论文部分内容阅读
传统证据理论在变压器故障诊断中存在主观局限性,且对证据体可靠性的选取缺乏科学性.为了融合变压器色谱分析数据与电气试验数据,并能全面的反映变压器的状态,文中提出一种基于改进证据理论的变压器故障诊断模型.首先,通过熵权法求出子证据体的相对权重,再结合 BP 和量子神经网络的优化诊断结果,修正熵权作为证据体的可靠因子;其次,构造子证据体的基本概率分配函数,采用 Dempster合成规则实现故障信息融合;最后,将所提诊断方法应用于实际工程案例,诊断结果表明:该诊断方法有效、可行,且提高了诊断准确率