基于朴素贝叶斯网络和D-S证据理论的分布式电网故障诊断

刘锦松

山西京能吕临发电有限公司，山西 吕梁 033200

电能在当今人类生产生活中扮演着重要的角色，随着电力系统规模的扩大和复杂程度的提高，各种故障诊断方法应运而生，对电力系统故障分析有着重要意义。电力系统发生故障时，海量的信息会涌入调度中心，信息本身的缺失与工作人员的失误都可能导致传输信息不准确情况，进而影响到最终的诊断结果。随着人工智能技术的发展，基于人工智能方法的故障诊断技术成为了当下学者的研究热点，如专家系统[1]、模糊理论[2]、人工神经网络[3]、Petri网[4-6]、粗糙集理论[7]、信息理论等[8]。在传统的电网故障诊断中融入贝叶斯网络的概率推理方法，可以解决系统在推理过程中信息不完备引起的不确定性问题，提高系统的容错性[9-10]。张耀天等[11]提出了一种粗糙集理论与朴素贝叶斯网络相结合的电网故障诊断方法，克服了传统故障诊断方法的不确定性和容错性低、在电网发生连接线问题时诊断效果不佳等缺陷。何小飞等[12]将D-S证据理论应用于贝叶斯网络诊断模型中，较好地解决了电网划分时重叠部分区域故障的情况，但贝叶斯网络模型的建立较为复杂。

本文尝试采用朴素贝叶斯网络和D-S证据理论相结合的方法解决上述问题。首先，采用实时接线法缩小诊断区域；接着，将故障区域用蝶形分割法将故障区域分割成计算负担相近的若干子网；再依托历史样本数据搭建决策表，按照属性约简算法，最终得到以最佳约简组合为元素的各子网朴素贝叶斯网络模型；……