基于3层贝叶斯网络的变压器综合故障诊断

为了全面准确地诊断变压器故障,在已有研究基础上通过分析变压器不良工况、故障模式和异常征兆3者之间的因果关系,建立了基于3层贝叶斯(Bayes)网络的综合故障诊断方法。此方法可将不良工况纳入模型,与异常征兆一起作为证据信息,弥补了现有诊断方法因缺少对不良工况的分析以致证据信息不完备这一不足。在此3层Bayes网络模型下,利用Bayes网络推理方法,可获得网络中的最大可能解释,它包含了变压器当前状态下可能性最大的故障模式组合和其他未检测的异常征兆的可能状态,并包含并发故障模式,为下一步诊断试验提供了重要依据。

计算最大积实例的新算法

最大积实例包括最大可能解释(MPE)和最大后验估计(MAP),它们是贝叶斯网络的基本问题。针对经典算法求最大积实例的时间复杂度高,提出新算法来求解该问题。该算法将求贝叶斯网络的最大积实例问题转变成一组一元一次方程,而一元一次方程很容易求解;通过临时表来缓存计算最大积概率时的中间结果,而这些临时表可以用来优化计算最大积实例而不需要过多的额外空间开销,并能够在贝叶斯查询之间共享。通过实验证实该算法计算贝叶斯网络实例时的高效性,在计算最大积实例时的有效性。