
《基于贝叶斯网的电力系统故障诊断方法研究》西南交通大学博士学位论文
02
基于贝叶斯网络的电力系统故障诊断
一、课题的研究背景
1.1986年Pearl首次提出贝叶斯网络引入专家系统以解决不确定性问题（如某个断路器的误动或拒动,发生故障但某些相关信息丢失），而在1988年发表第一本关于贝叶斯网络专著，将联合概率分布进行分解，解决了之前频率派认为的使用联合概率计算的复杂度高的问题。他推动了概率推理在人工智能领域的发展。
最大似然估计
贝叶斯估计
02
构建电力系统贝叶斯网络
四、将贝叶斯网络模型运用到电力系统故障诊断中
贝叶斯网络模型运用到电力系统故障诊断中，节点的含义可以变为保护动作或不动作，元件故障或不故障。

基于贝叶斯分类的信息化设备故障诊断方法研究

基于贝叶斯分类的信息化设备故障诊断方法研究摘要：信息化设备的故障问题一直是企业关注的焦点，如何快速准确地定位故障点，对设备维护和故障排除具有非常重要的意义。

本文基于贝叶斯分类算法，对信息化设备故障进行分析。

从故障分类、特征提取、贝叶斯分类模型构建和实验结果分析等方面进行探讨，提高设备维护效率，减少维护成本，为企业提高运行效率、降低运营成本提供了有力支撑。

关键词：贝叶斯分类；信息化设备；故障分析；特征提取1引言随着信息化技术的不断发展，越来越多的企业开始依赖信息化设备，以提高工作效率。

以笔者所在烟草行业地市级公司为例，仅市级公司就有各类信息化设备1000余台，随着这些设备在日常工作中的广泛应用，信息化设备的故障问题也日益受到关注。

设备故障可能会导致设备无法正常工作，影响工作效率和设备运维成本的增加。

因此，快速准确地定位故障点，以便及时修复设备故障并恢复生产，对于保持设备的稳定运行具有非常重要的意义。

如何有效地发现和解决这些故障问题成为了一个重要的课题。

目前，市面上的大部分信息化设备都会有自身的故障诊断机制，但是对于一些比较复杂的故障来说，往往需要专业维护人员进行故障诊断、排查和处理。

然而，设备的维护人员往往需要有很高的技术水平，以便顺利地完成故障排查和处理的任务。

因此，如何利用机器学习的方法，自动化地完成设备故障诊断对于企业来说显得尤为重要。

机器学习的许多算法，例如决策树、SVM、K均值和贝叶斯分类等，都被广泛地应用于各种领域的问题的解决中，同时也被大量地用于信息化设备故障的诊断和处理中。

作为一种被广泛应用的分类方法，贝叶斯分类的核心思想是基于概率论计算给定条件下的事物类别。

本文以基于贝叶斯分类的信息化设备故障分析为题，通过实验和数据分析的方式，探讨如何利用贝叶斯分类方法解决信息化设备故障问题，并实现高效准确的设备故障分类。

2相关工作2.1设备故障分类设备故障分类的意义在于，通过将具有相似故障原因的故障进行分类，一方面可以便于相关人员根据相应的故障原因和解决方案进行故障处理，另一方面还可以对未来的相似故障进行有效的预测。

基于贝叶斯网络的架空输电线路状态评估及故障诊断

二○○六年十月至十二月程序编译：针对已建立的基于架空输电线路状态评估的数学模型，编译架空输电线路状态评估和故障诊断的程序软件，运用前期的实例计算结果对程序进行调试和验证。二○○七年一月论文总结：针对数学模型和程序软件得出的状态指标和计算结果，进行分析、论证，对整个论文进行总结概括。二○○七年二月至五月后续工作：对论文内容进行初审、修改、定稿并进行论文的正式印制。
学习相关贝叶斯网络理论、状态评估和故障诊断的知识，分析架空输电线路各个部分状态评估的标准和它们相互之间的关系建立基于贝叶斯网络的架空输电线路状态评估和故障诊断的数学模型对实际线路进行状态评估和故障诊断编译架空输电线路状态评估和故障诊断的应用程序

准备工作和主要工作措施

3.
4.
5.
6.
7.
8. 9.
10.
11.
12.
13.
14.
15. 16. 17.
G.J.Cliteur，J.M.Wetzer，Condition Assessment of Power Transmission and Distribution Components，CIRED2001，18-21 June 2001，Conference Publication，No.482 E.Gulski，J.J.Smit，F.J.Wester，etc，Condition Assessment of High Voltage Power Cables， 2004 International Conference on Power System Technology-POWERCON 2004 Singapore， 21-24 November 2004 J.Q.Feng，J.S.Smith，Q.H.Wu，Condition Assessment of Power System Apparatuses Using Ontology Systems，2005IEEE/PES Transmission and Distribution Conference & Exhibition: Asia and Pacific Dalian，China pworth，P.N.Jarman，I.R.Funnell，Condition Assessment Techniques For Large Power Transformers，‘The Reliability of Transmission and Distribution Equipment’，29-31 March 1995，Conference Publication No.406 Pengjun Kang，D.Birwhistle，Condition Assessment of Power Transformer On-Load TapChangers Using Wavelet Analysis，IEEE Transaction On Power Delivery，Vol.16，No.3， July 2001 David C.Yu，Thanh C.Nguyen，Peter Haddawy，Bayesian Network Model for Reliability Assessment of Power Systems，IEEE Transactions on Power Systems，Vol.14，No.2，May 1999 E.chiodo，G.Mazzanti，Bayesian Reliability Estimation Based on a Weibull Stress-Strength Model for Aged Power System Components Subjected to Voltage Surges，IEEE Transactions on Dielectrics and Electrical Insulation Vol.13，No.1，February 2006 G.Theil，Outage Data Analysis – The Base for High Voltage Network Reliability Assessment， 2003 IEEE Bologna PowerTech Conference，June 23-26，Bologna，Italy E.M.Gulachenski，P.M.Besuner，Transformer Failure Prediction Using Bayesian Analysis， IEEE Transactions on Power Systems，Vol.5，No.4，November 1990 Yujia Zhou，Prediction of Weather-Related Failures of Overhead Distribution Feeders，8th International Conference on Probabilistic Methods Applied to Power Systems，Iowa State University，Ames，Iowa，September 12-16，2004

一种基于贝叶斯网络的变压器故障诊断方法[发明专利]

(10)申请公布号 (43)申请公布日 2013.08.14C N 103245861 A (21)申请号 201310160784.X(22)申请日 2013.05.03G01R 31/00(2006.01)(71)申请人云南电力试验研究院(集团)有限公司电力研究院地址650217 云南省昆明市经济技术开发区云大西路中段云电科技园申请人云南电网公司技术分公司(72)发明人张文斌王达达张少泉陈晓云孙树栋蔡志强徐先新(74)专利代理机构昆明大百科专利事务所53106代理人何健(54)发明名称一种基于贝叶斯网络的变压器故障诊断方法(57)摘要一种基于贝叶斯网络的变压器故障诊断方法，本发明采用三比值法对变压器油中溶解气体分析，气体的数据在真实运行环境中获得，利用TAN 算法完成贝叶斯网络结构和参数的学习，建立故障诊断模型并利用专家系统对其进行修正，用于对变压器的实时运行状态进行诊断。

本发明的有益效果为，解决了在不确定和缺少已知信息情况下变压器故障诊断问题，同时引入了基于贝叶斯网络的重要度分析方法，对故障机理的分析起到一定的辅助作用。

该发明能快速准确的对变压器故障进行诊断，为变压器维修决策的制定提供支持，有效的提高维修效率、降低电力系统运营成本。

(51)Int.Cl.权利要求书1页说明书7页附图5页(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书1页说明书7页附图5页(10)申请公布号CN 103245861 A*CN103245861A*1/1页1.一种基于贝叶斯网络的变压器故障诊断方法，其特征在于，采用三比值法对变压器油中溶解气体分析，气体的数据在真实运行环境中获得，利用TAN 算法完成贝叶斯网络结构和参数的学习，建立故障诊断模型并利用专家系统对其进行修正，用于对变压器的实时运行状态进行诊断；首先，针对电网常见故障的事实确定要识别的故障模式，以及可能与故障模式相关的影响因素；其次，收集故障模式和影响因素的数据集，并对数据集进行标准化处理；最后，综合数据挖掘和专家系统建立变压器故障诊断模型，将变压器故障诊断数据影响因素的值输入建立的贝叶斯模型中，利用推理得到的变压器状态与实际状态进行对比产生的混淆矩阵派分析模型的静态指标：可靠性、精度，利用ROC 曲线和Lift 曲线分析其动态指标，对影响变压器状态的各因素进行重要度分析，并且利用变压器的实时运行数据，来检验模型预测的实用性。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｅｕａｏ（ｏｈｎｌｔｃｅＵｉｓ）ａｉ０１０，ｅＰｖｃ，ａＣｉＥｅｒＰｗｒｖｒｔ，ｄｇ０３ＨｂｉｉｅＣｉ）ｄｃｉＮｒｈａｉｏｔｎｔｃｎｅｉＢｏｎ７ｙｅｒｎｈｏｎ
ＡＳＲＣ：ａａａｌｔｔｇａｔｎｆｍｒｌＢＴＡＴＡｖｉｂｅｉｄｔｆｒｓｒｅｆｔｓｌｅｎａｏａｏｓｒａｕｄｇｏｉａｉｏｐｔａｄｓ，ａｅａｎｔｏｉｎｓｒｎｍｌｅｂｅａｄａｓｎｗｒａｓｃｅｎｉｄｎＢｙｉｅｋｅａｈｎｃａｉｐｃｓｎｕｃｒｉｉｏａｏ，ｓｔａｓｇｂｔｏｒｅｉｎｅａｎｒｔｎＮｏｒａｌｆｓｇｔｎｍｉＢｐｉｙｏｆ（ｉＢｙｓｎｃｓｅｍｄｌＴＮｅａｇｅｔｎｉｎｖａｅａ）ｉｒｅＡ（ｅｍｎｄｖａｅｉｌｆｏ，ｔｕｓａｉｒｅａｅＢｙｓｎｃｓｅｍｄｌｄＡ（ａｅａｎｔｏａｅａ）ｉｒｏｅａＢＮＢｙｓｎｗｒｉｌｆｓａｉｎｉｅｋ
ｉ＝１
２贝叶斯网络分类器简介
贝叶斯网络分类器是一种典型的基于统计方法的分类模型。它以贝叶斯定理为理论基础，巧妙地将事件的先验概率与后验概率联系起来，利用先
种适当的折衷。２Ａ式（在ＴＮ分类器中）表示为
Ｐｉ．ｘ＝・ｃ・ｘｐ），，，）ａＰ；（Ｉ４（ＩＸ．ｎｃ－．，ｘ２（）ｎＰｉ）ａｉ（
ＺＵｎ－，Ｌ－ｎ，ｕ－ＨＹｇＷＵｚｇＬＸｅｕｏｌｉｉｅＩｙ（ｅＬｂｒｏＰｗｒｔＰｏｃｏａｄｎｍｃｕｔＭｏｉｒｇＣｎｏｕｄｒｉｒＫｙｏｔｏｏｅＳｓｍｔｔｎＤａｉＳｃｒｎｏｎａｄｔｌｅＭｉｓｏａａｒｆｙｙｅｒｅｉｎｙｅｉｙｔｉｎｏｒｎｎｔｆｙ
网络等引起了者们的兴３。学趣［１然而，数方法需－７多
要信息准确、完备，方能得到比较满意的结果。由于变压器的测试受检测条件和人员水平的限制，测试结果中存在一些错误、虚假数据，所以应用传统的刚性推理技术会得出错误的结论，因而需要应用
ｏｅｒｉｔｒｇｓｂｅｄｇｏｎａｒｃ．ｖｒｉｄｏｏｈａｄｎｓｇｐａＴｅ－ｇｉｆｙｕｅｓｔｉｉｐｏｈｈａｃｍｕｎｔｔｏｄｇｏｉａｕｌｐｓｔｎｏｅｏｐｔｇｓｉｎｓｇａｓｌｏｒｓｒｒｉｅｆｓａｎｃｔａｅｆｆｍｍａｆｌｓｏｔｔｄｇｏｎｐｒｒａｃｏｔｐｐｓａｔｈｗａｔｉｎｓｇｆｍｎｅｈｒｏｅｕｓｈｈａｉｅｏｅｆｏｄｅｈｂｄｒａｐｖｉｔｔｓａｔＢｙｓｎｗｒｙｒａｐｃｒａｓｏｅｒｅａｅａｎｔｏｉｐｏｈｌｈｆａｄｉｅｋｅａｐ
ａｄｎｅｔｎｌｔｃｌｓｔｎｃｓｒｔｂｔｔｎｃｖｎｏａｅｃｉｔｔａｅｅｓａｒｕｓｏｉｌｒａｅｓｈｅａｔｅｏｅｓｙｉ
ｃｓｙｗｒｓｒｅｓｌｔｅＴｅａｎｈｂｄｌｉｐｅｔｎｆｍｒｆｔｓｈｒｔｇｒｓａｆｏｒｏ＇ａｙ．ｅｉｙｉａｕｐｌｃｓｉｓＢＲ，ＮＲａｄＮＲ，ｅｏｇｌｉｒａＮ－ＳＴ－ＳＢ－ＳｈｖｓｎｓｅｒａｆｅＡｎＡａｔｒａｉｔｄａｗｔｔｌｋａ，ｈｖｔｅｏｔｅｎｅｂｔｅｉｈａｏｄｔａｄｅｒｒｏｒｃｉｌｏｌｅｆｎａｈｒ－ｌａｙｈｃａｅ
式中ｐ‘ ｉ父节点集。ａ为ｘ的
ＢＮ分类器改进了朴素贝叶斯分类器的条件Ａ独立性假设，并取消了ＴＮ分类器有关属性变量Ａ之间必须符合限定性树状结构的要求，它假定属性变量间存在贝叶斯网络关系，从而能够表达属性变量间的各种依赖关系。
ｉ＝１
ｄｔａｄｇｏｉａｐａｈｗｉｉｅｒｅｔＢｙｓｎａ，ｗｎｓｇｒｃ，ｃｎｇａｓａｅａａｎｉｅａｎｐｏｈｈｔｈｔｅｉｎｔｏｃｓｉｓｒｇｓ（Ｓｉｐｐｓｉｔｌ．ｅｒｌｉｒｗｔｏｈＲ）ｓｏｄｉｙＴｅｗｋｆｉｕｅｓａｅｈｔ，ｏｒｅｎａｈｉ
ｂｅｃｓｅａｔｒｇｓｂｅａｒｃ．ｓｌｆｓｅｅｓｐａａｄｉｒｎｈｏｈａｄｏｈｓａｉｄｕｔｐ
ＫＹＯＤ：ｅｔｎｆｍｒＦｕｄｇｏｉＢｙｓｎＥＷＲＳＰｗｒｓｒｅａｌｉｎｓ；ｅａｏｒｏ；ｔａａｓａｉｎｔｏｃｓｉ；ｇｓ；ｅａｉｅｎｅｅｒｌｉｅＲｕｈＵｃｔｎｒｃｗｋｆｒｏｅｎｒｉｎｅｓａｔｆ
集、ＡＴＮ粗集和ＢＮＡ粗集分类器。验表明的实提出三种洱合
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。
关键词：电力变压器；故障诊断；贝叶斯网络分类器；粗糙
ａｇｅｔｎｖＢｙｓｎｃｓｉｍｄｌｔｎｏｅｕｍｎｄｅｅａ）ｉｒｅｆｒｓｒｒｅｔｉａｉｌｆｏｏａｆｍｓｓａｅｒｆｌｄｇｏｓｒｅｔ．ｅｓｅｅａｎｓｇａｔｎｓａｐｓｅＴｎｒｔｄｇｏｎｕｉｉｒｅｎｄｏｕｈｉｉａｅｃｒｃｅｗｅｔｒｉｓｒｇｏｓｅｌｓｒｅｔｔｇｏｅｎｓｈｎｅｈｔｅｅｒｔｎｏｒｉｒｔｓｈｓａｆａｒｆｍｅｎｅｏｖａｓ
验信息和样本数据确定事件的后验概率［１１４２］－
令Ｕ１２．，Ｘ，，）＝，．Ｃ是离散随｛Ｘ．Ｘ，机变量的有限其中Ｘ，．。属性变类变量ｃ集，１２．Ｘ，是．Ｘ，量，的取值范围ＣＣ．Ｃ｝ｘ属性Ｘ的值。为｛，，．ｍ，ｌ，ｔ２．是，取实
例Ｉ（，，，）于ｉ概由叶定｀ｘ．Ｘ属类ｃ率贝斯理＝ｘ２．．ｉ．的
表示为
粗糙集理论是一种处理模糊性和不精确性问题的新型数学工具，能够在保留关键信息的前提下（）１）ａＰｊＰ１－．ｃ布称．ｘＩ－（）（，，ｃ・ｘＸ＂ｊ（２１式中ａ为正则化因子；Ｐｊ类Ｃ（）ｉｃ的先验概率，对知识进行处理，并求得知识的最小表达。为
ｃｐｂｔＳｔｙｖｏｅｏｅｅｅｋｅｏｔａａｉ．ｈｈｅｒｍｔｗａｎｓｆｉｌｙｏｅａｖｃｈｓｈｅ
是最方便、最有效的手段之一［１因为变压器油中［。１－３溶解气体并不携带足够的故障部位信息，所以近来
以溶解气体分析为主结合其它电气试验结果的综合诊断方法如概率推理、判决树、信息融合、Ｐｔｅｉｒ
第２卷第１期５０２０年５０５月文章编号：０５－１（０５１－１９０２８０３０）０５－８２０７
中国电机工程学报
ｏｔｅＥＥｆＣＳｈ
Ｖｌ５．ｙ５ｏ２Ｎ１Ｍａ２０．ｏ００００５ｉ．ｃｏＥｅ．ｎ．２０Ｃｎｏ．ｒｃｇｈＳｆｌＥ
柔性方法来处理。［基于粗糙集理论提出了一文献［８］
种处理不完备信息的电力变压器故障诊断方法，取得了较好的结果。但是，在样本缺少关键信息的情况下，诊断正判率过低。贝叶斯网络对于解决复杂系统不确定因素引起的故障具有很大的优势，被认为是目前不确定知
摘要：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，提出了用文中于变压器故障诊断的Ｎ．Ｎ和ＢＮ三种贝叶斯分类器模ＢＴＡＡ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ｈ１粗
集；不确定性推理
பைடு நூலகம்
１引言
变压器故障诊断一直倍受电业部门的重视，目前诊断手段较多，而油中溶解气体分析技术被认为
ａｐａｕｓｒｕｓｉｏｅｇ－－ｌｙｉ（Ｇ）ｐｒｃｓｔｅｌｏｄｓｖｄｉｏａａｓＤＡｏｈｈｓｔｆｌａｎｉｎｌｓｅｅｓｓ
识表达和推理领域最有效的理论模型［１９１。贝叶斯网
络用概率测度的权重来描述数据间的相关性，从而
万方数据
中国电机工程学报
第２卷５
解决了数据间的不一致性，甚至是相互独立的问题，能够方便地处理信息不完备问题［１１１０］－贝叶斯网络分类器和粗糙集方法都具有处理不完备数据的能力，但是直接使用这两种方法在缺失关键属性时由于正判率较低而无法满足故障诊断的实际需要。因此，本文将贝叶斯网络分类器与粗糙集有机地结合应用到变压器故障诊断中，综合溶解气体分析和其它电气试验数据建立了变压器