技术成果:

北京科技大学

成果介绍

贝叶斯网络(Bayesian Networks)是描述数据变量之间依赖关系的一种图形模式，是一种用来进行推理的模型。本系统对贝叶斯网络基本理论进行研究和探讨，并将最强依赖算法应用于贝叶斯推理网络。通过贝叶斯网络，来不断调整系统的可行性和优越性。在天然气采输配管系统运行过程中，可以清楚的表现出贝叶斯推理网络构建的故障诊断系统相对于传统故障诊断技术的准确性。从而验证了贝叶斯推理网络在故障诊断应用中的有效性和应用价值。

应用介绍

所处研发阶段：已全部完成成果。

应用领域和范围：复杂（流）管网的推理模型构建与实时故障诊断分析。

应用情况：应用于国家“十一五”科技攻关项目：数字气田关键技术及应用示范研究。

技术优势

从事天然气采输配管网络故障诊断的工作、科研人员长期学习与实践积累下来的宝贵知识，是对故障机理的描述和解释，类似于专家系统“知识库”中的诊断知识。在实际诊断过程中，专家和现场技术人员往往也是依据从机组运行状态中提取出来的特征数据来对机组状态做出判断的，这些特征数据亦即贝叶斯网络诊断时的证据信息。

自我评价及效益分析

成果的自我评价：根据故障征兆与故障原因之间的因果关系，本系统可以用有向弧线将相关的节点联系起来，构成贝叶斯网络的有向无环图结构。图形化的结构可以更加清晰的表达领域专家对设备故障状态的认知，符合人类的思维形式。本系统采用贝叶斯推理网络的故障诊断方法，来对天然气采输配管网络进行故障诊断。

投资规模及经济效益：本系统在数字气田试点应用中获得了一定的经济效益。