基于正态云模型&改进贝叶斯分类器的变压器故障诊断

张重远; 林志锋; 刘栋; 黄景立

张重远,林志锋,刘栋,黄景立.基于正态云模型&改进贝叶斯分类器的变压器故障诊断[J].电测与仪表,2017,54(4):.
zhangzhongyuan,linzhifeng,liudong,Huang Jingli.Transformer Fault Diagnosis Based on Normal Cloud Model & Improved Bayesian Model[J].Electrical Measurement & Instrumentation,2017,54(4):.

基于正态云模型&改进贝叶斯分类器的变压器故障诊断

Transformer Fault Diagnosis Based on Normal Cloud Model & Improved Bayesian Model

DOI：

中文关键词: 数据挖掘变压器油色谱故障诊断云模型关联规则贝叶斯分类器

英文关键词:data mining transformer chromatography fault diagnosis cloud model association rules Bayes classifier

基金项目:

作者中文名	作者英文名	单位
张重远	zhangzhongyuan	华北电力大学（保定）
林志锋	linzhifeng	华北电力大学（保定）
刘栋	liudong	华北电力大学（保定）
黄景立	Huang Jingli	国网山西省电力公司计量中心

摘要点击次数: 1797

中文摘要:

在基于油色谱数据的变压故障诊断中，一般数据挖掘方法存在数值区域划分过硬，且未考虑边界元素隶属的随机性和模糊性的问题。针对该问题，本文应用正态云模型对油色谱数据集进行预处理，同时云模型对数据集的精简也提高了关联规则挖掘的效率。为了解决朴素贝叶斯分类器中对各属性独立的假设不符合实际情况这一问题，本文引入关联规则森林表示法和属性联合概率算法，改进了朴素贝叶斯分类器，建立了基于正态云模型&改进贝叶斯分类器的变压器故障诊断模型，通过与其他模型的对比及实例验证，证明了该方法的有效性。

英文摘要:

In order to solve the problem of data mining in diagnosing transformer fault, that data of dissolved gas-in-oil is divided without considering the randomness and fuzziness, Cloud model is applied. The efficiency of mining association rules is also improved through Cloud model; For the assumption in Naive Bayes Classifier is not conformed to the actual situation, An association rule forest and a method of the joint probability calculated is applied to improve Naive Bayes Classifier. The new Bayes Classifier is proved to be practical in the diagnosis of transformer by comparing with other classifier and testing example.

查看全文查看/发表评论下载PDF阅读器

关闭