一种基于贝叶斯网络和故障树的变压器故障诊断方法技术

本发明专利技术公开一种基于贝叶斯网络和故障树的变压器故障诊断方法，其包括：构建贝叶斯网络结构，依托于针对变压器的排故资料建立由测试节点

【技术实现步骤摘要】
一种基于贝叶斯网络和故障树的变压器故障诊断方法


[0001]本专利技术涉及变压器故障诊断技术，尤其涉及一种基于贝叶斯网络和故障树的变压器故障诊断方法
。

技术介绍

[0002]随着我国电网规模的不断扩大，电网运行的复杂程度也急剧增加，变压器作为保障电网稳定运行的关键设备，其故障诊断方法仍较为传统，偏向于依靠规则和专家经验诊断，诊断的过程缺乏解释性和直观性，且在时效性
、
可靠性和通用性等方面也都难以满足复杂环境下变压器故障诊断的最新要求
。
目前，国内外变压器故障诊断分析方法主要现状和问题总结如下：（1）基于数学模型建模的变压器故障诊断方法，变压器内部组件众多
、
结构复杂且部件之间关联性较强，导致部分部件的故障数据信息是不完备的
、
不完整的，这类部件无法使用明确的数学模型；（2）基于有监督学习方法的变压器故障诊断方法，需要大量进行信息标注的故障标签数据，并且很多算法在数据质量上有很高的要求，且某些变压器数据获取难度较高；（3）基于无监督学习的变压器故障诊断方法，此类方法能够挖掘出多维关联变量之间的非线性映射关系，并以此构建诊断精度较高的故障诊断模型
。
但是存在着难以解释和缺乏可扩展性等缺陷
。
[0003]因此，有必要专利技术一种基于贝叶斯网络和故障树的变压器故障诊断方法
。
考虑到变压器故障诊断过程可解释性的需求和数据获取不易的实际问题，本专利技术使用贝叶斯网络和故障树完成变压器故障诊断分析的过程
。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例，在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分
、
说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围
。
[0005]因此，本专利技术所要解决的技术问题将知识图谱应用到变压器故障诊断领域中，融合数据驱动方法和知识驱动方法的优点，以知识图谱为媒介存储故障树，实现对变压器故障的高效诊断，并根据故障类型为检修人员提供检测方法和维修建议
。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一种基于贝叶斯网络和故障树的变压器故障诊断方法，其特征在于：包括构建贝叶斯网络结构，依托于针对变压器的排故资料建立由测试节点
、
故障节点和部件节点构成的贝叶斯网络故障诊断模型；进行贝叶斯网络推理，实现基于贝叶斯网络和故障树的变压器故障诊断；分析故障树内容，得到故障节点，确定功能试验和故障之间的影响关系，建立包含测试节点和故障节点的贝叶斯网络；所述贝叶斯网络结构使用知识图谱得到的
Data
数据中的结构数据，经过数据处理后，得到形式的数据以构建贝叶斯网络结构；计算条件概率表，此部分使用的是
Nosiy
‑
Or
算法，算法输入为根节点的先验概率，点对间的条件概率；
完成完整贝叶斯网络的构建，将前两部生成的贝叶斯网络结构
, 条件概率表合并，得到完整的贝叶斯网络；通过进行联合树推理，完成由证据节点确定待预测故障原因节点的发生概率的工作；通过故障树向贝叶斯网络转化的原理步骤：（1）将检索得到的故障树结构作为贝叶斯网络的基本结构；（2）依据故障案例和专家的先验知识对贝叶斯网络的先验概率赋值；（3）依据
Nosiy
‑
Or
算法对贝叶斯网络的条件概率表赋值
。
[0007]作为本专利技术所述基于贝叶斯网络和故障树的变压器故障诊断方法的一种优选方案，所述
Nosiy
‑
Or
算法是逻辑“或”的泛化，当所有前提条件都为假时，其结果事件为假；节点事件发生用“Ｔ”表示，不发生用“Ｆ”表示
。
用下式表示父节点
X
独立影响导致子节点
Y
发生的概率；采用
Nosiy
‑
Or
模型计算条件概率的公式如下：在实现
Nosiy
‑
Or
算法时，首先获得所有节点，然后除去根节点，因为先验概率由参数传入，随后循环剩下的节点，计算条件概率值
。
[0008]作为本专利技术所述基于贝叶斯网络和故障树的变压器故障诊断方法的一种优选方案，所述贝叶斯网络可以根据观察到的数据来做假设改变网络中的先验数据，并逐步影响整个网络；联合树算法将有向图转换为树，从而减少计算的难度
。
[0009]作为本专利技术所述基于贝叶斯网络和故障树的变压器故障诊断方法的一种优选方案，所述联合树算法的步骤：（1）将有向图转换为无向图；（2）将无向图三角化；（3）将三角化的图转换为树，组成一张联通图；（4）寻找这张图的根，并寻找最大生成树，从而得到最终的结果
。
[0010]作为本专利技术所述基于贝叶斯网络和故障树的变压器故障诊断方法的一种优选方案，还包括故障诊断推理，故障诊断推理可以得出故障现象与故障原因间的因果关系，电气设备故障树构建的贝叶斯网络的规模，能够精确推理算法的耗时及联合树算法的效率
。
[0011]本专利技术的有益效果：提供一种故障树即故障机理的存储方法，能够将变压器的故障机理知识持久化存储；根据变压器不同故障形成不同的检索条件，并检索
neo4j
数据库获取不同的故障树，并以此构建贝叶斯网络；依据故障机理进行故障推理并给出故障原因；将知识图谱应用到变压器故障诊断领域中，融合数据驱动方法和知识驱动方法的优点，以知识图谱为媒介存储故障树，实现对变压器故障的高效诊断，并根据故障类型为检修人员提供检测方法和维修建议
。
本专利技术不需要大量的标注知识，依靠导则和变压器故障案例等专家知识便可以获得变压器故障机理，获得较为完整的变压器故障机理；依靠贝叶斯网络和故障树进行变压器故障分析，具有较强的可解释性，故障分析过程与因果关系明确，对于变压器的故障分析具有更好的指导作用
。
针对变压器许多故障诊断方法具有黑箱特性，并未考虑故障机理，而造成诊断效果不佳的问题，建立了变电设备故障诊断的贝叶斯网络与故障树，实现了多元信息的有效融合
。
附图说明
[0012]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图
。
其中：图1为本专利技术提供的一种实施例基于贝叶斯网络和故障树的变压器故障诊断方法的贝叶斯网络转化为树流程图；图2为本专利技术提供的一种实施例基于贝叶斯网络和故障树的变压器故障诊断方法的变压器故障诊断分析流程图；图3为本专利技术提供的一种实施例基于贝叶斯网络和故障树的变压器故障诊断方法的故障诊断推理实施流程图
。...

【技术保护点】

【技术特征摘要】
1.
一种基于贝叶斯网络和故障树的变压器故障诊断方法，其特征在于：包括构建贝叶斯网络结构，依托于针对变压器的排故资料建立由测试节点
、
故障节点和部件节点构成的贝叶斯网络故障诊断模型；进行贝叶斯网络推理，实现基于贝叶斯网络和故障树的变压器故障诊断；分析故障树内容，得到故障节点，确定功能试验和故障之间的影响关系，建立包含测试节点和故障节点的贝叶斯网络；所述贝叶斯网络结构使用知识图谱得到的
Data
数据中的结构数据，经过数据处理后，得到形式的数据以构建贝叶斯网络结构；计算条件概率表，使用的是
Nosiy
‑
Or
算法，算法输入为根节点的先验概率，点对间的条件概率；完成完整贝叶斯网络的构建，将前两部生成的贝叶斯网络结构
, 条件概率表合并，得到完整的贝叶斯网络；通过进行联合树推理，完成由证据节点确定待预测故障原因节点的发生概率的工作；通过故障树向贝叶斯网络转化的原理步骤：（1）将检索得到的故障树结构作为贝叶斯网络的结构；（2）依据故障案例和专家的先验知识对贝叶斯网络的先验概率赋值；（3）依据
Nosiy
‑
Or
算法对贝叶斯网络的条件概率表赋值
。2.
根据权利要去1所述基于贝叶斯网络和故障树的变压器故障诊断方法，其特征在于，所述
Nosiy
‑
Or

【专利技术属性】
技术研发人员：谢海疆，
申请(专利权)人：江苏前景瑞信科技发展有限公司，
类型：发明
国别省市：