基于粗糙集和貝葉斯的電網(wǎng)故障診斷系統(tǒng)的研究應(yīng)用.pdf

1、電力在人們的生活和生產(chǎn)中起到非常重要的作用，因此近年來(lái)，對(duì)電網(wǎng)故障診斷的研究已經(jīng)成為了一個(gè)研究熱點(diǎn)。目前學(xué)者提出了很多的電網(wǎng)故障診斷方法，如專家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)，遺傳算法等等。這些方法雖然都能在一定程度上解決問題，但是也存在著諸如知識(shí)獲取困難或參數(shù)設(shè)置困難等問題。
　　本文在充分研究各種電網(wǎng)故障診斷的方法的基礎(chǔ)之上，考慮到電網(wǎng)中的診斷信息存在著冗余性和不完備性的特點(diǎn)，提出了將粗糙集理論和貝葉斯網(wǎng)絡(luò)相結(jié)合的電網(wǎng)故障診斷方法。首先為

2、了避免大規(guī)模電網(wǎng)中的決策表太大，導(dǎo)致診斷過(guò)程變得復(fù)雜的問題，本文首先將電網(wǎng)劃分成既獨(dú)立又互聯(lián)的子網(wǎng)。然后再對(duì)每個(gè)子網(wǎng)的決策表使用一種基于信息熵的互信息約簡(jiǎn)算法進(jìn)行屬性約簡(jiǎn)，減少?zèng)Q策表中的屬性個(gè)數(shù)，進(jìn)而降低貝葉斯網(wǎng)絡(luò)建模和推理的復(fù)雜度。當(dāng)系統(tǒng)接收到實(shí)時(shí)故障信息后，就可以利用已經(jīng)建立好的貝葉斯網(wǎng)絡(luò)模型進(jìn)行診斷推理，找出在該種實(shí)時(shí)故障信息發(fā)生的條件下，發(fā)生概率最大的故障的類型。為了證明基于粗糙集和貝葉斯的電網(wǎng)故障診斷方法的有效性，本文利用Ma