1. 故障诊断、神经网络和专家系统

2. 在线监测的基本框架 故障诊断 数据处理 原始信号

4. 一、阈值报警 电力设备检测中常用的“注意值”标准 500M  绕组对地绝缘电阻 变压器 500pC 局部放电量 变压器 150ppm 油中总烃含量 变压器 0.8% 介质损耗 tg  变压器套管 “ 注意值” 监测量 被检测设备 监测量 时间 阈值

6. 确定阈值的 90% 原则 首先需要通过机理分析和基础试验，确定被监测参量与设备故障是相关联的。并进一步对运行设备的监测参量进行统计。 阈值的 90% 原则是 基于 90% 的设备是运行正常的，而将其余 10% 高于此标准的设备看作内部存在着可能引发事故的早期故障。 监测量 台次 累计台次占 总台次的 90% 阈值水平 监测参量的统计分布

7. 例如 80 年代时，我国在“导则”中所提出的变压器油中溶解气体注意值，如总烃（ C 1 +C 2 ）： 150ppm ，乙炔： 5ppm ，氢： 150ppm 。是在对 19 省市 6000 多台次变压器的实地调查统计后获得的，如表 2 所示。 因此，对变压器的当前 DGA 测值分析中，如某气体含量超过此“注意值”，只说明它已属小概率事件，应该引起注意，但并不能确切地给出该设备有问题的判断。 表 2 当时“注意值”的统计依据 3.6% 150 氢 5.7% 5 乙炔 5.6% 150 总烃 变压器 及 电抗器 6000 台 · 次中超过该注意值的比例 提出的“注意值” (ppm) 气体组分 设备名称

8. 对于运行设备来说，检测参量的不安全或不可接受的水平一直是一个有争议的问题，实践表明很难把判断有无故障这样一个复杂的具体问题，简单化为仅由一个数值界限去机械地判断。

9. 实际运行经验表明：在某些情况下，监测量虽未达到注意值，但因有的监测参量 增长 很 快 ，则往往很值得重视；反之，即使略有超过注意值而历年来很少增长的设备，则其危险程度就小得多。 即在实际故障诊断中，不仅要看当前的测值，而且要认真进行多方面的综合比较，例如 纵比 及 横比 ：此 纵比 指的是应考虑进行该设备的历史参数（出厂数据、刚投入时的交接试验数据、以前的运行中状况及试验数据等）的比较；而 横比 是指同一设备不同相间的比较、同类产品的相互比较等。

11. 同一设备、不同监测量间的关联报警 任何电力设备的故障源，都会存在多种物理 - 化学表现，所以可以同时在多种监测量中得到反映。例如充油电力设备中的过热性故障和放电性故障。 过热性故障 放电性故障 绕组温度 油中溶解气体 顶层油温 红外探测 超声测量 油中溶解气体 局部放电量 UHF 探测

12. 例 某 230kV 故障变压器 其油中溶解特征气体的监测情况 内部存在放电性故障 38 105 31 446 8022 3553 458 含量 (ppm) 结论 C 2 H 2 C 2 H 4 C 2 H 6 CH 4 H 2 CO 2 CO 特征气体

13. 放电监测情况 放电监测结论：在 B 相高压引出线处，存在较强烈的放电点。 吊芯检查结果 ： B 相高压引出线的均压球与高压引线接触不良，发生悬浮放电。

14. 多台设备、相同监测参量的比较报警 在电力现场通常会安装多台同一类型的设备，如不同母线上的电流互感器、电压互感器以及三相分体的电力变压器等等。这些设备通常都是同一厂家、同一型号以及相近生产年份的产品，因此其结构和特性是基本接近的。 而且通常多台设备同时发生故障的几率是非常小的（小于百万分之一）。 比较报警就是通过对同一类型、不同设备的相同监测量进行比较，来发现设备参量的异常变化。 A B C 母线

15. 通常以三相设备的相对变化率作为判断指标： 优点：能够很好地消除由于负荷及环境变化等共性因素导致的误判。 缺点：很难建立统一的标准。 上式中，  i 为被监测参量， I = 1 ， 2 ， ··· ， n 为各监测参量的平均值

16. 可见因负载变化所导致的突变点已成功地被剔除，而正常的数据变化得到很好的保持。 两试品介损 A1 、 A2 及相对值的在线测值 2 1 3

17. 因而只有对各种测得数据及其发展趋势等进行全面的分析对比、综合考虑后，才有可能作出较正确的结论。 事物千差万别，因此应该具体问题具体分析，不该简单地“一刀切”。例如表中所列设备的 tgδ 或泄漏电流的测值未超过 “规程”的允许值，但从相间比较或历年比较来分析已很值得注意，事后的解体分析说明了这点。 - - 1 5000 C - - 1 5000 B 检查发现绝缘受潮。 A 相绝缘电阻及泄漏电流远差于 B 、 C 相 泄漏电流不大于 10 μ A - - 7 800 A 60kV 少油断路器 投运 10 小时即发生爆炸 tgδ 增长过快 tgδ 值不大于 1.5% 1.4 0.41 - 10000 220kV 电流 互感器 0.173 0.152 - 10000 C 0.125 0.128 - 10000 B 解体后发现 A 相受潮 A 相 tgδ 增长过快，且远大于同设备的 B 、 C 相 tgδ 值不大于 3% 0.96 0.213 - 10000 A 66kV 电流互感器 99 年 98 年 解体分析或后果 综合分析 规程 要求 tgδ （ % ） 泄漏电流 （ μA ） 绝缘电阻 （ MΩ ） 设备名称

18. 三、趋势报警 除遭受自然灾害及系统突发性短路事故外，电力设备的故障总有其发生和发展的过程。 在线监测技术为实现故障的连续追踪，提供了良好的技术保证。事实上，如果加强状态检测与故障诊断工作，有许多故障，甚至某些所谓的突发性事故是完全可以避免的。问题的关键是要掌握反映故障情况的特征量，以便进行趋势预测及诊断。 监测量 时间

19. 故障发展趋势的类型 通过回归分析，可将监测量的变化模式归纳为三种模式。 监测量 时间 (1) 线性增长模型 (2) 正二次增长模型 监测量 时间 (3) 负二次增长模型 监测量 时间

21. 关联趋势报警 常规的故障报警方法只能反映故障当时的特征，而在实际诊断中，不同故障原因所表现的故障征兆有时会非常接近，很难加以区分。但如果进一步考察设备的历史数据，研究故障特征的变化情况，常常可以发现，由于故障机理不同，各种故障的发展过程有着相当大的差异。 ( b ) 水的锈蚀反应产氢 ( a ) 局部放电涉及固体绝缘

22. 通过分析监测参量的变化趋势，有利于进一步判断故障的严重程度，评估设备的健康水平。以便决定设备的检修周期，为检修计划的合理安排提供决策依据。

23. 人们习惯于追求精确性和清晰性，总希望将事物以数字的形式清楚地表达出来，如“数字地球” 、“数字电力系统”。 但对任何问题绝对精确的描述是不存在的，我们在分析复杂系统时总是采用各种方法对模型乃至参数进行简化。即使是我们作为公理应用的基本定律，也只是在一定程度上是精确的。所以在对客观规律进行描述中，模糊性是绝对的，而精确性是相对的。 模糊理论的创始人 Zadeh 提出 精确性和模糊性的互克性原理 ： “ 随着系统复杂性的增长，我们对其特性作出精确而有意义的描述能力相应地降低，当超过一定阈值时，精确性和有意义性将成为互相排斥的特征。” 模糊诊断

24. 主要来源于日常生活之模糊概念和模糊现象，例如 1. 他哥哥的个子 很高 。 2. 今天天气 很冷 。 3. 中青年科学家。 4. 请找一位有 210 根头发 , 有 6543 根胡子的人。 ( 精确描述 ) 请找一位 秃头大胡子 的人。 ( 简练描述 ) 5. 一、 模糊逻辑的起源 一个 1500kg 重物正以 45.3m/s 的速度向你的头接近 危险 精确的描述 简练的描述

25. 模糊概念来源于我们对外部现象的模糊描述，人类在进行判断、推理中所使用的概念通常都是非精确的。 人类具有很强的模糊划分、模糊判断和模糊推理的能力，以便以最少的词汇表达尽可能多的信息。 例如下雨，可以划分为“小雨”、 “中雨”和“大雨”，人们根据雨下的程度进行判断，就是模糊判断。 进一步根据这个判断结果猜测今年农业的收成是“好”、“一般”，还是“坏”，就是模糊推论。 这些方法在故障诊断领域尤为重要，因为这种情况非常接近于人类传统的分析过程。

26. 现代数学是以集合论为基础的，是描述各门学科的形式语言。 概念可以用集合表示，而集合间的运算可以表现对概念的判断和推理。 二、 模糊集合 概念的内涵 ——符合此概念的对象所具有的 属性 。 概念的外延 ——符合此概念的全体对象所构成的 集合 。

27. 创造集合的重要方法——概括原则 任意给定性质 P ，便能把所有满足性质 P 、同时也仅具有性质 P 的对象，汇集在一起，即构成一个集合，用符号表示为 A ={ a | P ( a ) } A —— 表示集合； a —— 表示集合 A 中的任一对象，又称集合 A 的元素； P ( a ) — 表示元素 a 所具有的性质。 { }—— 表示把所有具有性质 P 的元素 a 汇集成一个集合。 用逻辑语言，可将以上概括原则表述为： （  a ）（ a  A  P ( a ) ）

28. 传统集合是以二值逻辑 (Binary Logic) 为基础的方式来描述事物，元素 x 和集合 A 的关系只能是  A 或  A ，是一种“非此即彼”的概念。以特征函数表示为： 有关论域、集合、元素的文氏图 集合存在明确外延的，满足排中律。 U u A

29. 模糊集合的定义 所以， 模糊集合是传统集合的扩展， 传统集合是模糊集合的特例。 给定论域上的模糊集 A 是指，对任意元素 u  U ，都指定一个隶属度  A ( u )  [0,1] 与之对应。这意味着做出了一个映射：  A : U  [0,1] u |   A ( u ) 这个映射称为 A 的隶属函数。 ~ ~ ~ ~ ~ 模糊集合可由隶属函数所刻画 。 当  A ( U ) ={0,1} 时，  A 便蜕化成传统集合的特征函数， A 也蜕化成一个 Cantor 集合： ~ ~ ~ A ={ u  U |  A ( u )=1 } ~

30. 模糊理论由 L.A. Zadeh 于 1965 年所提出。 将人类认知过程中 ( 主要为思考与推理 ) 之不确定性，以数学模式表之。把传统的数学从只有“对” 与“错”的二值逻辑 (Binary logic) 扩展到含有灰色地带的连续多值 (Continuous multi-value) 逻辑。 利用 “隶属函数 ” (Membership Function) 值来描述一个概念的特质，亦即使用 0 与 1 之间的数值来表示一个元素属于某一概念的程度，这个值称为该元素对集合的隶属度 (Membership grade) 。 模糊化的 优势在于能够使对现实事物的描述，具有更强的概括力、适应性和容错性。

31. 例 1 论域 U 如下图所示，圆形是 U 上的一个模糊集 A ，其隶属函数 可定义为 : ~ U 模糊集合的三种表示方法： （ 1 ） Zadeh 记法： （ 2 ）序偶集合： A = { ( a ， 1) ， ( b ， 0.75) ， ( c ， 0. 5) ， ( d ， 0.25) ， ( e ， 0) } （ 3 ）模糊向量： A = { (1 ， 0.75 ， 0. 5 ， 0.25 ， 0) } a e d b c A ( a )=1 ， A ( b )=0.75 ， A ( c )=0.5 ， A ( d )=0.25 ， A ( e )=0 ~ ~ ~ ~ ~

32. A ={ （ 1, 0.2 ） , （ 2, 0.5 ） , （ 3, 0.8 ） , （ 4, 1 ） , （ 5, 0.7 ） , （ 6, 0.3 ） , （ 7, 0 ） , （ 8, 0 ） } ~ 例 3 设 U = { 全体实数 } ， A=“ 靠近 10 的实数”，其隶属函数表示为 ~ 连续隶属函数 例 2 房产公司希望把住房分类，以便提供给不同需求的住户，设 U ={1,2, ···,8 } 表示套房中的房间数量， A=“ 适合四口人家庭的套房”，则 A 是 U 上的一个模糊集合。 ~ ~ ~ A ={ ( u , A ( u ) ) | A ( u ) = [ 1 + ( u – 10 ) 2 ] -1 , u  U }  ( u ) u 0.5 1 5 10 15 0

34. 三、隶属函数的确定 模糊集合在实际应用中，首先要建立表现模糊集合的隶属函数。由于人们认识事物的局限性以及隶属度的主观性，从而只能得到大致的隶属函数。 模糊统计试验中的频率稳定性 ，反映了隶属函数的客观性。 模糊统计 模糊统计试验的基本要求： (1) 论域 U; (2) U 中的一个固定的元素 u 0 ； (3) U 中的一个可变动的普通集合 A ， A 的每一次固定都是对概念  所作的一个确切划分。 (4) 条件 S ，代表对概念  进行划分过程的全部制约因素。 模糊统计试验是用确定性手段研究“模糊”这种不确定性。 U u 0 A 模糊统计试验 （ u 0 固定， A 可变）

35. 模糊统计试验，在每一次试验下，要对 u 0 是否属于 A 作出一个确切判断。进行 n 此试验后，即可计算 u 0 对 A 的隶属频率： ~ 实验表明，随着 n 的增大，隶属频率将呈现稳定性，从而趋近于 u 0 对 A 的隶属度。 例 4 取年龄论域 [ 0, 100 ] （岁）， A 是 U 上的一个模糊集，表示模糊概念  = 青年人，选取年龄 u 0 =27 ，试用模糊统计来确定 u 0 对 A 的隶属度。 根据抽样试验，由 129 人给出了他们认为“青年人”最适宜的年限。

36. “ 青年人”年龄范围统计表

37. 27 岁对“青年人”的隶属频度 可见， 27 随对于“青年人”年限的隶属频率大致稳定在 0.78 附近。因此可取相应隶属度 A ( u 0 ) = A ( 27 ) = 0.78 进一步将年龄分组，每组以中值为代表计算隶属频率，就不难求出“青年人”的隶属函数。 0.78 101 129 0.79 0.75 0.76 0.76 0.78 0.76 0.78 0.78 0.78 0.77 0.70 0.60 隶属频率 95 85 76 68 62 53 47 39 31 23 14 6 隶属次数 120 110 100 90 80 70 60 50 40 30 20 10 n

38. “ 青年人”按年龄的隶属频度表 1 0.5 10 20 30 40 u ( 岁 ) “ 青年人” 的隶属函数直方图

39. 戒上型 戒下型 中间型（对称型） 四、常见的模糊隶属函数 X  (x) 戒上型 中间型 戒下型

40. 1. 戒上型 （偏小型） 降半梯形分布 降半正态分布 a 1 a 2 0 1 X  (x) a 0 1 X  (x)

41. 1. 戒下型 （偏大型） 升半梯形分布 升半正态分布 a a 1 a 2 0 1 X  (x) 0 1 X  (x)

42. 三角形隶属函数 3. 中间型（对称型） 梯形隶属函数

43. 正态分布隶属函数 不规则隶属函数

44. 五、模糊推理 在传统逻辑学中对命题进行判断，所得的结论非“真” 即“假” 。 但是人们在日常生活中，对于事物或问题作判断并非都是如此百分之百肯定它的对错，总是对其正确与否存有某种程度的怀疑。而利用模糊集合的逻辑观念来作判断，允许命题的正确程度介于“真” 、“假”之间，因此更接近于人的推理习惯。 模糊推理是利用隶属函数取得各规则的适用程度，然后综合各规则的适合度得到适当的推论，即使命题不完全符合判断规则的条件部分，也能依据一致度的高低比较得到合适的推论。

45. 例 5 变压器冷却器的模糊推理方式。 变压器温度的模糊集合 条件规则： 规则 1 如果温度低，就将潜油泵停止。 规则 2 如果温度适中，就将潜油泵速率维持在中速。 规则 3 如果温度过热，就将潜油泵速率维持在高速。 状态： 温度 is 高 动作： 潜油泵 is 高速运行 0 1 低 中等 高 0.5 隶属函数 50 60 70 80

46. 采用模糊诊断或模糊推理，其目的并非要得到一个似是而非的结论。而是希望能够在前提模糊的情况下，得到一个明确稳定的结论。这就需要对推理结果进行解模糊，解模糊的方法很多，如面积中心法、最大平均法和最大隶属度法等等。其中以最大隶属度法最为常用。 解模糊法

50. 分析诊断对象、确定征兆集和故障集 建立诊断矩阵，确定诊断算法 输入特征向量 计算 D = K ○ R 最大隶属度原则 输出诊断结果 阈值原则 择近原则 建立诊断系统 诊断 选择诊断原则

52. 套管介质损耗明显升高。 K 14 油中微水含量高。 K 13 内部出现较明显的局部放电 K 12 仅氢气含量明显升高。 K 11 甲烷、氢明显增长。 K 10 总烃、乙炔含量明显增长。 K 9 甲烷、乙烯迅速增长，但 CO 和 CO 2 增长较少。 K 8 变压器绕组直流电阻相间差别过大。 K 7 电气试验异常。 K 6 变压器负载正常，但上层油温超过 80  C 。 K 5 铁心绝缘电阻过低。 K 4 DGA 结果严重超标。 K 3 轻瓦斯保护动作。 K 2 重瓦斯保护动作。 K 1 故障征兆

53. 漏磁过热。 D 11 沿围屏发生树枝状放电 D 10 套管受潮 D 9 绝缘纸浸渍不良，导致局部放电。 D 8 进水受朝。 D 7 油流带电。 D 6 悬浮电位放电。 D 5 分接开关接触不良或引线接触不良。 D 4 绕组过热。 D 3 铁心多点接地。 D 2 匝间短路，过电压导致击穿放电 D 1 故障原因

54. 模糊关系矩阵 [ 注 ] 字母表示因果关系的强弱： A- 密切（ 0.9 ）； B- 较密切（ 0.7 ）； C- 有关系（ 0.5 ）； D- 有点关系（ 0.3 ）；空格为零。 D C C D 11 A A B B C D 10 A D 9 B A B C D 8 A B D 7 C C D D 6 C D C D D 5 C C D B A C D D D 4 C D D D D 3 C D A C D D 2 C B D C B C D 1 K 14 K 13 K 12 K 11 K 10 K 9 K 8 K 7 K 6 K 5 K 4 K 3 K 2 K 1

55. 故障实例 ：某电力变压器发生轻、重瓦斯继电器保护动作，总烃、乙炔含量显著增加，并在局部放电检测中发现存在较大的局部放电量。 故障特征向量：  k1 =1,  k2 =1,  k9 =0.9,  k12 =0.9, 其余  kj =0 。 相应的模糊关系矩阵 B A B C C C K 12 A B D B K 9 C B D D D D D B K 2 C D D C K 1 D 11 D 10 D 8 D 6 D 5 D 4 D 3 D 2 D 1

56. 根据模糊运算规则 ：  D1 =0.7,  D2 =0.5,  D3 =0.5,  D4 =0.7,  D5 =0.5,  D6 =0.3,  D8 =0.5,  D10 =0.9 ,  D11 =0.5, 诊断结论 ： 采用最大隶属度原则进行解模糊，故诊断结论为：可能发生围屏放电（ D10 ）。 实际检查结果 ： 变压器 A 相围屏内侧夹层处发生树枝状放电。

57. 人工神经网络 从简单感知器 到反向传播网络

61. 输入 黑箱 输出 分类结果 输入连接 神经响应 人工神经网络

62. 感知器  k - f 连接和 输入向量 x 输出 y 阈值函数 权值向量 w  w 0 w 1 w n x 0 x 1 x n

63. 人工网络基本结构 简单感知器 w ij 输入单元 输出单元 x 1 x 2 x 3 y 2 y 1 h 2 h 1 输出层神经元函数

64. 人工神经网络结构 多层感知器 w ik w kj x 1 x 2 x 3 y 2 y 1 h 1 h 2 h 3 h 4 神经元 h k h 2 h 1 神经元 h j

67. 学习阶段 输出 输入 神经元函数 权值 修正  标准 有监督学习

68. 学习阶段 输出 输入 神经元函数 权值 修正 无监督学习 自组织建立 输出结果

69. 反向传播 x 1 x 2 x 3 y 2 y 1 h 1 h 2 h 3 h 4 w ik w kj 输入层 引层 输出层 h 2 h 1

72. 局部放电的人工神经网络识别

73. 油中放电 气泡放电 沿面放电 杂质放电

74. 放电信号的识别正确率（ % ） 误识别的样本只有一个为沿面放电的“多峰”情况，被误识别为气隙放电。 100 90 100 100 BP 网络 杂质小桥 沿面放电 气隙放电 油隙放电 故障类型 分类方法

75. 专家系统与决策支持 Expert System and DSS

76. 近年来，人工智能（ Artificial Intelligence ，简称 AI ）理论的出现及其在故障诊断中的成功应用，为故障诊断技术的发展开拓了新的途径。利用人工智能的理论和方法，将设备维护人员关于故障诊断的经验和知识加以系统化，形成专家系统，将有利于故障诊断知识的积累和扩大。

77. 变电设备劣化和异常情况的判断，在以往完全取决于现场维修技术人员的经验。熟练维修人员的高龄化和经验丰富的年轻设备维修人员的培养不足是当前电力系统运行单位所面临的一个主要问题。 专家系统是一种具有大量专门知识的程序系统，它根据多个专家提供的专业知识进行推理，模拟专家作出决定的过程，解决通常需要专家才能解决的复杂问题。借助专家系统的帮助，使现场的运行和维护人员可以迅速、准确地将异常设备分选出来，从而在一定程度上缓解了现场对维修人员在经验方面的要求。

78. 什么是专家系统？ 功能性定义 : 它是利用人类专家的权威性知识和求解问题方法（推理）来求解那些通常需要人工智能的问题的一组计算机程序系统； 能根据用户提供的数据、信息或事实，运用系统中存储的专家经验或知识进行推理判断，最后给出结论及结论的可信度以供用户决策之用； 能对某一任务提出聪明的建议或智能的决策； 能判断自己的推理路线并以简明易懂的方式告诉询问者； 可解决人类专家都很难解决的一些问题。

79. 电气设备发生故障的原因涉及到多个方面，很多因素与故障之间的关系具有不确定性，只判断单一因素不能正确识别故障。同理，单一领域的专家不能全面解决多因素导致的故障。专家的知识是从实践中形成的，没有明确的诊断标准，难免产生偏差和错误。 专家系统能使多个领域众多专家的专业知识和经验以及他们相互合作解决问题的能力得以总结、综合、精炼及发展，使特定领域的专家有了通力合作及相互参考学习的新场所，有利于特定学科的进一步发展。 专家系统能够高效率、低消耗、准确无误、周密全面、迅速而不知疲觉得工作，使人类专家的经验不再受时间和空间的限制，得以永久保留和广泛推广应用。

80. 什么是专家系统？ 型态性定义 具有分离式领域知识库及推理器的智能型信息系统， 用于解决特定领域的课题。 将传统的“数据结构 + 算法 = 程序”的应用程序模式变化成“知识 + 推理 = 系统”模式。

81. 专家系统的局限性： 一是知识获取的瓶颈问题，由于知识的获取主要靠人工移植； 其二是知识维护困难，多数采用简单的产生式结构构造知识库，尚未采用面向对象的知识库构造方式，算法比较复杂。 其三是由于推理方法简单、诊断策略不灵活，造成推理能力较弱，容易出现匹配冲突，容错能力较差，推理速度慢，难以满足监测控制实时性的要求。 这些都是专家系统欲待解决的前沿课题。

83. 专家系统的可应用范围 特定的 将专家系统将解决的问题定义到如上图中适当的阴影区域是非常重要的，问题域不应具有“过宽” 的范围和“过深” 的可理解水平。 广度 有限的 深度 问题域 Expert Systems

86. 专家系统与人类专家的对比 要素 人类专家 专家系统 时效性 工作日 任何时间 地域性 当地 无论何处 安全性 不能替代的 可替代的 易损坏 是 否 性能 易变的 恒定的 速度 通常较慢 通常很快 费用 高 相对廉价的

87. 图 5 专家系统的组成和处理流程 一般专家系统的主要组成 知识库 推理机

88. 监测数据 历史数据 规程 环境 经验 知识定义 规则结构 … .. 专家系统 知识表达 数据库 索引

91. 建立专家系统的参与者 领域专家 知识工程师 用户

93. 智能的一般模型 智慧 知识 信息 Data 语境 + 想象力 + 经验 +

94. 知识工程师的智能模型 上下文 + 分析 / 精炼 + 简明的规则 + 知识 事实 “ 原始”数据 决策

96. 知识表达方法 图 6 基于规则的知识表示

97. 规则的表示方法 IF 前提 THEN 结论 1 and 选择 1 ELSE 结论 2 and 选择 2 记录 :____________ 参考 :____________

98. IF 部分是对检验条件的简单描述 , 可用语言或代数表达式表示。 例如 : 今天是星期三 or [X] > 1 如果今天是星期三，则第一条规则为真 . 如果变量 X > 1 ，则第二条规则为真 . 检验是根据基本信息进行的 : 由用户提供的信息； 来源于其他规则的信息； IF

99. THEN THEN 是对推理结论的简单描述，与 IF 部分的表示类似 , 但结论无需检验，是对事实的陈述。 IF “ 今天是星期三” 可能是真，也可能是假。 如果 IF 条件 是真， 则 Then “ 今天是星期三” 是正确的事实 . THEN 结论同样可以表示为字符串或代数表达式。

100. ELSE ELSE 部分是与 THEN 部分是相同的，只是当所有的“ IF ” 部分都为假时，才被启用。 ELSE 部分是可选择的，且在大部分规则中都不是必需的。

105. 规则的结构树 在办公桌上有电话、计算机、铅笔、法律文件和 磁盘 . 噪音 ? Yes No 黑色 ? 黄色 ? 黑色 ? 白色 ? 电话 计算机 磁盘 法律文件 铅笔 矩形 ? 圆柱形 ? 颜色 ? 颜色 ? 形状 ? 开始

110. 反向推理实例 规则 1: IF 今天很热 THEN 去海滩 程序需要知道如果今天热的条件 . 程序将自动检查所有规则，以便找到能够说明今天很热的规则，来支持去海滩的假设。 规则 35: IF 是夏天 并且 是晴天 THEN 今天很热 . 如果该规则通过检验，即“是夏天”且“是晴天” , 这两个条件 ，则规则 1 亦通过检验。该推理链连接了所有应用的规则，并得到了证实。

113. 元规则举例 规则 : 如果信用纪录小于 1 年 , 则申请者具有高的信贷风险 . 如果申请者是医生 则申请者具有较低的信贷风险 . 元规则 : 如果存在一条以上的规则符合事实条件，请选用在时间上距当前最近事实所对应的规则。 事实 : 某人 25 岁， 某人仅具有 6 个月的信用记录， 某人一年内曾三次失业， 某人三个月前成为医生。 “ 某人是医生”是最近的事实 , 因此该申请是低信贷风险的 .

114. 元规则的层次 决策 信息 元—元规则 元规则 ( 关于如何应用规则的规则 ) 规则 ( 领域知识 )

115. 判定树 知识库在大多数情况下，可以判定树的形式构架。 判定树结构可以作为知识表达的模式，也可作为知识推理的模式。

116. 它很大吗？ 它吱吱叫吗？ 可能是松鼠 可能是老鼠 它是长颈吗？ 它有长鼻子吗？ 可能是长颈鹿 可能是大象 它喜欢呆在水里吗？ 可能是犀牛 可能是河马 否 是 否 是 是 是 是 否 否 否 以动物分类为例

120. 诊断专家系统的发展方向 专家系统在电气诊断方面的应用 用于电力设备故障诊断的专家系统最早见于 Riese 在 1986 年公布的 TOGA 系统，其后有很多类似的系统应用到实际工程当中。任何专家系统的质量完全取决于它所采用的判断规则和领域经验的质量。但实际上故障诊断知识的获得是非常困难的，一直是阻碍专家系统应用的“瓶颈”问题。

123. 神经网络模块是系统的核心，它接受经规范化处理后的原始证据输入，给出处理后的结果 承担知识的规范化及表达方式的转换－是神经网络与外界连接的“接口” 承担知识的规范化及表达方式的转换－是神经网络与外界连接的“接口” 两个阶段： 1 、学习阶段，系统依据专家经验与实例，调整网络的权值，达到知识记忆的目的 2 、识别阶段，是系统在外界的激发下实现已记忆的联想，实现特定的映射变换。该系统学习的是诊断知识，通过模式匹配实现故障类别的辨别。 系统输入 系统输出

124. 具体应用

126. 电站设备管理专家系统图形界面

131. 案例推理 ( 简称 CBR) 与人类利用经验解决问题的方式非常相近，当我们遇到一个新的问题，总是会首先联想曾经遇到过的类似情况，从记忆中找出在几个重要特征上与该问题相似的事例，然后把该事例中有关信息和知识引用到新问题的分析和处理过程中。对于象大型机电设备故障诊断这样缺乏明确因果模型、需要大量经验的领域，在辅助专家进行决策方面，案例推理作为一种补充的分析手段是非常有价值的。 案例推理

132. 通常将所要分析的问题称为目标范例，而把联想到的事例称为源范例。简单地说，案例推理就是利用目标范例的提示来得案例库中的源范例，并由源范例来指导对目标范例分析的一种策略。 案例推理的主要过程

133. 准确、清晰的范例表示是实现有效类比的关键。故障范例的表示应包括两方面的内容： 1. 索引标志：主要为检索算法提供基础的检索信息，以便根据某种相似测度对源范例和目标范例进行匹配。 2. 故障描述：以文档的形式将以往的故障实例加以保存以便检索应用，故障实例的文档内容应当包括设备的台账信息、运行经历、历次色谱和电气试验数据、故障处理情况、检修结果以及维修后的运行情况等。 范例表示

134. 一般使用故障的某种特征作为索引来完成检索。由于一般情况下不存在完全的精确匹配，因此要对故障实例与范例间的特征关系进行相似度估计。 范例的检索 较常用的是欧氏距离： 特征距离最小的即为最相思案例。

135. (1). 故障实例：西北电管局庄头 #1 变，型号： OSFPS7—240000/330 ，生产厂：西变，出厂日期： 1991 年，曾发生轻瓦斯动作， 1996 年 1 月 12 日色谱分析结果： 236ppm ， 48ppm ， 13.3ppm ， 48ppm ， 88ppm, 638ppm ， 2594ppm 。电气试验未发现问题，局部放电试验结果为平均放电量大于 2000PC 。 实例分析 (2). 检索到的最相近的源范例为：东电某变电站 #1 主变，型号 SFPSL-63000/220 ， 1984 年 10 月 10 日轻瓦斯保护动作，色谱结果如下： 150ppm ， 27ppm ， 3.6ppm ， 63ppm ， 90ppm, 420ppm ， 3200ppm 。预防性试验结果均合格，局部放电量大于 3000pc 。而其检修结论为： B 、 C 相首端的长垫块尖角烧坏，与其相应的围屏处烧蚀成洞，表面有树枝状放电通道。

136. (3). 诊断结果：变压器内部存在严重的树枝状围屏放电，属高度危险状态，须立即停运检修。 (4). 实际检查结果：该主变于 1996 年 2 月进行解体，发现 A 相外数第一层围屏的第一张绝缘纸板有 8 个击穿点，第二张绝缘纸板有贯穿性树枝放电。可见与上述源范例的情况是基本一致的。

137. 决策支持 决策支持系统以提高决策效益为目标，对决策者起到支持和辅助作用。决策支持系统不能代替决策者的决策。 电力系统中对大型设备进行解体检修费用很高，而且会造成较大区域的长时间停电，所以除非事先发现某些明显异常的征兆，一般不会对其进行全面的解体检查。即使发现异常情况，也必须先经过详细的外部检查，进行必要的试验，待确定必要的检修项目后才能进行解体修理，需要一个相当复杂的决策过程。

139. 影响决策的主要因素 因素 趋势 结果 技术、信息 递增 决策方法上有更多的选择 问题的复杂度 故障的严重程度 递 增 决策失误的代价很大 技术规程的稳定性 运行环境的变化 用户至上 政府干预 递减 递增 更多的不确定性 对未来的可预见性下降

140. 电力设备故障的决策系统，是模仿人类专家的推理行为，采用“假设 - 测试”循环为核心的推理过程。首先根据有关故障的初始信息，产生一组可能的故障假设（ Plausible Hypotheses ），这些假设应能够解释所有初始信息； 然后，根据这些假设设计进一步的试验计划对初步诊断结论进行证实，指导获取更多的故障信息，直到得到一个对各种故障现象最优的解释，作为最终的诊断结论。

141. 远程诊断 远程诊断就是将诊断技术和 Internet 技术结合在一起，为电力设备的维护人员提供方便易用的远程诊断服务：为用户诊断设备的状态，并给出维护建议。 远程诊断服务是开放性的，没有地域上的限制。因此可以集中不同地区的专家进行重要设备的会诊、共同得出合理的技术处理措施。

142. 资料 数据库 油色谱 分析报告 专家系统 FMECA 数据库 现场 用户 Internet 实时的 专家意见 信息数据 诊断结论

143. 变压器 DGA 诊断网页

144. 变压器 DGA 诊断报告

145. 对该变压器进行吊芯检查发现，铁扼下夹件与铁心存在多点接地引起局部发热。 与诊断结论一致 。

146. Thank you

147. Thank you