基于贝叶斯网络的变压器故障综合诊断.pdfVIP

基于贝叶斯网络的变压器故障综合诊断 聂 岩，刘建新，吴立增，李 中 （华北电力大学，河北 保定 071000 ） 摘 要：根据变压器故障机理复杂，故障类型与故障征兆 1 贝叶斯网络 间联系具有不确定性，并且一台故障变压器可能同时存在 1.1 贝叶斯网络简介 多个故障，其征兆相互叠加等特点，建立了一个贝叶斯网 贝叶斯网络，又称因果网络，信度网络，是 络诊断模型，该模型综合了DGA 试验和其它电气试验结 果所提供的故障征兆信息，有效地提高了故障定位和分类 一种带有概率注释的有向无环图 （DAG ）。它以 的能力。同时，根据各种故障产生的机理对故障类型和征 有向图的形式表示随机变量间的因果关系，并通 兆作了条件独立假设，在保证诊断效率的前提下简化了网 过条件概率将此关系量化。 络，提高了模型的计算速度。通过对30 例单一故障样本 和5 例多故障样本诊断的实验表明，该模型对数据缺失较 假设X X 1,X 2 , ,X n 是一有限随机变 少的单一故障样本具有较高的诊断效率，对同时存在多故 量集合，一个贝叶斯网络可以用一个二元组 障的变压器也具有一定的诊断能力。 B G, Θ 表示，其中G 表示一个有向无环图，   关键词：电力变压器，故障诊断，贝叶斯网络，油中气体 其结点与随机变量X 1,X 2 , X n 一一对应，有向 分析，电气试验 边表示变量间的条件依赖关系，变量X i 与它的非 子孙结点间相互独立。Θ是对结点的条件概率参 0 引言 数集，x ,pa P xi pai 表示在一特定父结点组 i i 电力变压器是电力系统中重要的运行设备， 合pa 下X x 的条件概率。变量集合X 的联 i i i 其运行状态直接关系到电力系统的安全性和可靠 合概率分布为： 性。油中气体分析 （DGA ）是目前对油浸式变压 P X P X Pa     i i  器故障进行状态评估和故障诊断最主要的手段之 i 1.2 贝叶斯网络推理 一，可以有效地显示出变压器的潜伏性故障。但 贝叶斯推理就是由DAG 编码的联合概率分 DGA 方法并不包含足够的信息来对故障类型和 布计算某一特定待求概率值的过程。实现贝叶斯 位置进行精确定位，因此，在实际诊断过程中， 网络精确推理的算法主要有团树传播算法、多树 还需综合其他电气试验及油质分析试验结果。变 传播算法、组合优化法和图约简法。本文采用的 压器故障机理复杂，各种试验结果所显示的征兆