[发明专利]基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法

权利要求书

1.一种基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法，包括以下步骤：a、根据IEC标准和DL/T 722-2000导则，确定故障类型；在原始样本集中选取尽可能多的输入故障特征矢量，确定输入属性集；

b、利用粗糙集理论中的数据离散化方法对故障数据集进行离散化处理，建立离散化决策表，利用粗糙集理论中的Johnson’s algorithm算法方法对离散化后的决策表进行约简，去除冗余信息，减少了诊断所需属性的个数，制定出训练样本集和测试样本集的数据离散化方法；

c、利用Matlab进行贝叶斯网络的构建，确定贝叶斯网络的网络结构、节点参数、网络参数学习及推断等；

d、初始化条件概率表，条件概率表列出了每个结点相对于其父结点所有可能的条件概率，其对应问题领域的定量描述；

e、进行参数学习；建立推断引擎，创建贝叶斯网络之后可以用它来进行推断；

f、输入测试样本集，求解后验概率，判断故障类别。

2.根据权利要求1所述的基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法，其特征是：创建贝叶斯网络的框架，除了指定图形结构，还要指定每个节点的大小和类型，如果一个节点是离散的，它的大小就是该节点可能采取的数值。

3.根据权利要求1所述的基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法，其特征是：当完整数据时，学习参数的方法有两种：最大似然性估计learn params和贝叶斯方法bayes update params；数据缺失时，如果已知网络拓扑结构用EM算法来计算参数，倘若未知网络拓扑结构，则使用结构最大期望SEM算法learn struct EM。

4.根据权利要求3所述的基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法，其特征是：为了提高运算速度，使各种推理算法能够有效应用，不同的引擎根据不同的算法来完成模型转换、细化和求解。

5.根据权利要求1所述的基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法，其特征是：所述故障类型分别为中低温过热、高温过热、局部放电、低能放电和高能放电；选取联合数引擎作为推断引擎。

6.根据权利要求1所述的基于粗糙集和贝叶斯网络的油浸式变压器故障诊断方法，其特征是：所述故障特征矢量选取C₂H₂/H₂、C₂H₂/C₂H₄、C₂H₂/C₂H₆、C₂H₂/CH₄、C₂H₄/C₂H₆、C₂H₄/CH₄、C₂H₆/H₂、C₂H₆/CH₄、C₂H₆/H₂、CH₄/H₂、C₂H₂/总烃、H₂/总烃、C₂H₄/总烃、CH₄/总烃、C₂H₆/总烃和(CH₄+C₂H₄)/总烃。