基于3层贝叶斯网络的变压器综合故障诊断

被引:71
作者
白翠粉 [1 ]
高文胜 [1 ]
金雷 [1 ]
于文轩 [2 ]
朱文俊 [3 ]
机构
[1] 清华大学电机工程与应用电子技术系
[2] 清华大学计算机科学与技术系
[3] 广东电力科学研究院
关键词
不良工况; 故障模式; 异常征兆; 贝叶斯网络; 并发故障; 最大可能解释;
D O I
暂无
中图分类号
TM407 [维护、检修];
学科分类号
080801 ;
摘要
为了全面准确地诊断变压器故障,在已有研究基础上通过分析变压器不良工况、故障模式和异常征兆3者之间的因果关系,建立了基于3层贝叶斯(Bayes)网络的综合故障诊断方法。此方法可将不良工况纳入模型,与异常征兆一起作为证据信息,弥补了现有诊断方法因缺少对不良工况的分析以致证据信息不完备这一不足。在此3层Bayes网络模型下,利用Bayes网络推理方法,可获得网络中的最大可能解释,它包含了变压器当前状态下可能性最大的故障模式组合和其他未检测的异常征兆的可能状态,并包含并发故障模式,为下一步诊断试验提供了重要依据。
引用
收藏
页码:330 / 335
页数:6
相关论文
共 18 条
[1]   基于相对重构贡献的变压器故障诊断方法 [J].
唐勇波 ;
桂卫华 ;
欧阳伟 .
高电压技术, 2012, 38 (11) :2964-2971
[2]   采用自组织RBF网络算法的变压器故障诊断 [J].
付强 ;
陈特放 ;
朱佼佼 .
高电压技术, 2012, 38 (06) :1368-1375
[3]   可拓神经网络在变压器故障诊断中的应用 [J].
张俊彩 ;
钱旭 ;
周玉 .
计算机工程与应用 , 2011, (07) :8-11
[4]   RST和NBN用于电力变压器故障诊断 [J].
黄辉先 ;
肖桂枝 ;
阳敏 .
高电压技术, 2009, 35 (07) :1589-1594
[5]   基于小波神经网络和D-S证据理论的电力变压器故障诊断研究(英文) [J].
梁流铭 ;
陈伟根 ;
岳彦峰 .
高电压技术, 2008, 34 (12) :2694-2700
[6]   贝叶斯网络推理算法综述 [J].
厉海涛 ;
金光 ;
周经伦 ;
周忠宝 ;
李大庆 .
系统工程与电子技术, 2008, (05) :935-939
[7]   110kV及以上变压器事故与缺陷统计分析 [J].
王梦云 .
供用电, 2007, (01) :1-5
[8]   基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法 [J].
王永强 ;
律方成 ;
李和明 .
中国电机工程学报, 2006, (08) :137-141
[9]   基于证据推理的电力变压器故障诊断策略(英文) [J].
董明 ;
严璋 ;
杨莉 ;
MDJudd .
中国电机工程学报, 2006, (01) :106-114
[10]   2004年度110kV及以上变压器事故统计分析 [J].
王梦云 .
电力设备, 2005, (11) :35-41