基于贝叶斯网络和粗糙集约简的变压器故障诊断

摘要：

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.

关键词：变压器、故障诊断、决策表、贝叶斯网络、粗糙集、知识约简

所属期刊栏目：46

分类号：TM407(变压器、变流器及电抗器)

资助基金：中国南方电网有限责任公司科技项目K-SZ2012-070

在线出版日期：2013-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：75-79