CN105741184A - 一种变压器状态评估方法及装置 - Google Patents
一种变压器状态评估方法及装置 Download PDFInfo
- Publication number
- CN105741184A CN105741184A CN201410759186.9A CN201410759186A CN105741184A CN 105741184 A CN105741184 A CN 105741184A CN 201410759186 A CN201410759186 A CN 201410759186A CN 105741184 A CN105741184 A CN 105741184A
- Authority
- CN
- China
- Prior art keywords
- matrix
- transformator
- coefficient matrix
- pair analysis
- evaluations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Protection Of Transformers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种变压器状态评估方法及装置,包括:将变压器的实时运行参数转换为相对劣化度;将相对劣化度代入隶属函数,获得第一评价矩阵;从变压器的故障数据得到第一常加权系数矩阵;利用隶属函数得到第一联系度系数矩阵;第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;利用联系度矩阵对变压器状态进行评估。
Description
技术领域
本发明涉及电力设备技术领域,特别涉及一种变压器状态评估方法及装置。
背景技术
在电力系统领域,状态检修主要是利用在线监测技术对电力设备进行状态评估和故障诊断来综合评价设备的当前运行状态,从而制定相应的检修策略。与定期检修等检修策略相比,合理的状态检修可以大幅度节约资金、压缩成本、延长设备使用寿命、提高供电系统稳定性。
目前电力变压器状态评估方法主要分为三类:状态量评分法、部分特征量判别法、基于人工智能和数据挖掘技术的评估方法。实际中常使用第三类方法例如神经网络法、贝叶斯网络法、证据推理法等进行建模。第三类方法的优点在于能处理复杂数据并具备自主学习能力,具备处理不完备数据和解决不确定性推力问题的能力,缺点在于需要庞大的训练样本,并且对输入矢量,推理证据的要求很高。这使得模型建立的过程不得不因为考虑到变压器的真实模型而变得复杂而繁琐。
发明内容
为解决上述技术问题,本发明提出一种变压器状态评估方法及装置,使得对变压器状态的估计接近实际情况。
为实现上述目的,本发明提供了一种变压器状态评估方法,该方法包括:
将变压器的实时运行参数转换为相对裂化度;将相对裂化度代入隶属函数,获得第i类故障检测的第一评价矩阵;其中,所述第一评价矩阵中第j行的元素表示第i类故障检测第j故障征兆对应评价指标的隶属度;i表示故障类型,j表示某类故障类型中故障征兆类型;
从变压器的历史故障数据得到第一常加权系数矩阵;
利用所述隶属函数得到第一联系度系数矩阵;
第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;
利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;
利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;
利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;
第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;
利用联系度矩阵对变压器状态进行评估。
优选地,所述隶属函数的获得方法为:
利用变压器的评价指标对变压器运行参数进行分类,得到评语集;
利用所述评语集中各评价指标对应的变压器运行参数获得对应地隶属函数。
优选地,所述评价指标包括变压器状态正常、变压器状态正常但计划维修、变压器优先维修、变压器尽快维修、变压器立即维修。
优选地,所述相对裂化度的计算公式为:
式中,C0为变压器运行参数标准值,Ci,j为变压器实时运行参数,Cmax为变压器运行参数最大允许值,Cmax=1.3Ca;Cmin为变压器运行参数最小允许值,Ca为变压器实时运行参数注意值。
为实现上述目的,本发明还提供了一种变压器状态评估装置,该装置包括:
第一评价矩阵单元,用于将变压器的实时运行参数转换为相对裂化度;将相对裂化度代入隶属函数,获得第i类故障检测的第一评价矩阵;其中,所述第一评价矩阵中第j行的元素表示第i类故障检测第j故障征兆对应评价指标的隶属度;i表示故障类型,j表示某类故障类型中故障征兆类型;
第一常加权系数矩阵单元,用于从变压器的历史故障数据得到第一常加权系数矩阵;
第一联系度系数矩阵单元,用于利用所述隶属函数得到第一联系度系数矩阵;
评分值矩阵单元,用于第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;
变加权系数矩阵单元,用于利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;
第二评价矩阵单元,用于利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;
第二联系度系数矩阵单元,用于利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;
联系度矩阵单元,用于第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;
评估单元,用于利用联系度矩阵对变压器状态进行评估。
优选地,所述第一评价矩阵单元还包括:
评语集建立模块,用于利用变压器的评价指标对变压器运行参数进行分类,得到评语集;
隶属函数模块,用于利用所述评语集中各评价指标对应的变压器运行参数获得对应地隶属函数;
优选地,所述评语集建立模块使用的评价指标包括变压器状态正常、变压器状态正常但计划维修、变压器优先维修、变压器尽快维修、变压器立即维修。
优选地,所述第一评价矩阵单元将变压器的实时运行参数转换为相对裂化度的计算公式为:
式中,C0为变压器运行参数标准值,Ci,j为变压器实时运行参数,Cmax为变压器运行参数最大允许值,Cmax=1.3Ca;Cmin为变压器运行参数最小允许值,Ca为变压器实时运行参数注意值。
上述技术方案具有如下有益效果:本技术方案能够合理的应用变压器运行过程中得到的大量数据,使得对变压器状态的估计接近于其实际值,而且随着数据的增多,本技术方案能够自适应的调节参数以得到更准确的结果。由于本技术方案利用实际真实的数据通过统计方法得到评语集,避免了本技术方案的理论与实际不同造成的误差的影响。并且,随着使用时间增加,评语集中对应各参数集合根据实际情况发生变化,使得对变压器状态评估更准确。由于本技术方案得到的最终结果评分值是代表了变压器的实际运行状态,对评分值进行分析还可以进行变压器的寿命预测等分析,使得变压器的检修安排、寿命确定等更有效率的进行,具有很高的实用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提出的一种变压器状态评估方法流程图;
图2为本发明提出的一种变压器状态评估装置框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的技术方案的工作原理:通过对变压器运行状态数据进行统计分析,建立变压器状态的评语集;通过评语集建立隶属函数,最后通过隶属函数获得联系度矩阵,将变压器实时检测数据输入建立好的联系度矩阵中,即可得到变压器状态评估值。因此可以根据变压器状态评估值,以最经济的方法安排变压器检修时间,减少定时维修等方法导致的巨大浪费,延长变压器使用寿命,提高核心资产利用率,具有很高的实用价值。
基于上述工作原理,本发明提出一种变压器状态评估方法。如图1所示,该方法包括:
步骤101):将变压器的实时运行参数转换为相对裂化度;将相对裂化度代入隶属函数,获得第i类故障检测的第一评价矩阵;其中,所述第一评价矩阵中第j行的元素表示第i类故障检测第j故障征兆对应评价指标的隶属度;i表示故障类型,j表示某类故障类型中故障征兆类型。
隶属函数计算是对每一个测量指标的相对劣化度而计算的,故在使用隶属函数之前必须将变压器的实时运行参数转换为相对劣化度,相对劣化度计算公式为:
式中,C0为变压器运行参数标准值,Ci,j为变压器实时运行参数,Cmax为变压器运行参数最大允许值,Cmax=1.3Ca;Cmin为变压器运行参数最小允许值,Ca为变压器实时运行参数注意值。
在本实施例中,评价指标包括变压器状态正常、变压器状态正常但计划维修、变压器优先维修、变压器尽快维修、变压器立即维修。
第i类故障检测第j故障征兆的变压器运行参数在评语集中五类状态分类集合分别为V1、V2、V3、V4、V5的隶属函数分别为fi,j,1,fi,j,2,fi,j,3,fi,j,4,fi,j,5。确定边界条件为fi,j,1(0)=1,fi,j,5(1)=1,且满足fi,j,1+fi,j,2+fi,j,3+fi,j,4+fi,j,5=1。计算每个分类集合的边界,首先计算算术平均值与标准差σi,j,即得到V1、V2、V3、V4、V5的取值区间 且满足对于任意有fi,j,k(x)=0,k=1,2,3,4,5。
隶属函数的计算在增、减区间采用二次函数拟合的方式。取三个点,分别为起点a,终点b,中点终点与起点取值为0或1。若起点值为1,终点值为0,区间内有s个数据,区间内有r个数据,则处取值为反之则为
通过将相对劣化度代入隶属函数中,即可得到第i类故障的评价矩阵,评价矩阵的列数为5,第j行第k列元素代表第i类故障第j故障征兆检测项目对第k类评价的隶属度。
步骤102):从变压器的历史故障数据得到第一常加权系数矩阵;
在本实施例中,第一常加权系数矩阵设为W,其中,W中第i行第j列元素记为Wi,j,条件概率则对第i类故障Fi而言,第j类故障征兆Si,j的常加权系数
步骤103):利用所述隶属函数得到第一联系度系数矩阵;
在本实施例中,第一联系度系数矩阵设为Bi,其列向量为对第i类故障Fi,先考虑其第j类故障征兆Si,j的联系度系数矩阵[1Lj1Lj2Lj3-1]T,其隶属函数五个集合的平均值为则
步骤104):第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;
在本实施例中,Ai*Bi会得到一个矩阵(方阵),该矩阵上第i行第j列上的元素值为pi,j的值。
步骤105):利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;
在本实施例中,变加权系数矩阵设为Wv,在本式中,wi,j为常加权系数,pi,j为评分值矩阵的评分。
步骤106):利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;
在本实施例中,第二评价矩阵设置为α,K=1,2,3,4,5,是第一评价矩阵Ai中第j类故障征兆相应的状态参数。
步骤107):利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;
在本实施例中,第二联系度系数矩阵设为β, 是第一联系度系数矩阵Bi中第j类故障征兆相应的状态参数。
步骤108):第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;
步骤109):利用联系度矩阵对变压器状态进行评估。
基于上述工作原理,本发明还提供了一种变压器状态评估装置,如图2所示。该装置包括:
第一评价矩阵单元201,用于将变压器的实时运行参数转换为相对裂化度;将相对裂化度代入隶属函数,获得第i类故障检测的第一评价矩阵;其中,所述第一评价矩阵中第j行的元素表示第i类故障检测第j故障征兆对应评价指标的隶属度;i表示故障类型,j表示某类故障类型中故障征兆类型。
第一常加权系数矩阵单元202,用于从变压器的历史故障数据得到第一常加权系数矩阵;
第一联系度系数矩阵单元203,用于利用所述隶属函数得到第一联系度系数矩阵;
评分值矩阵单元204,用于第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;
变加权系数矩阵单元205,用于利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;
第二评价矩阵单元206,用于利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;
第二联系度系数矩阵单元207,用于利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;
联系度矩阵单元208,用于第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;
评估单元209,用于利用联系度矩阵对变压器状态进行评估。
实施例:
以一台220kV主变压器为例,该变压器已运行11年,2012年某i类故障类型下的一组试验数据及相关注意值、初始值如表所示。
表1变压器实验数据表
将上表1中的实时运行参数转换成对应地相对劣化度为:
表2故障征兆的相对劣化度表
由于未得到足够的数据,隶属函数选用等分区间,采用半梯形的三角形的隶属函数,有:
常加权系数数值已算出,如下表所示:
表3故障类型与故障征兆的常权重系数表
对于上文所提到的S1到S24以及S1,1等代号,其具体对应的项目如下表:
表4故障类型与故障征兆关联关系
由于未能得到足够的数据,故联系度系数取等分,联系度系数矩阵为[1,0.5,0,-0.5,-1],计算各故障类型评分值得矩阵为[-0.9276,1,0.976,0.4866,0.7452,0.575,0.8311,0.7619,0.9299]T,由于第一项-0.9276<-0.6,此时可以判断故障类型F1(绕组故障)发生,该变压器需要立即维修。
为了证明本发明的方法有效且正判率较高,与传统的基于集对分析的方法相对比,采集100组数据作为故障诊断实例数据,100组数据作为状态评估测试数据。所得结果如下:
表5故障诊断正判率对比
表6状态评估正判率对比
经过上述实施例可知,本技术方案与传统方案相比,适用于大数据环境下变压器状态分析,擅长处理多故障方面诊断,而且建模简单,且具有较高的正判率,但是需要大量的基础数据,且计算时庞大的数据库会占据一定的资源。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种变压器状态评估方法,其特征在于,该方法包括:
将变压器的实时运行参数转换为相对裂化度;将相对裂化度代入隶属函数,获得第i类故障检测的第一评价矩阵;其中,所述第一评价矩阵中第j行的元素表示第i类故障检测第j故障征兆对应评价指标的隶属度;i表示故障类型,j表示某类故障类型中故障征兆类型;
从变压器的历史故障数据得到第一常加权系数矩阵;
利用所述隶属函数得到第一联系度系数矩阵;
第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;
利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;
利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;
利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;
第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;
利用联系度矩阵对变压器状态进行评估。
2.如权利要求1所述的方法,其特征在于,所述隶属函数的获得方法为:
利用变压器的评价指标对变压器运行参数进行分类,得到评语集;
利用所述评语集中各评价指标对应的变压器运行参数获得对应地隶属函数。
3.如权利要求2所述的方法,其特征在于,所述评价指标包括变压器状态正常、变压器状态正常但计划维修、变压器优先维修、变压器尽快维修、变压器立即维修。
4.如权利要求1所述的方法,其特征在于,所述相对裂化度的计算公式为:
式中,C0为变压器运行参数标准值,Ci,j为变压器实时运行参数,Cmax为变压器运行参数最大允许值,Cmax=1.3Ca;Cmin为变压器运行参数最小允许值,Ca为变压器实时运行参数注意值。
5.一种变压器状态评估装置,其特征在于,该装置包括:
第一评价矩阵单元,用于将变压器的实时运行参数转换为相对裂化度;将相对裂化度代入隶属函数,获得第i类故障检测的第一评价矩阵;其中,所述第一评价矩阵中第j行的元素表示第i类故障检测第j故障征兆对应评价指标的隶属度;i表示故障类型,j表示某类故障类型中故障征兆类型;
第一常加权系数矩阵单元,用于从变压器的历史故障数据得到第一常加权系数矩阵;
第一联系度系数矩阵单元,用于利用所述隶属函数得到第一联系度系数矩阵;
评分值矩阵单元,用于第一评价矩阵与第一联系度系数矩阵相乘获得一矩阵,将该矩阵中的第j行第j列的元素构成评分值矩阵;
变加权系数矩阵单元,用于利用评分值矩阵、第一常加权系数矩阵获得变加权系数矩阵;
第二评价矩阵单元,用于利用第一评价矩阵、变加权系数矩阵获得第二评价矩阵;
第二联系度系数矩阵单元,用于利用第一联系度系数矩阵、变加权系数矩阵获得第二联系度系数矩阵;
联系度矩阵单元,用于第二评价矩阵与第二联系度系数矩阵相乘获得一矩阵,将该矩阵中的第i行第i列的元素构成联系度矩阵;
评估单元,用于利用联系度矩阵对变压器状态进行评估。
6.如权利要求5所述的装置,其特征在于,所述第一评价矩阵单元还包括:
评语集建立模块,用于利用变压器的评价指标对变压器运行参数进行分类,得到评语集;
隶属函数模块,用于利用所述评语集中各评价指标对应的变压器运行参数获得对应地隶属函数。
7.如权利要求6所述的装置,其特征在于,所述评语集建立模块使用的评价指标包括变压器状态正常、变压器状态正常但计划维修、变压器优先维修、变压器尽快维修、变压器立即维修。
8.如权利要求5所述的装置,其特征在于,所述第一评价矩阵单元将变压器的实时运行参数转换为相对裂化度的计算公式为:
式中,C0为变压器运行参数标准值,Ci,j为变压器实时运行参数,Cmax为变压器运行参数最大允许值,Cmax=1.3Ca;Cmin为变压器运行参数最小允许值,Ca为变压器实时运行参数注意值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410759186.9A CN105741184B (zh) | 2014-12-11 | 2014-12-11 | 一种变压器状态评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410759186.9A CN105741184B (zh) | 2014-12-11 | 2014-12-11 | 一种变压器状态评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105741184A true CN105741184A (zh) | 2016-07-06 |
CN105741184B CN105741184B (zh) | 2020-02-11 |
Family
ID=56238953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410759186.9A Active CN105741184B (zh) | 2014-12-11 | 2014-12-11 | 一种变压器状态评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741184B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110289112A (zh) * | 2019-06-14 | 2019-09-27 | 清华大学 | 基于层次分析和模糊评价的核动力装置健康状态诊断方法 |
CN110988745A (zh) * | 2019-11-12 | 2020-04-10 | 中国海洋石油集团有限公司 | 一种海上平台干式变压器运行状态评估方法及系统 |
CN111913065A (zh) * | 2020-07-17 | 2020-11-10 | 上海电机学院 | 一种基于Pair-Copula的贝叶斯网络变压器状态评估方法 |
CN112885471A (zh) * | 2021-03-12 | 2021-06-01 | 上海中医药大学附属岳阳中西医结合医院 | 基于贝叶斯网络最大熵自学习扩展集对分析的银屑病疗效评价系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011192039A (ja) * | 2010-03-15 | 2011-09-29 | Toshiba Corp | 上下水道プラントの運転状況監視システム |
CN103325022A (zh) * | 2013-07-16 | 2013-09-25 | 国家电网公司 | 一种评价指标隶属度获取方法 |
CN103576050A (zh) * | 2013-11-21 | 2014-02-12 | 贵阳供电局 | 一种电容式电压互感器的运行状态评估方法 |
CN103698698A (zh) * | 2014-01-10 | 2014-04-02 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于模糊理论的高压断路器电寿命诊断方法 |
CN103793859A (zh) * | 2014-02-21 | 2014-05-14 | 北京科诺伟业科技股份有限公司 | 一种风电场运行监控及事件综合评价方法 |
CN104123681A (zh) * | 2014-07-23 | 2014-10-29 | 国家电网公司 | 一种城市电网应急能力评估方法 |
-
2014
- 2014-12-11 CN CN201410759186.9A patent/CN105741184B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011192039A (ja) * | 2010-03-15 | 2011-09-29 | Toshiba Corp | 上下水道プラントの運転状況監視システム |
CN103325022A (zh) * | 2013-07-16 | 2013-09-25 | 国家电网公司 | 一种评价指标隶属度获取方法 |
CN103576050A (zh) * | 2013-11-21 | 2014-02-12 | 贵阳供电局 | 一种电容式电压互感器的运行状态评估方法 |
CN103698698A (zh) * | 2014-01-10 | 2014-04-02 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于模糊理论的高压断路器电寿命诊断方法 |
CN103793859A (zh) * | 2014-02-21 | 2014-05-14 | 北京科诺伟业科技股份有限公司 | 一种风电场运行监控及事件综合评价方法 |
CN104123681A (zh) * | 2014-07-23 | 2014-10-29 | 国家电网公司 | 一种城市电网应急能力评估方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110289112A (zh) * | 2019-06-14 | 2019-09-27 | 清华大学 | 基于层次分析和模糊评价的核动力装置健康状态诊断方法 |
CN110988745A (zh) * | 2019-11-12 | 2020-04-10 | 中国海洋石油集团有限公司 | 一种海上平台干式变压器运行状态评估方法及系统 |
CN111913065A (zh) * | 2020-07-17 | 2020-11-10 | 上海电机学院 | 一种基于Pair-Copula的贝叶斯网络变压器状态评估方法 |
CN112885471A (zh) * | 2021-03-12 | 2021-06-01 | 上海中医药大学附属岳阳中西医结合医院 | 基于贝叶斯网络最大熵自学习扩展集对分析的银屑病疗效评价系统 |
CN112885471B (zh) * | 2021-03-12 | 2023-01-24 | 上海中医药大学附属岳阳中西医结合医院 | 基于贝叶斯网络最大熵自学习扩展集对分析的银屑病疗效评价系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105741184B (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793853B (zh) | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 | |
CN103400310B (zh) | 考虑历史数据趋势预测的配电网电气设备状态评估方法 | |
CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN105512962B (zh) | 一种气体绝缘组合电器绝缘状态综合评估方法 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN105631578A (zh) | 一种面向风险评估的输变电设备故障概率模型的建模方法 | |
CN104616090A (zh) | 基于风险评估的电缆检修策略方法 | |
CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
CN109490726A (zh) | 基于云理论的电力变压器绝缘状态评估方法 | |
CN103675525A (zh) | 基于多svdd模型的dc-dc变换器健康监测与故障预测方法 | |
CN103699668B (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
CN109597396B (zh) | 一种基于大数据流及迁移学习的配变故障在线诊断方法 | |
CN104218570A (zh) | 一种电能计量装置整体计量误差的在线评估方法和系统 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN110417011A (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN104020401A (zh) | 基于云模型理论的变压器绝缘热老化状态的评估方法 | |
CN110363334B (zh) | 基于灰色神经网络模型的光伏并网的电网线损预测方法 | |
CN105719094A (zh) | 一种输电设备状态评估方法 | |
Protalinsky et al. | Identification of the actual state and entity availability forecasting in power engineering using neural-network technologies | |
WO2023065580A1 (zh) | 风电机组齿轮箱的故障诊断方法及装置 | |
CN103440410A (zh) | 主变个体缺陷概率预测方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN113987294A (zh) | 一种基于遗传优化gru神经网络的cvt在线故障诊断方法 | |
CN105912857A (zh) | 一种配电设备状态监测传感器的选配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |