[發(fā)明專利]基于粗糙集和貝葉斯網(wǎng)絡(luò)的油浸式變壓器故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410512283.8
• 申請(qǐng)日: 2014-09-29
• 公開（公告）號(hào): CN104297589A
• 公開（公告）日: 2015-01-21
• 發(fā)明（設(shè)計(jì)）人: 張琪;王若星;王洪波;李秀珍;王璐;毛峰;郭夏;郭翀
• 申請(qǐng)（專利權(quán)）人: 國家電網(wǎng)公司;國網(wǎng)河南省電力公司檢修公司
• 主分類號(hào): G01R31/00
• 分類號(hào): G01R31/00
• 代理公司: 鄭州金成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 41121
• 代理人: 郭增欣

?

技術(shù)領(lǐng)域

本發(fā)明涉及一種油浸式變壓器故障診斷方法，尤其涉及一種基于粗糙集和貝葉斯網(wǎng)絡(luò)相結(jié)合的油浸式變壓器在線故障診斷方法。

背景技術(shù)

電力變壓器是電力系統(tǒng)中最重要的設(shè)備之一，它的正常運(yùn)行是整個(gè)電力系統(tǒng)可靠供電的基本保證，但由于電力變壓器故障的復(fù)雜性和多樣性，以及引起這些故障的原因非常復(fù)雜且不明顯，使得要準(zhǔn)確地判斷電力變壓器的故障類型相當(dāng)?shù)睦щy，因此其故障診斷技術(shù)的研究一直是國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)。

基于油中溶解氣體分析的三比值法是目前應(yīng)用最廣泛的診斷方法，它具有簡(jiǎn)單易用的特點(diǎn)，但是它也存在許多缺陷，如故障劃分區(qū)間過于絕對(duì)，編碼不全等。

專利公開號(hào)為：CN103197177A的中國專利公開了名為“一種基于貝葉斯網(wǎng)絡(luò)的變壓器故障診斷分析方法”的故障診斷方法。該方法依據(jù)最大后驗(yàn)概率準(zhǔn)則基于變壓器監(jiān)測(cè)數(shù)據(jù)進(jìn)行故障分類，有助于準(zhǔn)確、快速地診斷變壓器故障類型，但是沒有考慮各種屬性變量之間的聯(lián)系，油中各種氣體的含量或者各種氣體之間的比值與變壓器各種故障之間的關(guān)系是緊密相連和十分復(fù)雜的，而且每個(gè)屬性變量的權(quán)重也不一樣，該方法僅僅將C₂H₂、C₂H₄、?CH₄、?H₂、C₂H₆、CO₂、CO這些特征氣體分別作為屬性變量，容易造成診斷結(jié)果模糊，故障甚至無法判別。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題：克服現(xiàn)有技術(shù)的不足，提供一種簡(jiǎn)化診斷網(wǎng)絡(luò)規(guī)模、增強(qiáng)網(wǎng)絡(luò)的抗干擾性且提高故障診斷準(zhǔn)確率的基于粗糙集和貝葉斯網(wǎng)絡(luò)的油浸式變壓器故障診斷方法。

本發(fā)明的技術(shù)方案是：

一種基于粗糙集和貝葉斯網(wǎng)絡(luò)的油浸式變壓器故障診斷方法，包括以下步驟：a、根據(jù)IEC標(biāo)準(zhǔn)和DL/T?722-2000導(dǎo)則，確定故障類型；在原始樣本集中選取盡可能多的輸入故障特征矢量，確定輸入屬性集；

b、利用粗糙集理論中的數(shù)據(jù)離散化方法對(duì)故障數(shù)據(jù)集進(jìn)行離散化處理，建立離散化決策表，利用粗糙集理論中的Johnson’s?algorithm算法方法對(duì)離散化后的決策表進(jìn)行約簡(jiǎn)，去除冗余信息，減少了診斷所需屬性的個(gè)數(shù)，制定出訓(xùn)練樣本集和測(cè)試樣本集的數(shù)據(jù)離散化方法；

c、利用Matlab進(jìn)行貝葉斯網(wǎng)絡(luò)的構(gòu)建，確定貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、節(jié)點(diǎn)參數(shù)、網(wǎng)絡(luò)參數(shù)學(xué)習(xí)及推斷等；

d、初始化條件概率表，條件概率表(CPT)列出了每個(gè)結(jié)點(diǎn)相對(duì)于其父結(jié)點(diǎn)所有可能的條件概率，其對(duì)應(yīng)問題領(lǐng)域的定量描述；

e、進(jìn)行參數(shù)學(xué)習(xí)；建立推斷引擎，創(chuàng)建貝葉斯網(wǎng)絡(luò)之后可以用它來進(jìn)行推斷；

f、輸入測(cè)試樣本集，求解后驗(yàn)概率，判斷故障類別。

創(chuàng)建貝葉斯網(wǎng)絡(luò)的框架，除了指定圖形結(jié)構(gòu)，還要指定每個(gè)節(jié)點(diǎn)的大小和類型，如果一個(gè)節(jié)點(diǎn)是離散的，它的大小就是該節(jié)點(diǎn)可能采取的數(shù)值。

當(dāng)完整數(shù)據(jù)時(shí)，學(xué)習(xí)參數(shù)的方法有兩種：最大似然性估計(jì)learn?params和貝葉斯方法bayes?update?params；數(shù)據(jù)缺失時(shí)，如果已知網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)用EM算法來計(jì)算參數(shù)，倘若未知網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，則使用結(jié)構(gòu)最大期望SEM(Structural?EM)算法learn?struct?EM。

為了提高運(yùn)算速度，使各種推理算法能夠有效應(yīng)用，不同的引擎根據(jù)不同的算法來完成模型轉(zhuǎn)換、細(xì)化和求解。?所述故障類型分別為中低溫過熱、高溫過熱、局部放電、低能放電和高能放電。