基于海明距离的证据融合方法：改进D-S理论在电力系统故障诊断中的应用

本文主要探讨了改进的证据理论在电力系统故障诊断中的具体应用，针对D-S证据理论中存在的处理高度冲突证据难题。D-S证据理论是一种重要的决策支持系统工具，它在处理不确定性和不完全信息时具有显著优势。然而，当不同来源的证据存在较大冲突时，如何有效地融合这些证据成为关键问题。 文章提出了一种创新的方法，即基于海明距离的证据合成规则。海明距离是一种衡量两个等长字符串之间差异的度量方式，通过计算证据间的差异程度，可以量化证据的相似性。首先，作者依据证据之间的冲突系数来评估证据间的矛盾程度，冲突系数越大，表示证据间的不一致性越高。接着，利用海明距离确定的相似度对每条证据赋予权重，这有助于区分重要性和可信度。 通过这种方式，原始的基本信度分配函数（BDNF）被重新调整，使得权重高的证据对最终结论的影响更大，从而实现对冲突证据的有效融合。这种方法旨在减少或平滑证据间的冲突，提高诊断结果的合理性。作者通过电力系统的一个故障诊断案例，展示了改进后的证据理论在实际应用中的有效性，结果显示其计算结果更贴近实际情况，能更准确地定位和识别电力系统的故障。 这篇文章的重要性在于提供了处理复杂证据冲突的一种实用工具，对于电力系统的运行监控和维护具有重要意义。通过引入海明距离，作者不仅解决了D-S证据理论中的一个问题，也为其他领域的决策支持系统提供了新的融合证据思路。同时，这也表明了工程技术领域研究者对现有理论的深入理解和创新应用。