[发明专利]一种逆变器智能故障推理的方法

摘要

本发明公开了一种逆变器智能故障推理的方法，由逆变器运行状况层、逆变器故障层和故障症状层组成的三层贝叶斯网络的逆变器智能故障推理系统。本发明的优点在于：将逆变器运行状况作为推理网络的第一层，对比一般的二层和变量独立的朴素贝叶斯网络，可以推断多种复合故障，更加符合专家的推理思路和推理策略，体现了更强的智能性，能够应对多种复杂因果关系和随时出现的不确定性。通过多种证据的实例分析，本发明不仅可以准确推理出完备证据下的单一故障，不完备信息下的单一故障，不完备信息下的复合故障，而且可以结合设备运行层信息和不完备故障症状信息来综合判断故障及其原因，表现出了不完备信息下较强的推理能力，具有较强的现实指导意义。

主权项

1.一种逆变器智能故障推理的方法，其特征在于：包括以下步骤：步骤一：建立三层贝叶斯网络结构第一层为逆变器的运行状况层，由多个逆变器运行状态变量节点组成；第二层为逆变器故障层，由多种逆变器故障节点组成；第三层为逆变器故障症状层，由多种逆变器故障症状节点组成；由领域专家和现场技术人员确定第一层、第二层、第三层各节点之间的因果关系，构造三层贝叶斯网络结构；在贝叶斯网络结构中，每个节点表示一个变量；边代表变量之间的联系，从父节点指向叶节点，其联系强度可用条件概率分布表示；没有父节点的节点定义为根节点，其余节点定义为叶节点；步骤二、确定各节点的先验概率和条件概率根节点的先验概率采用历史运行数据矫正基础概率法获取；非根节点的条件概率采用先验Beta分布法获取；①根节点的先验概率根据逆变器的脉冲缺失概率、IGBT开路概率和电容老化的历史运行数据，设定根节点状态发生的基础概率为P0；在逆变器某部件的定期检修方面，若没有定期检修，则增加对应节点修正值，定期检修则不增加；在逆变器某部件运行年限方面，增加对应节点相应年限的修正值；在逆变器某部件的历史运行状况方面，每发生一次故障则增加相应次数的修正值；根节点的先验概率的历史运行数据矫正基础概率法的公式如式(1)；其中c为对根节点概率有影响的因素的个数，Pi为各影响因素的基础概率，ai为各影响因素的系数，i∈[1,c]；各数据设定见表1；表1：根节点的先验概率设定表对逆变器所有的根节点通过以上方法和式(1)进行赋值，确定根节点的先验概率表；②非根节点的条件概率非根节点的概率服从正态分布P(X)～(μ,σ2)，其中P(X)为非根节点的概率值，μ为正态分布的期望，σ2为正态分布的方差；使用先验Beta分布法对节点概率进行确定；假定非根节点为h个，设某非根节点Xr的一个状态Xr＝k的概率取值区间[μ‑ε,μ+ε]，其中μ和ε均根据历史数据及专家经验人为设定，节点Xr有mr个状态值，k∈[1,mr]；通过对式(2)进行计算获得参数σ；其中r∈[1,h]，ε用来设定概率取值的上下限；若节点Xr的父节点Pa(Xr)的状态组合有sr个，则设定节点Xr的条件概率为θrjk＝P(Xr＝k|Pa(Xr)＝j)；已有样本数据组D＝(d₁,d₂,...,d_l)，定义数据组D中样本d_e(e∈[1,l])的特征函数即当X_r＝k且Pa(X_r)＝j时，其他其中j∈[1,s_r]；其中l为数据组样本个数，Mrjk为数据组中满足要求的样本个数；Beta分布的概率密度函数为：Beta函数的期望为方差为正态分布和Beta分布的期望相等，且Beta分布为凸函数为前提条件，二者方差最接近为目标，构造函数关系式，即在α＞1,β＞1的条件下计算式(5)；计算式(5)得到Beta分布参数，通过式(6)获得Beta函数的先验分布；π(θ)＝Be(arj1,arj2,...,arjk)   (6)通过式(7)确定θrjk的贝叶斯估计值；θrjk＝(Mrjk+arjk)/(∑kMrjk+∑karjk)   (7)③对所有节点按照①或②步骤获取贝叶斯网络的条件概率表，并与步骤一建立的贝叶斯网络结构相结合形成完整的贝叶斯网络；步骤三、获取证据信息通过故障信息采集系统监测故障症状，采集到的症状信息作为证据，设定证据集合为ψ；将采集到的症状信息输入到贝叶斯网络中进行故障推理；步骤四、逆变器故障推理将采集到的故障症状信息作为贝叶斯网络的推理证据输入算法模型中，通过式(8)计算在给定证据ψ下逆变器故障层节点Xv的一个状态Xv＝g的条件概率：其中v∈[1,t]，t为故障层节点个数，节点Xv有mv个状态，g∈[1,mv]，ψ为给定的证据集合；计算出逆变器故障层各节点的概率之后，通过两个规则来区分逆变器的故障类型；规则1：具有最大概率的故障大于某一阈值ε1；规则2：最大故障概率与其他故障概率的差值大于某一阈值ε2；满足任意一个规则判定为单一故障，不满足则判定为复合故障；通过故障层各节点的概率确定逆变器发生的故障；通过式(9)计算逆变器故障各项状态组合概率；其中ψ为给定的证据集合，Pa(Xv)的状态组合有sv个，w∈[1,sv]；Pa(Xv)是Xv的父节点，为逆变器运行状态层节点变量，通过计算Pa(Xv)＝w和Xv＝g同时发生的概率大小，定位第一概率故障点，然后按故障概率由大到小进行排查，直至排查到故障点。