基于朴素贝叶斯分类的变压器故障诊断

《基于朴素贝叶斯分类的变压器故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Y电力安全技术第15卷(2013年第9期)基于朴素贝叶斯分类的变压器故障诊断王芳，郑建柏(1．福建省电力有限公司检修分公司，福建福州350000；2．福建省电力有限公司厦门电力公司，福建厦门361004)[摘要]针对传统变压器故障诊断的不足，构建基于朴素贝叶斯分类的变压器故障诊断模型，合理选择分类器的属性变量和决策变量，并按阈值进行数据离散化。基于现场实际数据的实验证明，该模型能有效地诊断变压器的故障类型，诊断准确率高，并克服了三比值方法中编码缺失、对正常数据无法诊断等缺陷。[关键词]朴素贝叶斯；变压器；故障诊断；分类器0

2、引言类器以简单的结构和良好的性能受到人们的关注。本文在变压器DGA数据的基础上，建立基于电力变压器作为电力系统中的核心设备，其故朴素贝叶斯分类器的变压器故障诊断模型，并通过障诊断一直受到学术界和工程界的广泛关注。变压实验验证了朴素贝叶斯分类器在变压器的故障诊断器故障诊断的方法较多，油中溶解气体分析(DGA)中的良好效果。技术是目前对油浸变压器进行故障诊断最方便、有效的手段之一。但是传统的变压器故障诊断方法大1贝叶斯分类器多仍局限于阈值诊断的范畴，一般只给出对判定边界的描述，难以确切反映故障与表现特征之间的客分类方法可分为规

3、则分类(查询)和非规则分观规律，并且很难在溶解气体含量较小的情况下对类(有指导学习)。贝叶斯分类属于非规则分类，变压器状态进行分析。随着我国电力工业的迅速发它通过训练集(已分类的例子集)训练而归纳出分展，变压器数量激增，测试数据越来越庞大，借助类器，从而对没有分类的数据进行分类，而不是利机器学习、人工智能等方法对变压器进行故障诊断用固定规则进行分类。分类过程中，以贝叶斯定理得到一定的研究，并取得一定成果，各种方法也表为理论基础，巧妙地将事件的先验概率与后验概率现出不同的优缺点。例如：人工神经网络能处理模联系起来，利用先验信

4、息和样本数据确定事件的后糊的、有噪声的或不相容的变压器试验数据，但神验概率。经网络隐藏节点层的感知器在系统中不能解释，而给定一个实例数据集合D，D={，x2，⋯，，且当目标误差减小到一定程度后，识别效果会出现}是离散变量的有限集，其中，，⋯，是属“振荡”现象；Petri网将领域知识编成一系列产生性变量，C为类变量，其取值范围为{C，C，⋯，C}，规则，可以解决许多系统的故障诊断问题，但大量属性的取值表示为X，实例数据集合D又称为的规则导致运行速度较慢，很难适应实际要求，当训练数据库。实例Ii=，X，⋯，X)属于类c的概遇到

5、新故障或新信息时，会产生“匹配冲突”、“组率由贝叶斯定理表示为：合爆炸”的问题。P(cjlx一)：贝叶斯分类是一种基于统计方法的分类模型，，l,X2，⋯，n，对于解决复杂系统不确定因素引起的故障分类问题‘P(ci)P】，X2，⋯，Xnlc_)具有很大的优势，被认为是目前不确定知识表达和其中仅是正则化因子，P(c)是类ci的先验概推理领域最有效的理论模型。其中的朴素贝叶斯分率，P(ojlX】，X一，)是类c{的后验概率，后验概一一