基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质，旨在解决现有技术中故障诊断方法仅有正常和异常两种状况，且仅用两种状态无法详细描述变量变化趋势及变量之间正反作用的影响关系的缺陷性技术问题。本发明专利技术在多变量时序系统中进行故障推理诊断，首先定义多变量时间窗口数据和两个线性片段并获取最佳分割点，根据最佳分割点求解两段线性片段，再对后一段线性片段采用正常、上升、下降、正步和负步五种状态进行描述，根据变量的因果关系构建因果关系网络，实时利用定性趋势分析方法判断每个变量的状态，利用五状态贝叶斯网络进行推理诊断，判断当前系统发生故障的根本原因和故障传播路径。路径。路径。

【技术实现步骤摘要】
基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质


[0001]本专利技术属于故障诊断领域，涉及一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法、系统、设备及存储介质。

技术介绍

[0002]多变量时序系统发生故障时，经常会有多个变量发生异常偏离，工作人员很难根据经验快速判断故障的根本原因。故障推理诊断的目的是根据异常变量的变化趋势，推理诊断出导致系统发生故障的根本原因，并给出故障传播路径。故障推理诊断的结果对于工作人员了解系统状态与故障类型有着重要的指导意义，也能够辅助工作人员根据识别与诊断结果对操作变量进行手动调整，使系统尽快调整到其正常状态，避免更加严重的事故发生。
[0003]现有故障推理诊断方法通常是只将变量判断成正常和异常变量，每个变量的状态数为2，并不能反映每个变量的变化趋势。变量的变化趋势对于工作人员了解系统状态同样有着重要作用。
[0004]其他的贝叶斯网络故障诊断方法通常只有2种状态(正常、异常)，实际情况下，仅用两种状态无法详细描述变量的变化趋势，以及变量之间的正反作用的影响关系。例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，包括：将多变量时序数据整理成多变量时间窗口数据；通过多变量时间窗口数据寻找最佳的分割点来获取两个线性片段，对线性片段采用五种趋势状态进行描述；构建变量因果关系网络，并根据变量的因果关系网络，构建五种状态的贝叶斯网络，计算五种状态的贝叶斯网络中节点状态之间的条件概率信息；利用条件概率信息对变量的实际趋势状态进行诊断，获取故障产生原因及故障传播途径。2.根据权利要求1所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，多变量时序数据有两个维度：一个变量维度，表示每一个变量；一个时间维度，表示每一个采样点；将多变量时序数据整理成固定定时间长度的多变量时间窗口数据，其中，L为10min～10h。3.根据权利要求1所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，两个线性片段的表达式如公式(1)和公式(2)所示：特征在于，两个线性片段的表达式如公式(1)和公式(2)所示：其中，i表示多变量时间窗口数据内的采样时刻，和分别表示两个线性片段的开始时刻；和分别表示两个线性片段中变量在和时刻的测量值；p1和p2是两个线性片段的斜率；使用最小二乘法进行拟合得到两个线性片段的斜率p1和p2，两个线性片段的斜率p1和p2的计算方法如公式(3)和公式(4)所示：的计算方法如公式(3)和公式(4)所示：其中，t
k
表示两个线性片段的分割点，t
k
＝5,6,
…
,L
–
5；1～t
k
为前一段片段，t
k
+1～L为后一段片段；和分别表示两个线性片段内采样时刻的平均值，和分别表示两个线性片段内测量值的平均值。4.根据权利要求3所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，采用遍历法寻找分割点分割点的计算公式如公式(5)所示：将预测值和和测量值y1和y2差值的绝对值之和作为拟合误差，通过寻找最小拟合
误差作为两个线性片段的分割点5.根据权利要求3所述的基于定性趋势分析和五状态贝叶斯网络的故障诊断方法，其特征在于，对后一段片段用正常、上升、下降、正步和负步来描述；当|p|≤p
th
且|I
d
|＞h
tc
且I
d
>0，后一段片段为正步；当|p|≤p
th
且|I
d
|＞h
tc
且I
d
＜0，后一段片段为负步；当|p|≤p
th
且|I
d
|≤h
tc
，后一段片段为不变；当|p|＞p
th
且p＞0，后一段片段为上升；当|p|＞p
th
且p＜0，后一段片段为下降；其中，I

【专利技术属性】
技术研发人员：吴昊，傅望安，高建忠，任鑫，武青，祝金涛，吕亮，朱俊杰，苏人奇，
申请(专利权)人：华能浙江能源开发有限公司清洁能源分公司，
类型：发明
国别省市：