贝叶斯网络在电力系统故障诊断中的应用.pptx

Bayesian Network ——在电力系统故障诊断中的应用 组员：XXXXXXX 黑球？白球？ 贝叶斯定理 举例： 检测社交网络中账户的真实性 R表示账户真实性H表示头像真实性 R=0 R=1 0.11 0.89 贝叶斯网络 贝叶斯网络 一般情况下，多变量非独立联合条件概率分布有如下求取公式 在贝叶斯网络中，由于存在前述性质，任意随机变量组合的脸和条件概率被化简成 贝叶斯网络建模 （1）确定变量集和变量域。 （2）确定网络结构。 （3）确定节点条件概率表。 简单输电线路模型 元件B2故障诊断的贝叶斯网络拓扑 元件 线路/百公里 母线/条 变压器/台 故障概率 0.1629 0.0058 0.0039 故障概 /% 线路主保护/台 母线主保护/台 变压器主保护/台 断路器/台 误动 0.23 0.06 0.14 0.48 拒动 0.07 3.08 0.62 0.83 表1 元件故障的先验概率表 表2 继电保护装置的拒动、误动概率表 故障诊断贝叶斯网络的赋值 元件B2状态 0 1 保护R2状态 0 1 0 1 条件概率/% 99.64 0.06 3.08 96.92 表3 继电保护节点R2的条件概率表 表4 继电保护节点R1sb的条件概率表 贝叶斯网络的故障诊断推理 根据继电保护信息的完备与否，应用相应的贝叶斯网络模型进行故障诊断。 在进行故障诊断推理时，利用贝叶斯网络的逆向推理功能，计算出各元件处于故障状态的后验概率，从而得出诊断结果。 基于贝叶斯网络的 电力系统故障诊断流程 谢谢观赏