基于贝叶斯网络的水电站多源信息故障诊断Fault diagnosis of multi-source information of hydropower station based on Bayesian network
程江洲,朱偲,付文龙,孙晶
摘要(Abstract)：
为提升水电站电力设备故障诊断的智能化水平,特别是解决缺乏状态监测系统的设备的故障诊断问题,提出了一种基于贝叶斯网络(BN)的水电站多源信息故障诊断方法。该方法对拥有状态监测系统的设备,采用机器学习法构建BN模型。对于缺乏状态监测系统的设备,则提出一种改进专家经验法构建BN模型:使用故障树(FTA)模型转化贝叶斯网络结构,Noisy-Or模型简化条件概率表(CPT),模糊综合评价法(FCE)获取条件概率。最后,融合两个模型建立了多元信息故障诊断模型,并分别采用数据对比分析与受试者工作特性曲线(ROC)对模型进行验证。结果表明,在1000组验证数据中,发电机、电力传输系统的准确率分别为81. 7%、81. 3%,并且ROC曲线的AUC值达到0. 8099,说明该方法具有较高的准确性和实用性。
关键词(KeyWords)： 水电站;故障诊断;贝叶斯网络;模糊综合评价
基金项目(Foundation): 国家自然科学基金项目(51741907);; 梯级水电站运行与控制湖北省重点实验室开放基金(2015KJX05)
作者(Author): 程江洲,朱偲,付文龙,孙晶
DOI: 10.13928/j.cnki.wrahe.2018.12.014
参考文献(References)：
- [1]谢进,陈启卷,李俊益.基于BP神经网络的水轮机调节系统建模与仿真[J].水利水电技术,2015,46(3):119-122.
- [2]万元,谭振国.基于混合分析模型的大型水电厂机组防非停策略研究[J].水利水电技术,2014,45(12):30-33,37.
- [3]付文龙,周建中,李超顺,等.基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究[J].中国电机工程学报,2014,34(32):5788-5795.
- [4]易辉,梅磊,李丽娟,等.基于多分类相关向量机的水电机组振动故障诊断[J].中国电机工程学报,2014,34(17):2843-2850.
- [5]卢娜,肖志怀,曾洪涛,等.基于径向基多小波神经网络的水电机组故障诊断[J].武汉大学学报(工学版),2014,47(3):388-393.
- [6]李辉,焦毛,杨晓萍,等.基于EEMD和SOM神经网络的水电机组故障诊断[J].水力发电学报,2017,36(7):83-91.
- [7]安周鹏,肖志怀,陈宇凡,等.小波包能量谱和功率谱分析在水电机组故障诊断中的应用[J].水力发电学报,2015,34(6):182-190.
- [8]李辉,李欣同,贾嵘,等.基于经验模态分解和支持向量机的水电机组振动故障诊断[J].水力发电学报,2016,35(12):105-111.
- [9] XIA X,ZHOU J,LI C,et al. A novel method for fault diagnosis of hydro generator based on NOFRFs[J]. International journal of electrical power&energy systems,2015,71:60-67.
- [10]兰杰,袁宏杰,夏静.基于离散时间贝叶斯网络的动态故障树分析的改良方法[J].系统工程与电子技术,2018,40(4):948-953.
- [11]丁明,肖遥,张晶晶,等.基于事故链及动态故障树的电网连锁故障风险评估模型[J].中国电机工程学报,2015,35(4):821-829.
- [12] FALLET F G. Evidential network-based extension of leaky Noisy-Or structure for supporting risks analyses[J]. IFAC proceedings volumes,2012,45(20):672-677.
- [13] JONG C G,LEU S S. Bayesian-network-based hydro-power fault diagnosis system development by fault tree transformation[J]. Journal of marine science&technology,2013,21(4):367-379.
- [14] SHI L,SHUAI J,XU K. Fuzzy fault tree assessment based on improved AHP for fire and explosion accidents for steel oil storage tanks[J]. Journal of hazardous materials,2014,278(2):529-538.
- [15] YAN L,HUANG Z,ZHANG Y,et al. Driving risk status prediction using Bayesian networks and logistic regression[J]. Iet intelligent transport systems,2017,11(7):431-439.