基于贝叶斯网络的智能变电站风险关联模型

被引：13

作者：

曲朝阳 ^{[1
]}

杨琴 ^{[1
]}

杨杰明 ^{[1
]}

柳伟青 ^{[2
]}

曲楠 ^{[3
]}

机构：

[1] 东北电力大学信息工程学院

[2] 东北电力大学电气工程学院

[3] 国网江苏省电力公司检修分公司南京运维分部

来源：

电力系统自动化 | 2016年 / 40卷 / 02期

关键词：

智能变电站; 风险分析; 贝叶斯网络; 粗糙集理论;

D O I：

暂无

中图分类号：

TM63 [变电所]; TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

鉴于在整体上进行智能变电站风险自动分析对日渐复杂的电力系统安全运行有着十分重要的意义,提出并设计了基于贝叶斯网络的智能变电站风险关联模型。首先,基于专家群决策方法确定智能变电站的设备风险及风险诱发因素,建立风险分析决策表,利用粗糙集求取最佳风险约简组合;然后,根据约简决策表自动建立风险关联贝叶斯网络图,提出了采用伽玛分布函数联合专家知识并融入监测数据来更新模型的条件概率分布的方法。最后,对220kV变电站进行实例分析,利用贝叶斯网络的反向推理功能实现风险诱发概率推理,实验结果证明了该模型的有效性和适用性。

引用

页码：95 / 99

页数：5

共 10 条

[1] 基于云计算技术的电力大数据预处理属性约简方法 [J].

曲朝阳 ;

陈帅 ;

杨帆 ;

朱莉 .

电力系统自动化, 2014, 38 (08) :67-71

[2] 基于IEC 61850的变电站自动化系统安全风险评估 [J].

郭创新 ;

俞斌 ;

郭嘉 ;

温柏坚 ;

张金江 ;

张理 ;

陆海波 ;

李波 .

中国电机工程学报, 2014, 34 (04) :685-694

[3] 基于IEC 61850的变电站自动化系统连锁故障分析 [J].

张其林 ;

王先培 ;

赵宇 .

电力系统自动化, 2013, 37 (02) :61-66

[4] 变电站故障诊断中的不确定性问题研究 [J].

杨海生 ;

李江林 ;

郭金叶 ;

佘维 ;

何锡点 .

计算机工程与设计, 2012, 33 (05) :2017-2021

[5]

Using junction trees for structural learning of Bayesian networks[J]. Mingmin Zhu,Sanyang Liu,Youlong Yang,and Kui Liu Department of Mathematics,Xidian University,Xi’an 710071,P.R.China.Journal of Systems Engineering and Electronics. 2012(02)

[6] 基于根本原因法的数字化变电站故障诊断 [J].

彭飘 ;

廖志伟 ;

文福拴 ;

辛建波 .

电力系统自动化, 2011, 35 (17) :61-66

[7] 伽玛分布族参数的经验Bayes双边检验的收敛速度:NA样本情形 [J].

陈家清 ;

刘次华 .

数学杂志, 2007, (01) :53-59

[8] 基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法 [J].

王永强 ;

律方成 ;

李和明 .

中国电机工程学报, 2006, (08) :137-141

[9]

A security risk analysis model for information systems: Causal relationships of risk factors and vulnerability propagation analysis[J] . Nan Feng,Harry Jiannan Wang,Minqiang Li.Information Sciences . 2013

[10]

Dimensionality reduction based on rough set theory: A review[J] . K. Thangavel,A. Pethalakshmi.Applied Soft Computing Journal . 2008 (1)

← 1 →