[发明专利]基于非精确贝叶斯模型的断路器异常判别方法和系统

权利要求书

1.一种基于非精确贝叶斯模型的断路器异常判别方法，其特征是，包括以下步骤：

步骤一：根据故障录波器所获得的故障录波数据，统计同一类型断路器的时间参量；

步骤二：根据置信水平对断路器的时间参量进行异常评估，对其状态进行划分，构建非精确贝叶斯网络；

步骤三：通过历史的断路器异常数据，计算先验概率，建立断路器异常概率估计的非精确贝叶斯模型；

步骤四：根据所述非精确贝叶斯模型，对给定时间参量下断路器是否异常进行概率推理；

所述步骤二中，根据置信水平对断路器的时间参量进行异常评估的具体方法为：对获取的时间参量数据中的某个时间参量采用Z统计量进行总体的区间估计，算出其样本均值和样本标准差S，取显著水平α＝1％，将落在置信度为1-α＝99％的置信区间的时间参量评为正常，落在区间之外的时间参量评为异常；

所述步骤三中，在确定先验概率时，引入隶属度，确定满足某个隶属度情况下先验概率的取值，用非精确概率P_im表示；

设U是由概率组成的论域，在概率论域U上决策人的主观先验概率为一个集合B，其隶属函数定义为：

式中，表示概率论域中元素p对B(p)的隶属度，P₀为精确概率，参数k表示非精确化的大小，其值越大表示对于精确概率的非精确化越小；

含λ先验概率的判据公式为：

式中，λ∈[0,1]，当λ的值越大，表明此决策人越保守，当λ＝1时，非精确概率P_im的取值为精确概率值；

对先验概率非精确化后的概率表达式，即非精确贝叶斯模型为：

精确概率P₀的公式为：

m_i表示随机变量状态i出现的次数；M为样本总数即M＝m₁+m₂+…+m_n；

所述步骤四中，根据所述非精确贝叶斯模型，对给定时间参量下断路器是否异常进行概率推理为：

所得概率区间即为断路器异常的概率；式中，P(S_k)为设备运行在不同运行状态下的先验概率；其余为条件概率。

2.根据权利要求1所述的一种基于非精确贝叶斯模型的断路器异常判别方法，其特征是，所述时间参量包括分闸时间、合闸时间、合闸时间与分闸时间的不同期时间以及燃弧时间。

3.根据权利要求1所述的一种基于非精确贝叶斯模型的断路器异常判别方法，其特征是，根据所述步骤二划分的状态包括：设备运行状态、机械状态、燃弧介质状态、分闸时间、合闸时间、分闸不同期性、合闸不同期性和燃弧时间的正常和异常。

4.一种基于非精确贝叶斯模型的断路器异常判别系统，其特征在于，包括故障录波器和计算装置，

所述故障录波器采集故障录波数据并传输至计算装置；

所述计算装置中包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：

接收所述故障录波数据，统计同一类型断路器的时间参量；

根据置信水平对断路器的时间参量进行异常评估，对其状态进行划分，构建非精确贝叶斯网络；

通过历史的断路器异常数据，计算先验概率，建立断路器异常概率估计的非精确贝叶斯模型；

根据所述非精确贝叶斯模型，对给定时间参量下断路器是否异常进行概率推理；

所述根据置信水平对断路器的时间参量进行异常评估的具体方法为：对获取的时间参量数据中的某个时间参量采用Z统计量进行总体的区间估计，算出其样本均值和样本标准差S，取显著水平α＝1％，将落在置信度为1-α＝99％的置信区间的时间参量评为正常，落在区间之外的时间参量评为异常；

在确定先验概率时，引入隶属度，确定满足某个隶属度情况下先验概率的取值，用非精确概率P_im表示；

设U是由概率组成的论域，在概率论域U上决策人的主观先验概率为一个集合B，其隶属函数定义为：

式中，表示概率论域中元素p对B(p)的隶属度，P₀为精确概率，参数k表示非精确化的大小，其值越大表示对于精确概率的非精确化越小；

含λ先验概率的判据公式为：

式中，λ∈[0,1]，当λ的值越大，表明此决策人越保守，当λ＝1时，非精确概率P_im的取值为精确概率值；

对先验概率非精确化后的概率表达式，即非精确贝叶斯模型为：

精确概率P₀的公式为：

m_i表示随机变量状态i出现的次数；M为样本总数即M＝m₁+m₂+…+m_n；

所述根据所述非精确贝叶斯模型，对给定时间参量下断路器是否异常进行概率推理为：

所得概率区间即为断路器异常的概率；式中，P(S_k)为设备运行在不同运行状态下的先验概率；其余为条件概率。