摘要：为了实现对变压器等充油设备的状态评估以及预测其潜在的故障风险,将贝叶斯网络引入到充油设备潜在故障概率计算中,参考溶解气体分析和其他相关电气测试的结果,从而构建了一种充油设备潜在故障诊断方法。分别基于朴素贝叶斯分类器和树扩展朴素贝叶斯分类器建立了充油设备故障诊断模型,并在某些属性变量数据信息缺失的情况下,比较和分析了这两种模型与其他人工智能算法的正确率。最后采用工程实际情况对这两种模型的准确性和有效性进行了验证。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社