變壓器的貝葉斯網(wǎng)絡(luò)故障診斷融合方法研究.pdf

1、隨著工業(yè)技術(shù)的不斷發(fā)展，電力變壓器作為輸配電系統(tǒng)中的一個重要設(shè)備，及時準確的檢測出變壓器早期的潛伏性故障對電力系統(tǒng)的正常運行具有重大的意義。本文在分析了變壓器油中溶解氣體分析技術(shù)的基礎(chǔ)上，研究了貝葉斯網(wǎng)絡(luò)、灰色系統(tǒng)理論和證據(jù)理論等人工智能方法，并用于解決變壓器故障診斷問題。
　　貝葉斯網(wǎng)絡(luò)是目前不確定知識表達和推理領(lǐng)域最有效的理論模型之一，通過貝葉斯網(wǎng)絡(luò)輸入的樣本集訓練歸納出的貝葉斯分類器可用來對未知分類模型的數(shù)據(jù)進行分類。本文針

2、對貝葉斯分類器單個區(qū)域中基本信任分配函數(shù)不變的問題，提出了改進的貝葉斯分類器的基本信度分配函數(shù)。實驗表明該方法準確且有效。
　　灰色系統(tǒng)理論以小樣本、貧信息不確定性系統(tǒng)為研究對象，通過從“部分”已知的信息中生成、開發(fā)、提取有價值的信息。本文將基于白化權(quán)函數(shù)的基本信度分配函數(shù)構(gòu)造方法引入變壓器故障診斷并提出一些改進。實驗驗證了該方法的準確性。
　　由于變壓器氣體征兆與故障之間存在復雜性和模糊性，各種故障診斷方法的判斷結(jié)果容易出