本發(fā)明涉及一種斷路器故障診斷方法，具體涉及一種基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，屬于電力設(shè)備安全監(jiān)測(cè)領(lǐng)域。

背景技術(shù)：

近些年來(lái)，各種挖掘算法被廣泛的應(yīng)用于設(shè)備的故障診斷中，并取得了良好的成績(jī)。例如各種類(lèi)型的專(zhuān)家診斷系統(tǒng)、神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)以及基于模糊理論的診斷系統(tǒng)?，F(xiàn)階段，基于神經(jīng)網(wǎng)絡(luò)算法的斷路器故障診斷方法是很普遍和有效的。然而它也存在許多缺陷：一是當(dāng)訓(xùn)練樣本數(shù)目較多且輸入輸出關(guān)系復(fù)雜的時(shí)候，其收斂速度就變的緩慢，甚至不收斂；二是隨著輸入特征向量維數(shù)較多時(shí)，其網(wǎng)絡(luò)性能表現(xiàn)較差。

貝葉斯網(wǎng)絡(luò)對(duì)于解決復(fù)雜系統(tǒng)不確定因素引起的故障具有很大的優(yōu)勢(shì)，表現(xiàn)為收斂速度快、分類(lèi)能力強(qiáng)、準(zhǔn)確度高的特性；被認(rèn)為是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型；它以貝葉斯定理為理論基礎(chǔ)，將事件的先驗(yàn)概率與后驗(yàn)概率巧妙的結(jié)合起來(lái)，利用樣本數(shù)據(jù)和先驗(yàn)概率確定事件的后驗(yàn)概率；貝葉斯網(wǎng)絡(luò)利用概率測(cè)度的權(quán)重來(lái)描述數(shù)據(jù)之間的相關(guān)性，解決了數(shù)據(jù)之間的不一致性，可以很容易地處理信息不完備問(wèn)題。

目前國(guó)內(nèi)外已經(jīng)有很多專(zhuān)家學(xué)者對(duì)斷路器故障診斷問(wèn)題進(jìn)行了研究，主要分為神經(jīng)網(wǎng)絡(luò)、模糊推理、遺傳算法和專(zhuān)家系統(tǒng)等四種方法。這些診斷方法表現(xiàn)出良好的自適應(yīng)能力、自學(xué)習(xí)能力、容錯(cuò)能力和診斷能力。然而當(dāng)訓(xùn)練樣本數(shù)目較多且輸入輸出關(guān)系很復(fù)雜的時(shí)候，其收斂速度很慢，甚至不收斂；并且其在進(jìn)行故障診斷時(shí)，要么診斷結(jié)果的準(zhǔn)確性較低，要么診斷時(shí)間較長(zhǎng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)現(xiàn)有技術(shù)的缺點(diǎn)和難點(diǎn)，設(shè)計(jì)一種基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，從而可以實(shí)現(xiàn)診斷結(jié)果的收斂性、高效性及準(zhǔn)確性。

本發(fā)明是整體思路這樣實(shí)現(xiàn)的：

基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，是根據(jù)斷路器的結(jié)構(gòu)及故障特性，在開(kāi)源數(shù)據(jù)挖掘knime平臺(tái)上構(gòu)建貝葉斯網(wǎng)絡(luò)診斷模型，用于對(duì)斷路器的故障診斷，并通過(guò)大量項(xiàng)目真實(shí)數(shù)據(jù)的仿真實(shí)驗(yàn)，驗(yàn)證該診斷模型方法的收斂性、高效性及準(zhǔn)確性。本方法中需要有斷路器故障的知識(shí)庫(kù)、貝葉斯網(wǎng)絡(luò)診斷模型、斷路器故障診斷，重點(diǎn)是對(duì)診斷模型的設(shè)計(jì)。其中，斷路器故障的知識(shí)庫(kù)組成包括樣本集和測(cè)試集，樣本集用于診斷模型訓(xùn)練，測(cè)試集用于驗(yàn)證診斷模型的準(zhǔn)確性；貝葉斯網(wǎng)絡(luò)診斷模型的構(gòu)建分為三個(gè)環(huán)節(jié)，即數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘，首先該診斷模型從mysql數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)，然后經(jīng)過(guò)列過(guò)濾、行變換、隨機(jī)分區(qū)等一系列數(shù)據(jù)預(yù)處理，最后診斷模型采用了weka外部擴(kuò)展中的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)挖掘，通過(guò)對(duì)大量樣本數(shù)據(jù)的訓(xùn)練，形成了一種基于貝葉斯網(wǎng)絡(luò)條件概率分布的斷路器故障診斷模型；在實(shí)際應(yīng)用中，通過(guò)調(diào)用訓(xùn)練后的貝葉斯網(wǎng)絡(luò)故障診斷模型方法，實(shí)現(xiàn)對(duì)斷路器的故障診斷，并對(duì)診斷結(jié)果進(jìn)行展示。

綜上所述，我們可以得出基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，包括如下步驟：

步驟一、斷路器故障的知識(shí)庫(kù)構(gòu)建

知識(shí)庫(kù)的構(gòu)建包括故障類(lèi)型分析和數(shù)據(jù)庫(kù)設(shè)計(jì)兩個(gè)步驟：

1.1：斷路器的故障類(lèi)型是多樣的，根據(jù)實(shí)際故障案例分析，將斷路器的常見(jiàn)故障分為三大類(lèi)、八小類(lèi)，具體故障類(lèi)型如表1-1所示。

表1-1斷路器故障類(lèi)型

1.2：數(shù)據(jù)庫(kù)設(shè)計(jì)主要包括斷路器故障診斷規(guī)則表的設(shè)計(jì)，斷路器故障診斷規(guī)則表的設(shè)計(jì)主要包括數(shù)據(jù)id、指標(biāo)判定項(xiàng)、故障類(lèi)型和診斷時(shí)間等具體字段，其表字段詳細(xì)設(shè)計(jì)如表1-2所示。

表1-2斷路器故障診斷規(guī)則表字段

步驟二、貝葉斯網(wǎng)絡(luò)故障診斷模型設(shè)計(jì)

采用knime3.3.1數(shù)據(jù)挖掘平臺(tái)作為斷路器故障診斷的建模與仿真平臺(tái)，基于貝葉斯網(wǎng)絡(luò)的故障診斷模型設(shè)計(jì)如圖2所示。在實(shí)際的斷路器故障診斷中，通過(guò)調(diào)用此模型，實(shí)現(xiàn)對(duì)斷路器故障類(lèi)型的診斷。

基于貝葉斯網(wǎng)絡(luò)的故障診斷模型包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘三個(gè)環(huán)節(jié)。

2.1：數(shù)據(jù)采集

該步驟通過(guò)數(shù)據(jù)庫(kù)連接節(jié)點(diǎn)訪問(wèn)mysql數(shù)據(jù)庫(kù)，讀取樣本集數(shù)據(jù)，數(shù)據(jù)內(nèi)容包括8項(xiàng)判定指標(biāo)和1項(xiàng)故障判定結(jié)果。其中，隨機(jī)抽取的10組樣本元數(shù)據(jù)如表1-3所示。

表1-3樣本集元數(shù)據(jù)

2.2：數(shù)據(jù)預(yù)處理

對(duì)于從數(shù)據(jù)庫(kù)讀取的樣本元數(shù)據(jù)，將進(jìn)行的數(shù)據(jù)預(yù)處理包括列過(guò)濾、行交換和數(shù)據(jù)分區(qū)。

2.2.1：采用列過(guò)濾節(jié)點(diǎn)去除用于貝葉斯網(wǎng)絡(luò)訓(xùn)練的干擾項(xiàng)，如序號(hào)、故障時(shí)間等；

2.2.2：采用行交換節(jié)點(diǎn)打亂斷路器故障的案例順序，為樣本數(shù)據(jù)的隨機(jī)分區(qū)做準(zhǔn)備；

2.2.3：采用數(shù)據(jù)分區(qū)節(jié)點(diǎn)將樣本數(shù)據(jù)按一定比率(本模型設(shè)置的為70％)隨機(jī)分成兩份，一部分用于貝葉斯網(wǎng)絡(luò)樣本集訓(xùn)練，另一部分用于樣本集測(cè)試。通過(guò)測(cè)試結(jié)果與實(shí)際結(jié)果的比較，驗(yàn)證貝葉斯網(wǎng)絡(luò)模型的準(zhǔn)確性。

經(jīng)過(guò)預(yù)處理后的元數(shù)據(jù)如表1-4和表1-5所示。不僅排列順序發(fā)生了變化，用于訓(xùn)練和測(cè)試的樣本數(shù)量也隨之發(fā)生變化。

表1-4預(yù)處理后的訓(xùn)練數(shù)據(jù)

表1-5預(yù)處理后的測(cè)試數(shù)據(jù)

2.3：數(shù)據(jù)挖掘

2.3.1：在數(shù)據(jù)預(yù)處理的基礎(chǔ)上，診斷模型采用了weka外部擴(kuò)展中的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)挖掘，通過(guò)對(duì)大量樣本數(shù)據(jù)的訓(xùn)練，形成了一個(gè)基于貝葉斯網(wǎng)絡(luò)條件概率分布的故障診斷模型。

2.3.2：采用knime平臺(tái)建模的優(yōu)勢(shì)在于用戶無(wú)需編寫(xiě)程序，只需簡(jiǎn)單的節(jié)點(diǎn)連接和參數(shù)設(shè)置，便可構(gòu)造復(fù)雜的系統(tǒng)模型。本診斷模型中貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的輸入、輸出及參數(shù)設(shè)置如下：

a)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的輸入為8項(xiàng)判定指標(biāo)：合閘線圈絕緣電阻、失壓脫扣線圈狀態(tài)、合閘線圈電壓、開(kāi)關(guān)狀態(tài)、過(guò)載保護(hù)、過(guò)流保護(hù)、欠壓保護(hù)、逆功保護(hù)；

b)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的目標(biāo)輸出為斷路器故障類(lèi)型(fault_type)；

c)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的參數(shù)設(shè)置如下圖3所示。

步驟三、斷路器故障診斷

在實(shí)際的斷路器故障診斷應(yīng)用中，通過(guò)調(diào)用該貝葉斯網(wǎng)絡(luò)故障診斷模型，實(shí)現(xiàn)對(duì)斷路器故障類(lèi)型的診斷

3.1：將斷路器故障測(cè)試結(jié)果與實(shí)際結(jié)果作比較(fault_type\prediction_fault_type)，對(duì)貝葉斯網(wǎng)絡(luò)故障診斷模型的收斂性、高效性和準(zhǔn)確性進(jìn)行驗(yàn)證，其驗(yàn)證結(jié)果如圖4所示。

在樣本集的259條測(cè)試數(shù)據(jù)中，預(yù)測(cè)結(jié)果與實(shí)際結(jié)果一致的有250組，只有9組數(shù)據(jù)的預(yù)測(cè)結(jié)果出現(xiàn)誤差，其故障診斷結(jié)果的正確率為96.525％，錯(cuò)誤率為3.475％，一致性檢驗(yàn)(kappa)結(jié)果為0.957，診斷時(shí)間為6.334s。由此可以證明，基于貝葉斯網(wǎng)絡(luò)的故障診斷模型是高效的、準(zhǔn)確的。

本發(fā)明的基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法相對(duì)于傳統(tǒng)的斷路器故障診斷方法，主要有三個(gè)創(chuàng)新點(diǎn)：①采用貝葉斯網(wǎng)絡(luò)算法，充分考慮了斷路器發(fā)生故障時(shí)，電壓、電流、絕緣電阻等變量數(shù)據(jù)的因果關(guān)系及不確定性，大大提高了故障診斷結(jié)果的收斂性和準(zhǔn)確性；②采用數(shù)據(jù)挖掘及分析技術(shù)代替?zhèn)鹘y(tǒng)的人工檢測(cè)，不僅節(jié)約了人力物力等成本，而且縮短了故障診斷時(shí)間；③通過(guò)遠(yuǎn)程調(diào)用故障診斷模型的方法對(duì)斷路器進(jìn)行故障診斷，可實(shí)現(xiàn)一臺(tái)服務(wù)器部署，多臺(tái)主機(jī)調(diào)用的功能，大大節(jié)約了系統(tǒng)內(nèi)存資源。

附圖說(shuō)明

圖1為本發(fā)明基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法原理圖；

圖2基于貝葉斯網(wǎng)絡(luò)的故障診斷模型示意圖；

圖3為貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的參數(shù)設(shè)置圖；

圖4貝葉斯網(wǎng)絡(luò)故障診斷模型仿真結(jié)果圖；

圖5為斷路器故障樹(shù)圖；

圖6為不同算法準(zhǔn)確性仿真結(jié)果比較圖。

圖7斷路器故障診斷流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。

如附圖1所示，一種基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，是根據(jù)斷路器的結(jié)構(gòu)及故障特性，在開(kāi)源數(shù)據(jù)挖掘knime平臺(tái)上構(gòu)建貝葉斯網(wǎng)絡(luò)診斷模型，用于對(duì)斷路器的故障診斷，并通過(guò)大量項(xiàng)目真實(shí)數(shù)據(jù)的仿真實(shí)驗(yàn)，驗(yàn)證該診斷模型方法的收斂性、高效性及準(zhǔn)確性。本方法中需要有斷路器故障的知識(shí)庫(kù)、貝葉斯網(wǎng)絡(luò)診斷模型、斷路器故障診斷，重點(diǎn)是對(duì)診斷模型的設(shè)計(jì)。其中，斷路器故障的知識(shí)庫(kù)組成包括樣本集和測(cè)試集，樣本集用于診斷模型訓(xùn)練，測(cè)試集用于驗(yàn)證診斷模型的準(zhǔn)確性；貝葉斯網(wǎng)絡(luò)診斷模型的構(gòu)建分為三個(gè)環(huán)節(jié)，即數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘，首先該診斷模型從mysql數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)，然后經(jīng)過(guò)列過(guò)濾、行變換、隨機(jī)分區(qū)等一系列數(shù)據(jù)預(yù)處理，最后診斷模型采用了weka外部擴(kuò)展中的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)挖掘，通過(guò)對(duì)大量樣本數(shù)據(jù)的訓(xùn)練，形成了一種基于貝葉斯網(wǎng)絡(luò)條件概率分布的斷路器故障診斷模型；在實(shí)際應(yīng)用中，通過(guò)調(diào)用訓(xùn)練后的貝葉斯網(wǎng)絡(luò)故障診斷模型方法，實(shí)現(xiàn)對(duì)斷路器的故障診斷，并對(duì)診斷結(jié)果進(jìn)行展示。

綜上所述，我們可以得出基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，如附圖7所示，包括如下步驟：

步驟一、斷路器故障的知識(shí)庫(kù)構(gòu)建

知識(shí)庫(kù)的構(gòu)建包括故障類(lèi)型分析和數(shù)據(jù)庫(kù)設(shè)計(jì)兩個(gè)步驟：

1.1：斷路器的故障類(lèi)型是多樣的，附圖5和附表幾乎列出了斷路器常見(jiàn)的所有故障。

附表故障樹(shù)事件說(shuō)明表

根據(jù)實(shí)際故障案例分析，將斷路器的常見(jiàn)故障分為三大類(lèi)、八小類(lèi)，具體故障類(lèi)型如表1-1所示。

表1-1斷路器故障類(lèi)型

1.2：數(shù)據(jù)庫(kù)設(shè)計(jì)主要包括斷路器故障診斷規(guī)則表的設(shè)計(jì)，斷路器故障診斷規(guī)則表的設(shè)計(jì)主要包括數(shù)據(jù)id、指標(biāo)判定項(xiàng)、故障類(lèi)型和診斷時(shí)間等具體字段，其表字段詳細(xì)設(shè)計(jì)如表1-2所示。

表1-2斷路器故障診斷規(guī)則表字段

步驟二、貝葉斯網(wǎng)絡(luò)故障診斷模型設(shè)計(jì)

采用knime3.3.1數(shù)據(jù)挖掘平臺(tái)作為斷路器故障診斷的建模與仿真平臺(tái)，基于貝葉斯網(wǎng)絡(luò)的故障診斷模型設(shè)計(jì)如附圖2所示。在實(shí)際的斷路器故障診斷中，通過(guò)調(diào)用此模型，實(shí)現(xiàn)對(duì)斷路器故障類(lèi)型的診斷。

基于貝葉斯網(wǎng)絡(luò)的故障診斷模型包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘三個(gè)環(huán)節(jié)。

2.1：數(shù)據(jù)采集

該步驟通過(guò)數(shù)據(jù)庫(kù)連接節(jié)點(diǎn)訪問(wèn)mysql數(shù)據(jù)庫(kù)，讀取樣本集數(shù)據(jù)，數(shù)據(jù)內(nèi)容包括8項(xiàng)判定指標(biāo)和1項(xiàng)故障判定結(jié)果。其中，隨機(jī)抽取的10組樣本元數(shù)據(jù)如表1-3所示。

表1-3樣本集元數(shù)據(jù)

2.2：數(shù)據(jù)預(yù)處理

對(duì)于從數(shù)據(jù)庫(kù)讀取的樣本元數(shù)據(jù)，將進(jìn)行的數(shù)據(jù)預(yù)處理包括列過(guò)濾、行交換和數(shù)據(jù)分區(qū)。

2.2.1：采用列過(guò)濾節(jié)點(diǎn)去除用于貝葉斯網(wǎng)絡(luò)訓(xùn)練的干擾項(xiàng)，如序號(hào)、故障時(shí)間等；

2.2.2：采用行交換節(jié)點(diǎn)打亂斷路器故障的案例順序，為樣本數(shù)據(jù)的隨機(jī)分區(qū)做準(zhǔn)備；

2.2.3：采用數(shù)據(jù)分區(qū)節(jié)點(diǎn)將樣本數(shù)據(jù)按一定比率(本模型設(shè)置的為70％)隨機(jī)分成兩份，一部分用于貝葉斯網(wǎng)絡(luò)樣本集訓(xùn)練，另一部分用于樣本集測(cè)試。通過(guò)測(cè)試結(jié)果與實(shí)際結(jié)果的比較，驗(yàn)證貝葉斯網(wǎng)絡(luò)模型的準(zhǔn)確性。

經(jīng)過(guò)預(yù)處理后的元數(shù)據(jù)如表1-4和表1-5所示。不僅排列順序發(fā)生了變化，用于訓(xùn)練和測(cè)試的樣本數(shù)量也隨之發(fā)生變化。

表1-4預(yù)處理后的訓(xùn)練數(shù)據(jù)

表1-5預(yù)處理后的測(cè)試數(shù)據(jù)

2.3：數(shù)據(jù)挖掘

2.3.1：在數(shù)據(jù)預(yù)處理的基礎(chǔ)上，診斷模型采用了weka外部擴(kuò)展中的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)挖掘，通過(guò)對(duì)大量樣本數(shù)據(jù)的訓(xùn)練，形成了一個(gè)基于貝葉斯網(wǎng)絡(luò)條件概率分布的故障診斷模型。

2.3.2：采用knime平臺(tái)建模的優(yōu)勢(shì)在于用戶無(wú)需編寫(xiě)程序，只需簡(jiǎn)單的節(jié)點(diǎn)連接和參數(shù)設(shè)置，便可構(gòu)造復(fù)雜的系統(tǒng)模型。本診斷模型中貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的輸入、輸出及參數(shù)設(shè)置如下：

a)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的輸入為8項(xiàng)判定指標(biāo)：合閘線圈絕緣電阻、失壓脫扣線圈狀態(tài)、合閘線圈電壓、開(kāi)關(guān)狀態(tài)、過(guò)載保護(hù)、過(guò)流保護(hù)、欠壓保護(hù)、逆功保護(hù)；

b)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的目標(biāo)輸出為斷路器故障類(lèi)型(fault_type)；

c)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)的參數(shù)設(shè)置如附圖3所示。

步驟三、斷路器故障診斷

在實(shí)際的斷路器故障診斷應(yīng)用中，通過(guò)調(diào)用該貝葉斯網(wǎng)絡(luò)故障診斷模型，實(shí)現(xiàn)對(duì)斷路器故障類(lèi)型的診斷

3.1：將斷路器故障測(cè)試結(jié)果與實(shí)際結(jié)果作比較(fault_type\prediction_fault_type)，對(duì)貝葉斯網(wǎng)絡(luò)故障診斷模型的收斂性、高效性和準(zhǔn)確性進(jìn)行驗(yàn)證，其驗(yàn)證結(jié)果如附圖4所示。

在樣本集的259條測(cè)試數(shù)據(jù)中，預(yù)測(cè)結(jié)果與實(shí)際結(jié)果一致的有250組，只有9組數(shù)據(jù)的預(yù)測(cè)結(jié)果出現(xiàn)誤差，其故障診斷結(jié)果的正確率為96.525％，錯(cuò)誤率為3.475％，一致性檢驗(yàn)(kappa)結(jié)果為0.957，診斷時(shí)間為6.334s。由此可以證明，基于貝葉斯網(wǎng)絡(luò)的故障診斷模型是高效的、準(zhǔn)確的。

附圖6為不同算法準(zhǔn)確性仿真結(jié)果比較圖，通過(guò)附圖6可以看出，本申請(qǐng)基于貝葉斯網(wǎng)絡(luò)的斷路器故障診斷方法，結(jié)果是準(zhǔn)確的，比bp神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯方法，無(wú)論是從正確率還是一致性上，都有顯著提高。

附圖7示出了利用斷路器故障診斷系統(tǒng)進(jìn)行斷路器故障診斷的流程，表述如下：

1)啟動(dòng)斷路器故障診斷系統(tǒng)，并初始化數(shù)據(jù)庫(kù)；

2)進(jìn)入故障檢測(cè)模塊，設(shè)置自動(dòng)檢測(cè)時(shí)間，根據(jù)檢測(cè)規(guī)則，對(duì)各線路的電流數(shù)據(jù)進(jìn)行自動(dòng)檢測(cè)，如果沒(méi)有出現(xiàn)故障則繼續(xù)檢測(cè)，如果出現(xiàn)故障，則生成檢測(cè)報(bào)告并通知維修人員進(jìn)行故障定位；

3)進(jìn)入定位故障源模塊，導(dǎo)入產(chǎn)生故障的斷路器電壓數(shù)據(jù)，系統(tǒng)通過(guò)匹配定位規(guī)則，判斷故障位置，找到故障源；

4)進(jìn)入故障診斷模塊，首先構(gòu)建基于貝葉斯網(wǎng)絡(luò)的診斷模型，然后對(duì)樣本集進(jìn)行訓(xùn)練，形成訓(xùn)練后的條件概率分布的網(wǎng)絡(luò)模型；然后系統(tǒng)通過(guò)調(diào)用故障診斷模型的方式，實(shí)現(xiàn)對(duì)斷路器的故障診斷。