基于知识粗糙度的多变量决策树在变压器故障诊断系统中的应用.pdfVIP

电力自动化设备 V01．25No．10 @乏篙0穿 ElectricPowerAutomation Oct．2005 Equipment 基于知识粗糙度的多变量决策树在 变压器故障诊断系统中的应用 黎静华．栗然 (华北电力大学电气工程学院，河北保定071003) 摘要：详细介绍了利用粗糙集的基本理论构造变压器的多变量故障决策树的具体过程．考虑了属 性间的关联性，避免了生成决策树时故障特征的重复检测．适用于大量样本的自动处理．具有较好 的自组织性和自适应性。通过粗糙集分辨矩阵确定多变量检测特征的选取．将相对泛化的概念用 于构造多变量检验，采用知识粗糙度作为选择决策树属性的度量．方便有效地解决了构造多变量 故障决策树的关键问题。与传统的信息熵算法相比，基于知识粗糙度的决策树计算量大大减少．且 可能得到最优的故障树。故障实例分析表明，该方法有效地简化了决策树，减少了故障信息的冗 余性．诊断效率高．结果易于被人理解。 关键词：电力变压器；故障诊断；粗糙集理论；知识粗糙度：多变量决策树 401 中图分类号：TM 文献标识码：A O引言 1粗糙集的基本概念 电力变压器是电力系统最重要的电器设备之 粗糙集理论是一种处理模糊和不确定知识的新 一，一旦发生故障，将带来巨大的经济损失。因此， 型数学工具．能有效地用于知识约简和知识依赖性 建立智能诊断系统保证变压器的安全可靠运行．具 分析．能够在保留关键信息的前提下对知识进行处 有非常重要的意义。 理。并求得知识的最小表达。 近年来．人们将数据挖掘技术应用于变压器故 障诊断智能系统中．从大量的诊断样本中挖掘出对 系统，其中U为所考虑对象的非空有限集合．称为论 决策具有重要参考价值的信息，这将是探索变压器 域；A为属性的非空有限集合；y=un，而y。为属 nEA 故障诊断的一条新途径。文献[1]将单变量判决树方 性口的值域；厂：U×A—y是一个信息函数，V戈∈U， 法用于变压器故障诊断．可以方便地处理含有非特 口∈A，厂(石，o)Ey。，对于给定对象戈，．厂(石，o)赋予对象 征模式的故障样本，且能从样本中学习诊断规则，具 石在属性口下的属性值。信息系统也可以简记为 有良好的适应性。但是单变量决策树对很多复杂概 5=(U，A)。 念的表达变得困难甚至无法表达．主要表现为决策 信息系统可以用数据表格表示．表格的行对应 树中子树的重复和有些故障特征在一棵决策树中的 论域中的对象，列对应描述对象的属性。一个对象 某一路径上被多次检验。文献[2]将多变量决策树引 的全部信息由表中一行属性的值反映。 入变压器故障诊断．在树的一个节点上可以同时检 测多个征兆的状况，能有效地简化和描述知识．快速 域且U={戈。，z：，…，戈。}，A是条件属性，D为决策属 得到诊断结果。但该文中只是提出用分辨矩阵选取