[发明专利]基于加权的双隐朴素贝叶斯的变压器故障诊断方法及系统

权利要求书

1.基于加权的双隐朴素贝叶斯的变压器故障诊断方法，其特征是，包括：

获取待分类的变压器故障数据；

将待分类的变压器故障数据输入到预训练的基于属性值加权的双隐朴素贝叶斯网络分类器中，输出分类结果；所述基于属性值加权的双隐朴素贝叶斯网络分类器根据各属性值的不同以及每一属性值和属性对的不同对分类的影响设计权值；基于属性值加权的双隐朴素贝叶斯网络预测模型F为：

其中，c表示故障类变量，c∈C；a_i表示症状变量，a_i∈A_i；P(c)表示故障类变量c的概率；P(a_i|a_hpi1,c)表示症状变量值a_i和与a_i最相关症状变量集a_hpi1的条件概率；P(a_i|a_hpi2,c)表示症状变量值a_i和与a_i最相关症状变量集a_hpi2的条件概率；w(i1)表示P(a_i|a_hpi1,c)的加权系数；w(i2)表示P(a_i|a_hpi2,c)的加权系数；

其中所述P(a_i|a_hpi1,c)的加权系数w(i1)和P(a_i|a_hpi2,c)的加权系数w(i2)分别为：

其中，Num(A_i)表示症状变量A_i在训练集的取值个数；Count(a_j,c)表示在训练集中症状变量A_i取值为a_j且设定故障类变量c的样本对象个数；Count(a_i,a_j,c)表示在训练集中症状变量取值为a_i和a_j，Count([a_j,a_k],c)表示在训练集中症状变量A_i取值为[a_j,a_k]且设定故障类变量c的样本对象个数；Count(a_i,[a_j,a_k],c)表示在训练集中症状变量取值为a_i和[a_j,a_k]，且设定故障类变量c的样本对象个数；

根据训练的模型对变压器的故障进行预测，得到变压器是否发生故障；

对于发生的故障利用加权的双隐朴素贝叶斯的模型进行诊断，得到诊断结果。

2.如权利要求1所述的方法，其特征是，所述基于属性值加权的双隐朴素贝叶斯网络分类器，在变压器故障诊断中，C为类节点，C表示故障类变量集，指向所有的属性节点A₁,A₂,…A_n，即症状变量集，对于每个属性A_i都有两个隐藏父节点A_hpi1和A_hpi2，其中，i＝1,2,…,n，也就是说A_hpi1和A_hpi2为每个症状变量A_i所对应的最相关变量集。