本文介绍了一篇发表于2022年1月《IEEE Transactions on Industrial Electronics》期刊上的研究论文，题为《A State Monitoring Method of Gas Regulator Station Based on Evidence Theory Driven by Time-Domain Information》。该研究由Bo Wang、Jingyuan Jia、Zhihong Deng和Mengyin Fu共同完成，分别来自北京理工大学自动化学院和南京理工大学。研究的主要目标是提出一种基于证据理论（Evidence Theory）的改进方法，用于燃气调压站的状态监测，以解决时间域信息融合中的不确定性问题。

研究背景与动机

燃气调压站是燃气输配系统中的关键组成部分，其状态监测对燃气管网的安全运行至关重要。然而，由于工作环境的复杂性和传感器的局限性，获取的信息往往具有不确定性，导致状态监测结果容易出错。证据理论（Dempster-Shafer Theory, DS理论）是一种有效处理不确定信息的方法，但其在时间域信息融合中的应用存在诸多问题，如动态冲突证据的组合、证据随时间变化的可靠性以及融合过程中的误差累积等。因此，本文提出了一种改进的证据理论方法，旨在解决这些问题，并提高燃气调压站状态监测的准确性和实时性。

研究方法与流程

研究的主要流程包括以下几个步骤：

1. 冲突证据的检测与处理：

   • 使用反向传播神经网络（Back-Propagation Neural Network, BPNN）来判断证据之间是否存在冲突。BPNN通过训练数据集（包括冲突系数、证据距离和余弦相似度）来学习证据冲突的特征，并在后续应用中直接调用该模型进行冲突判断。
   • 提出相对冲突因子（Relative Conflict Factor），基于置信函数（Belief Function）和似然函数（Plausibility Function）来修正冲突证据。相对冲突因子通过计算证据的不确定性来调整证据的权重，从而减少冲突对融合结果的影响。

2. 自适应时间衰减因子：

   • 提出了一种自适应时间衰减因子（Adaptive Time Attenuation Factor），用于减少时间域信息融合中的误差累积。该因子通过动态调整历史证据的权重，确保当前证据对融合结果的影响更大，从而提高监测的实时性和准确性。

3. 时间域信息融合：

   • 结合时间衰减因子和相对冲突因子，提出了一种改进的证据理论方法，用于时间域信息的动态融合。该方法通过滑动窗口的方式，将当前证据与历史证据进行融合，确保融合结果能够反映最新的状态变化。

实验结果与分析

研究通过实验验证了所提出方法的有效性和可行性。实验数据来自40个燃气调压站的出口压力数据，采集时间为30天。实验结果表明，所提出的方法在处理冲突证据时表现出色，能够有效减少误差累积，并且在强冲突情况下对正确命题的支持度变化比现有方法（如TEC-RRF）高出0.1478。此外，该方法对异常状态的变化更加敏感，能够及时发现燃气调压站的异常状态，从而为技术人员提供准确的维护依据。

结论与意义

本文提出的基于时间域信息的证据理论改进方法，能够有效解决燃气调压站状态监测中的不确定性问题。通过引入BPNN进行冲突判断、相对冲突因子修正证据以及自适应时间衰减因子减少误差累积，该方法在时间域信息融合中表现出较高的准确性和实时性。实验结果表明，该方法能够及时发现燃气调压站的异常状态，确保燃气管网的安全运行。

研究亮点

1. 创新性方法：本文提出了一种基于BPNN的冲突判断方法，结合相对冲突因子和自适应时间衰减因子，显著提高了时间域信息融合的准确性和实时性。
2. 实际应用价值：该方法能够有效应用于燃气调压站的状态监测，及时发现异常状态，确保燃气管网的安全运行。
3. 实验验证：通过大量实验数据验证了所提出方法的有效性，特别是在强冲突情况下，该方法表现出比现有方法更高的支持度变化。

未来研究方向

尽管本文提出的方法在燃气调压站状态监测中表现出色，但未来仍需进一步研究如何提高证据基本概率分配（BPA）的准确性，以进一步提升状态监测的实时性和准确性。

总的来说，本文的研究为燃气调压站的状态监测提供了一种新的解决方案，具有重要的科学价值和实际应用意义。