由于發(fā)電機故障現(xiàn)象與故障原因有著密切的關系，每一種故障現(xiàn)象的發(fā)生，可能由一個或多個故障原因引起，同時每一種故障都會相應地引發(fā)某些現(xiàn)象，再加上大型發(fā)電機故障種類繁多，因此其故障現(xiàn)象、原因及機理的復雜性和模糊性難以用準確的數學模型加以描述，也難以完全依靠確定性的判據來斷定故障的性質本文將發(fā)電機運行經驗與專家系統(tǒng)原理、模糊理論相結合，找出發(fā)電機運行中電氣故障原因和現(xiàn)象間的模糊關系，經模糊推理，實現(xiàn)發(fā)電機電氣故障的智能診斷1模糊理論的引入模糊理論可以解決生產過程中某些因素相互間存在的不確定關系，在發(fā)電機電氣故障診斷領域內，可用模糊關系矩陣來反映它的某些故障現(xiàn)象與故障原因之間的關系，具體描述如下。

　　設XY分別表示輸入與輸出，且分別代表故障原因與故障現(xiàn)象的量化集合，則：1，2，…，n；則模糊關系方程為：其中，R=（ri/）mKn，ri/屬于，稱為Xi與y，的關系強度，r/=0表示無關，ri/越大，關系越密切，n/越小，關系越小。，福建永泰人，福州大學講師。

　　行中常見的電氣故障原因和現(xiàn)象進行分析。首先確定輸入，即電氣故障原因矩陣X，如代表定子A相接地故障，詳見表1然后確定輸出，即電氣故障現(xiàn)象矩陣Y，如UaI代表機端A相電壓下降，用y4表示，詳見表2表1輸入模糊集（故障原因）故障原因輸入故障原因輸入定子A相接地轉子一點接地定子B相接地轉子兩點接地定子C相接地運行中失磁定子三相接地事故過負荷定子A相匝間短路外部短路故障定子B相匝間短路定子C相匝間短路表2輸出模糊集（故障現(xiàn)象）故障現(xiàn)象輸出故障現(xiàn)象輸出故障現(xiàn)象輸出An個個U個Ua個/A個/b個Uf個Ub個/c個/f個C個表2中，A.為機端零序電流；為機端零序電壓；Q <0為無功表指示負值；U為定子絕緣監(jiān)視電壓；（/a-/a）為差動保護繼電器一、二次側電流差；Ilhn為中性端不平衡電流；U為轉子繞組正極對地電壓；Uf為勵磁電壓；/f為轉子電流結合某電廠火電機組運行經驗并咨詢有關專家，可初步形成故障原因與故障現(xiàn)象之間的模糊關系矩陣R，詳見表3表3中列出了23種電氣故障現(xiàn)象與12種電氣故障原因之間的關系表示x與y/之間的關系強度，0.9表示關系密切，0. 5表示關系一般，0 2表示關系較小，。表示無關如何確定模糊關系矩陣元素和閾值，是決定模糊推理正確與否的關鍵它們的取值是專家知識和發(fā)電機運行實踐的反映，是經過長期分析提煉而來的。對于模糊關系矩陣元素ri/的評估，可采用“模糊統(tǒng)計法”

　　取值不應大于輸出矩陣中更大的元素。若Xi>w，則y/很可能是由xi引起的；若xi　　假如某種故障發(fā)生時有如下現(xiàn)象：機端零序電流、電壓急劇上升，機端AC相電壓上升，B相電壓有明顯下降而B相電流卻有所上升，并且定子絕緣監(jiān)視電壓有指示，結合故障知識，則可得：經模糊推理可得到故障可能性更大的為X2 =0.8（只需求出更大解），即代表“定子B相接地故障”又假設：則所形成的模糊關系方程無解，這時可借助于模式識別來進一步補充推理以判明故障原因由貼表3發(fā)電機電氣故障原因與現(xiàn)象之間的模糊關系矩陣R叫又14又19仰近度公式|61：（，N（Y，x，）表示故障現(xiàn)象集Y與某故障原因x，之間的貼近程度），可求得：N（Y，x7）= 0.784為更大，因此更有可能發(fā)生的故障是“定子C相匝間短路故障”或是其他故障（即不是輸入模糊集中的故障）若由于某種原因使故障現(xiàn)象集Y中的元素不全時，模糊方程無法建立時，則模式識別也作為可能故障原因的補充判斷4智能診斷原理流程發(fā)電機電氣故障智能診斷原理流程如所示。系統(tǒng)主要由知識庫、故障信息庫、推理機、模式識別和人機界面等部分組成。發(fā)電機的各種故障知識借助于c語言的結構體來表示，編程易形成推理函數，編譯產生的可執(zhí)行程序運行速度快5結論本文把發(fā)電機運行經驗與專家系統(tǒng)原理、模糊理論相結合，建立了發(fā)電機電氣故障原因與電氣故障現(xiàn)象之間的模糊關系方程，并對某些情況下無解的關系方程用模式識別的方法補充推理，彌補了專家系統(tǒng)和模糊關系方程存在的不足，較好地實現(xiàn)了故障診斷，并以軟件實現(xiàn)模擬運行，運行速度快，診斷結果準確可靠但文中模糊關系矩陣元素的形成仍是初步的，需要更加豐富的歷史資料與運行實踐不斷進行修正。