电力设备状态评估是状态检修的关键一环。为了解决电力设备健康状态评估结果准确性不高这一问题,该文设计了一种基于最优云熵-灰云证据的中高压断路器健康状态评估方法,该方法以云模型和证据理论为基本理论框架。选取适当的定性和定量...电力设备状态评估是状态检修的关键一环。为了解决电力设备健康状态评估结果准确性不高这一问题,该文设计了一种基于最优云熵-灰云证据的中高压断路器健康状态评估方法,该方法以云模型和证据理论为基本理论框架。选取适当的定性和定量评价指标建立综合评估体系;在灰云模型的基础上引入最优云熵,结合大数定理对所得隶属度进行二次处理最终确定状态区间隶属度,并将其作为证据理论的基本信度分配(Basic Probability Assignment,BPA);利用不确定系数对BPA进行二次更新;通过改进证据融合规则进行证据融合,所得结果转化为相应的健康指数使评估结果更为直观。实例分析表明,该方法能很好地处理评价过程中的模糊性及随机性,具有一定的参考价值。展开更多
文摘电力设备状态评估是状态检修的关键一环。为了解决电力设备健康状态评估结果准确性不高这一问题,该文设计了一种基于最优云熵-灰云证据的中高压断路器健康状态评估方法,该方法以云模型和证据理论为基本理论框架。选取适当的定性和定量评价指标建立综合评估体系;在灰云模型的基础上引入最优云熵,结合大数定理对所得隶属度进行二次处理最终确定状态区间隶属度,并将其作为证据理论的基本信度分配(Basic Probability Assignment,BPA);利用不确定系数对BPA进行二次更新;通过改进证据融合规则进行证据融合,所得结果转化为相应的健康指数使评估结果更为直观。实例分析表明,该方法能很好地处理评价过程中的模糊性及随机性,具有一定的参考价值。