当前位置: > 硕士毕业论文 > 39500字硕士毕业论文贝叶斯网络在电力系统障碍中的应用

39500字硕士毕业论文贝叶斯网络在电力系统障碍中的应用

论文类型:硕士毕业论文
论文字数:39500字
论点:故障诊断,概率,电力系统
论文概述:

贝叶斯网络在电力系统故障诊断中的应用还只是处于探讨和实验的阶段,离现实还存在着很大的差距,另外贝叶斯网络理论本身还不是很成熟。近年来,贝叶斯网络之所以能够在众多不同领域得

论文正文:

第一章导言

1.1主题背景
目前,我国的故障诊断技术已经在化工和冶金行业得到了很好的应用。经过多年的研究和探索,故障诊断技术已经应用于飞机自动驾驶仪、人造卫星、核反应堆、汽轮机发电机、大型网络系统、石化工艺和设备、飞机和船舶发动机、汽车、冶金设备、采矿设备和机床等领域。随着传感器技术和测试分析技术的进步,依靠传统信号分析方法完成故障诊断的发展阶段逐渐形成。由于故障诊断是一个相当复杂的过程,在大多数情况下,只有一种方法不能解决这个问题。20世纪90年代以来,电力系统诊断技术发展迅速。因此,电力系统故障诊断是一个相当复杂的过程。
故障诊断技术在中国起步较晚,直到20世纪70年代才首次接触到设备故障诊断技术。早期故障诊断技术依赖于人的主观感受来直接分析状态,或者利用物理或化学原理和方法通过伴随故障的各种物理或化学现象来直接检测故障。电力系统故障诊断技术是一项与现代工业生产密切相关的技术。主要研究故障诊断和故障预测的理论、方法和实现技术。因此,必须从各种相关学科中广泛探索有利于故障诊断的原理、方法和手段,从而使故障诊断技术呈现出跨学科整合的鲜明特征。

1.2项目意义
电力系统故障诊断的研究具有重要的现实意义:随着电力系统的不断扩展和结构的日益复杂,大量报警信息在短时间内涌入调度中心,远远超出了操作人员的处理能力,经常导致工作人员判断失误和误判。当发生多重故障或扩展故障时,由于操作或设置错误等因素的存在,通常会出现不确定信息。电力系统故障诊断主要是分析各级各类保护装置产生的报警信息、电路状态变化信息、电压电流测量信息。根据保护动作的逻辑和操作人员的经验,估计可能的故障位置和故障类型。同时,为了适应各种简单复杂事故下故障的快速准确识别,需要电力系统故障诊断系统作为决策参考。随着电力系统调度自动化水平的不断提高,越来越多的报警信息通过各变电站的远程终端设备传输到各级电力系统调度中心,使得利用采集的实时信息诊断电力系统故障成为可能。此外,电力系统故障的仿真分析和仿真培训也可以通过电力系统故障诊断系统提高工作人员的经验和水平。电力系统故障诊断是利用关于电力系统及其保护装置的广泛知识和继电保护信息来识别故障元件的位置(区域)、类型和误操作的装置,其中故障元件的识别是关键问题。在故障分量识别的基础上,通过对继电保护工作原理及相关电量信息的推断和分析,可以识别出误动的保护和断路器,从而获得更全面的故障诊断结果。
传统的继电保护和故障诊断方法适应性有限,无法适应各种运行模式和诊断复杂故障。信息融合技术在输电线路故障诊断中的应用可以很好地解决这一问题。贝叶斯网络应用于电力系统故障诊断的主要原因是:电力系统运行模式的不确定性、收集信息的多样性、随机性、复杂性和相关性。例如,在电气设备的故障检测中,大约有20种待检测的量,并且许多特征量是相关的。系统越大,其不确定性越大,各种因素引起的检测的随机性和不确定性也越大。然而,贝叶斯网络由有向无环图和条件概率表组成。它利用概率论来处理不同知识成分之间条件相关所引起的不确定性,具有描述事件多态性和故障逻辑关系不确定性的优点。电力系统中一些概念的模糊性。例如,电气设备的状态在概念上是模糊的。故障的发生分为瞬时故障和慢变故障。在慢变故障中,从正常设备到故障征兆再到故障灾难是一个缓慢的过程,这表明电气设备的好坏有很大的模糊性,在此过程中许多电气设备的状态量是连续变化的。

1.3贝叶斯网络的发展和研究现状

1.3.1贝叶斯网络发展概述
贝叶斯网络,又称可靠性网络,是不确定知识表达和推理领域最有效的理论模型之一。,贝叶斯理论是贝叶斯网络的重要理论基础之一。在国内,清华大学研究了贝叶斯网络学习、贝叶斯网络推理及其在数据挖掘中的应用。重庆大学研究了贝叶斯网络学习和推理方法。当时,贝叶斯方法在19世纪还没有被普遍接受,因为在理论和实际应用中还存在许多不完善之处。20世纪初,遗传学家苏沃尔瑞(Sewallwrigh)提出了有向无环图,并成为经济学和社会学中广泛使用的因果表达模型。古德(I.J.Good)和阿兰图灵(AlanTuring)共同开发了概率表示方法和贝叶斯推断方法,可以被视为现代贝叶斯网络的先驱。影响图与有向无环图相结合来表示决策问题在20世纪70年代后期被用于决策分析,但在评价中仅使用枚举法。1982年,珀尔和金开发了一种在具有树或多树结构的网络上推理消息传输的方法,并阐述了构建因果概率模型的重要性。1988年,珀尔在总结和发展前人工作的基础上,完全提出了贝叶斯网络。20世纪,有效推理和学习算法的出现促进了贝叶斯网络的发展和应用。

第二章是十点网络理论

2.1贝叶斯网络相关理论知识
贝叶斯网络是为了处理人工智能研究中的不确定性而发展起来的。人工智能出现于20世纪50年代中期。其目的是研究人类智能的机制,提供智能行为的计算模型,进而构建具有智能行为的系统。专家系统是人工智能的一个子领域。其目标是将复杂领域的专家知识和经验引入计算机系统,以便更多的人能够从计算机系统的专家经验中受益。

2.1.1普通概率论
贝叶斯网络推理知识简介先验概率、后验概率、联合概率、条件概率、链式规则、贝叶斯公式、贝叶斯规则和概率推理。
(1)先前概述。先验概率是根据历史数据或人类判断确定的每个事件发生的概率。先验概率一般分为两类,一类是客观先验概率,是指从过去的历史数据中计算出的概率;另一种是主观先验概率(subjective prior probability),是指在没有历史数据或者历史数据不完整的情况下,只能通过主观经验来判断采集的概率。
(2)后验概率。后验概率通常是指通过调查和实验获得新的信息,并使用贝叶斯公式修正先验概率后,更符合实际情况的概率。

第三章基于贝叶斯网络的电力系统故障诊断...................30-49
3.1导言...................30-31
3.2基于贝叶斯网络的电力系统故障诊断...................31-32[/ Br/] 3.3电力系统继电保护动作原件...................32-34
3.4基于组件的电力系统故障诊断...................34-42
3.5贝叶斯网络...................基于缺失数据的贝叶斯网络故障诊断概率学习...................44-46 [/BR/] 3.7示例分析...................46-48
3.8本章概述...................48-49
第四章贝叶斯网络故障诊断系统设计...................49-54
4.1系统总体设计...................49-50
4.2系统功能模块设计...................50-53
4.2.1贝叶斯网络编辑功能模块设计...................50-51
4.2.2网络推理模块功能模块...................51-53 [/BR/] 4.2.3知识库管理模块设计...................53
4.3本章概述...................53-54

结论

随着科学技术的飞速发展,电力系统设备正朝着自动化、智能化和复杂化的方向发展。越来越多的大型复杂系统被广泛应用于电力系统,故障诊断也变得越来越复杂。因此,传统的电力系统故障诊断技术已经不能满足当前复杂电力系统设备的可靠性要求,这就需要寻找一种适合表达和分析不确定性的故障诊断方法。
贝叶斯网络作为一种表达和处理不确定知识的新方法,由有向无环图和条件概率表组成,在许多应用中取得了令人难以置信的结果。本文充分利用贝叶斯网络的独特特性和优势,针对电力系统部件故障的特点,完成了以下工作:讨论贝叶斯网络的参数学习算法和结构学习算法;建立了基于贝叶斯网络的电力系统故障诊断模型。研究了信息预处理问题,准确推理出故障的概率信息。

参考
1多传感器信息融合在电机绝缘故障诊断中的应用。机械工程与自动化,2007,2:106-11。
2杨士风,马跃进。设备故障诊断步骤优化研究。农业工程杂志,2005,13(l2):125-29。
3梁胜,何贾政。机械故障的诊断。上海:上海科学技术出版社,2002
4。杨树雄,韩天成,杨国荣,杨国荣,杨国荣,http://sblunwen.com/dlxtlw/神经网络与故障诊断,机械系统与信号工程,2004(18):645-57。
5剑川、胡杜青、秦郭俊。贝叶斯网络理论及其在设备故障诊断中的应用。中国机械工程。2003年,14:147-52。
6林诗敏振宇。贝叶斯网络中的贝叶斯学习。广西科学院学报。2000年,l6(4):145-50。
7连文。郭海鹏。贝叶斯网络导论。北京:科学出版社,2006。
8何伟,阎建国。贝叶斯网络在柴油机电厂故障诊断中的应用。上海海事大学学报,2001,22 (3): 68-2。[/BR/] 9洪辉,唐锡泉“贝叶斯推理网络在大型旋转机械故障诊断中的应用”。机械科学与技术,2002,25 (2): 43-6。[/BR/] 10曲良生贝叶斯诊断网络的拓扑结构。Xi交通大学学报。2003年,33: 11-18。