大型电力设备的技术背景

    随着电力系统规模的不断扩大，大型电力设备的数量逐步增加，对设备的可靠性要求也日益提高，故障诊断技术的出现，为提高设备的可靠性和安全性开辟了一条新的途径。故障诊断技术能够通过设备的运行数据的分析，掌握设备的运行状态，从而判定产生故障的部位和原因，并预测预报未来状态的技术。

 

    如果我们可以对故障做到及时诊断，就能够为设备维修提供重要的依据，有效避免事故的发生发展，保证设备安全，提高企业设备的现代化管理水平，给企业带来较大的经济效益和良好的社会效益。

 

    现有的故障诊断技术主要有专家系统、人工神经网络、贝叶斯网络、时间序列模式匹配技术、Petri网、模糊集理论等方法。

 

    传统的故障诊断专家系统，是一个具有大量的专门知识与经验的程序系统，.它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，将知识与经验编成一系列产生式规则，进行推理和判断，模拟人类专家的决策过程，以便于解决那些需要人类专家处理的许多系统设备的故障诊断问题。专家系统是发展最早的人工智能系统之一，能够有效地模拟故障诊断专家完成故障诊断的过程，其采用的基于规则的知识表示方法具有简单直观的优点。

 

    但专家系统需要很多复杂高深的专业知识以及长期积累的经验，这超出一般工程师所掌握的范围，从而变得不易操作。电力设备专家系统不具备学习能力，知识获取比较困难。专家系统在推理时要搜索、匹配知识库内一定的规则集才能得出结论，所以当系统比较大时完成诊断的速度将非常慢。