[发明专利]一种基于加权平均依赖分类器的电网故障诊断系统

摘要

本发明提供了一种基于加权平均依赖分类器的电网故障诊断系统，该系统包括，电力电网历史数据获取模块：从电力电网历史数据库中获取历史数据，其中包括症状变量集和故障类变量集；模型构建模块：构建加权平均依赖分类器预测模型；加权平均依赖分类器生成模块：所述加权平均依赖分类器预测模型通过所述历史数据自动学习到分类器参数，形成已训练完成的加权平均依赖分类器；故障诊断模块：进行故障诊断时，对测试数据利用所述已训练完成的加权平均依赖分类器进行估计，最终得到对应的故障诊断结果。

主权项

1.一种基于加权平均依赖分类器的电网故障诊断系统，其特征在于：包括：电力电网历史数据获取模块：从电力电网历史数据库中获取历史数据，其中包括症状变量集和故障类变量集；所述的症状变量集，具体为：症状变量取值均为名词性属性值，只能从{0,1}中取值，视为名词性属性，若有数值类型值，均需离散化处理，且对某症状变量的缺失值只标注而不做其他特殊处理；模型构建模块：构建加权平均依赖分类器预测模型；加权平均依赖分类器生成模块：所述加权平均‑依赖分类器预测模型通过所述历史数据自动学习到分类器参数，形成已训练完成的加权平均依赖分类器；在所述加权平均‑依赖分类器生成模块中，所述的分类器参数包括症状变量联合概率p(x_i,x_j,y),p(x_i,y)以及故障变量概率p(y)，具体为：其中n为在给定y值的情况下训练样例个数，n_i为第i个症状变量的值和故障类值确定的情况下训练样例的个数，n_ij为第i,j个症状变量的值和故障类值确定的情况下训练样例的个数，并且c(·)为·的基值，F(·)为·的频数；故障诊断模块：进行故障诊断时，对测试数据利用所述已训练完成的加权平均依赖分类器进行估计，最终得到对应的故障诊断结果；所述故障诊断模块中的所述测试数据包括症状变量集所声明的属性值；所述模型构建模块的加权平均依赖分类器预测模型如下：其中，t为测试数据，Y为故障类变量集，y为故障类变量的值，p(y,x_i)为对应的故障类变量y和症状变量x_i的联合概率，i＝1,2,…,m，m为症状变量个数且F(x_i)≥g,F(x_i)表示x_i在训练数据中的频数；另外，p(x_j|y,x_i)为症状变量x_j和症状变量x_i与故障变量y的条件概率，j＝1,2,…,m，w_ij为症状变量x_i和症状变量x_j的权重；所述g的取值为30；所述症状变量x_i和症状变量x_j的权重w_ij如下：其中，p(x_i，x_j，y)为xi和xj及y的联合概率，p(x_i|y)和p(x_j|y)分别为x_i和x_j的条件概率，i＝1,2,…,m而j＝2,3,…,m且j≥i。