基于贝叶斯网络的配电系统可靠性评估

《基于贝叶斯网络的配电系统可靠性评估》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于贝叶斯网络的配电系统可靠性评估确推理(即精确计算概率值)和近似推理(即近似计算概率值)两个部分，主要研究高效的推理算法。在网络规模比较小时，一般采用精确推理算法，如基于PolyTreePropagation的算法、基于CliqueTreePropagatiOn的算法、基于GraphReductionPropagation的算法、基于组合优化问题的求解方法等。当网络规模比较大时，采用近似推理算法，如基于MonteCarl0基本思想的StraightSimulation、ForwardSimulation等算法和基于搜索

2、的方法。基于贝叶斯网络的学习【"七o】～般分为参数学习和结构!学习两个内容，同时根据样本数据的不同性质每一部分均包括：样本数据完备、样本数据不完备两个方面。其中，结构已知、样本数据完备时，贝叶斯网络的参数学习算法已经十分成熟；结构己知、样本数据不完备时，贝叶斯网络的参数学习可以较好的解决；结构未知，样本数据完备时，贝叶斯网络的结构学习也可以较好地解决；结构未知、样本数据也不完备时，贝n1‘斯网络的结构学习目前解决起来还比较凼难。在贝nt’斯网络的应用领域，贝叶斯网络作为新一代不确定知识的表示模型，以其坚实的理论基础，知识

3、结构的自然表达方式，灵活的推理能力，方便的决策机制等成为人工智能领域有力的工具。90年代以来贝叶斯网络被广泛应用在人工智能的各个方面。在专家系统领域，最早的PathFinder系统就是以贝叶斯网络为基础的，该系统是淋巴疾病诊断的医学系统，它可以诊断60多种疾病，涉及100多种症状；后来发展起来的Internist—I系统，它可以诊断多达600多种常见疾病。在商业应用领域，以微软为代表的一批公司，已将贝叶斯网络应用到了自己的产品中。早在1995年，微软推出了第一个基于贝叶斯网络的专家系统，一个用于幼儿保健的网站一一Micr

4、osoftOnParent(www．onparenting．msn．com)，使父母可以自行诊断幼儿的疾病。1996年，微软提供了win95中打印机故障的在线诊断OnlineTroubleshooters(www．microsofl．com＼support＼tshooters．asp)该系统是一个有50多个节点的贝叶斯网络，涉及打印机出现的四到五种主要症状，每种症状可以提供十多种故障原因。另外，贝叶斯网络还成功地应用于航天故障诊断、军事目标自动识别、无人自动驾驶、商业上的金融市场分析、基于概率因果关系的数据挖掘、信息智能

5、检索、软件产业上的智能帮助系统等l51。前微软公司总裁BillGates在洛杉矾时报上曾说过：微软公司的成功将在于它在贝叶斯网络方面研究的领先性。尽管近年来贝叶斯网络的研究取得了巨人的成就，并在航天故障诊断、军事目标自动识别、无人自动驾驶、医学上的病理诊断、商业上的金融市场分析、基于概率因果关系的数据挖掘、信息智能检索、软件产业上的智能帮助系统等方面取得了初步应用，但作为一种新的理论和模型，它仍然存在着许多问题有待解决。目前，现有的贝叶斯网络推理算法都不同程度地存在着一些需要解决的问题，如PolYTreePropagat

6、ion算法很难处理多连通贝叶斯网络，C1iqueTreePropagation算法的空间复杂性高，近似推理算法的计算精度和推理速度很难同时满足实际要求，计算时间复杂度是NP难题【21】，等等。网络结构未知和数据不完整情况下的结构学习和参数学习是贝叶斯网络学习的最大难题，也是数据挖掘领域的研究热点。当前，我国在贝叶斯网络研究领域仍属起步阶段，中国科学院计算技术研究所、清华大学、重庆大学等院校已对贝叶斯网络进行了人量研究【22．35】，但目前还没有可用于研究和应用开发的贝叶斯网络商用软件。国外，在贝叶斯网络研究过程中，一些公

7、司或个人分别开发了相应的研究或应用的软件系统。这些软件涉及到贝叶斯网络的推理、学习及应用的各个领域。5河北农业大学硕士学位(毕业)论文由于目的不同，这些系统的侧重点也不同。有些侧重于网络的推理，如微软公司的MSBN、Norsys公司的Netica等；有些侧重于从实例数据学习建立网络结构，如Cheng等人编写的B1iefnetPowerConstructor等。Murphy的基于Matlab的BayesiannetworksToolBox[36】是一个用贝叶斯网络研究和交流的免费软件，它包含了贝叶斯网络研究的各个领域，是目

8、前功能最全的软件系统，但遗憾的是它不支持图形用户接口(GUI)。1．2．2贝叶斯网络的理论基础贝叶斯网络的理论基础是概率论，因此这里首先简单介绍一F概率论的基本概念和相关的定律：①条件概率定义：设A，B为事件，且P(B)>O，称P(AIB)=P(AB)／P(B)为在事件B已发生的条件下，事件A发生的条件概率(Cond