基于混合免疫算法的变压器故障诊断

《基于混合免疫算法的变压器故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第25卷第9期电力科学与工程VO1．25．No．92009年9月ElectricPowerScienceandEngineeringSep．，2009基于混合免疫算法的变压器故障诊断任静。，黄家栋，李胜杰(1．华北电力大学电力系统保护与动态安全监控教育部重点实验室，河北保定071003；2．山东茌平县电业公司，山东茌平252100)摘要：为了提高变压器故障诊断正确率，提出一种免疫支持向量机混合智能诊断方法，首先将变压器故障分为放电性和过热性，然后用免疫聚类算法对所获取的数据进行预选取，加快模型参数的确定速度，利用支持向量机识别类内变压器故障，利用基于交叉验证的网格搜索法来确定支持向量基

2、的参数。经过大量实例分析，并将其结果与神经网络方法进行对比，表明该算法具有较高的诊断精度。关键词：电力变压器；故障诊断；免疫聚类；支持向量机中图分类号：TM406文献标识码：A中气体特征空间中的最优解，提高了故障诊断正确性。O引言1支持向量机基础变压器油中溶解气体分析技术是电力变压器故障诊断的重要方法，它能有效地发现变压器内部的支持向量机可以用于数据分类问题的处理。下潜伏性故障及其发展程度。常用的IEC三比值法面针对训练样本集——2类线性和2类非线性分别及其相关改良比值法在工程实际使用中暴露出编码加以讨论。不全，编码结果过于绝对等缺点。目前有很多人工对于2类线性可分问题。已知：训练集包

3、含1智能方法如神经网络，聚类分析，灰色理论，粗糙个样本点：集等，它们中的一种或几种集成的方法被应用于电{tt)，(x2,y2)，⋯，))E(xxy)力变压器故障诊断中，但电力变压器的结构复杂性EX=R，Y∈y={1，一1)和故障机理的多样性使得故障诊断的准确率还需要式中x是向量，其分量称为特征；】，是输出。支持进一步提高”。向量就是寻求一个平面ogx+b=0，使得训练数据点分析变压器故障产气的机理可知，单一类型的距离这个分类面尽量远。这种极大化“间隔”的思变压器故障与油中气体含量之间并没有明确的函数想导致求解对变量∞和b的最优问题映射关系，气体含量的分布特性也很难推测：实际1现场数据的

4、采集精度及数量也很有限。传统方法都min=÷Il∞ll，{(∞)+6)1，f=l，2，⋯，是在统计学渐进理论的基础上发展起来的，即当样讲．D本数量趋于无穷大时的极限特征。在工程实际中，为求解原始问题，根据最优化理论，可以转化这样的前提条件往往难以满足。为对偶问题来求解，，，本文将统计学习理论中的通用学习方法一支，min∑∑y~yjaaj(x,xj)一∑持向量机引入到变压器故障诊断中，利用结构风险i=lj=l／=1最小化原则控制诊断中风险问题，同时用免疫聚类，_●一s．t．Zyf∞=0，6c。0，i=1，2，⋯，，算法对故障样本进行预选取，有效解决了计算中的耗时问题。实例表明该模型可有效

5、地求取变压器油收稿日期：2009—03—21．作者简介：任静(1983一)，女，华北电力大学电力系统保护与动态安全监控教育部重点实验室硕士研究生第9期任静，等基于混合免疫算法的变压器故障诊断解决上述问题后得到的分类规则函数是每个抗体Ab,的亲合力a=l／llAb，～Ag,II，按a大小f，1降序排列。选择前个抗体作为网络细胞进行克隆)=sgn{(∞)+6)=sgn{I∑a()+6}和变异。f=1jc．克隆：对n个被选择的网络细胞进行克隆对于2类线性不可分问题，为第i个训练点操作。克隆的数目Ⅳc由其亲合力决定，亲和力越(Y)引入松弛变量≥0，把约束条件放松到大的克隆数目Ⅳc越大，即Nco

6、cKxa，其中k为克y,{(cox)+6)+1，i=1，2，⋯，，l。显然可以描隆规模。述为训练集错划的程度。现在有2个目标：目标1d．变异：对克隆后的细胞以下式进行变异操作。是超平面间隔最大；目标2是训练集错划程度尽可：一6【(—ttg~)能小，所以引入惩罚参数C。在实际使用时，可以利用C来修改这2个目标的权重。这样新的目标式中为变异后的细胞；为亲和力，亲和力越函数成为大，变异率越小。变异操作实质上是通过局部寻优，．使抗体向识别抗原的方向进化。min=妻II∞II+c∑专^f‘1e．克隆选择：重新计算抗原Ag与克隆变异后s．t．y,((eox)+6)+专1，i=l，2，⋯，Z细胞的亲

7、合力。选择其中亲合力最好的一部分(以百分数猿示)作为该抗原的部分记忆细胞集：然，式中，体现了经验风险：而II∞ll则体现了分类后进行克隆抑制，先淘汰那些与抗原亲合力小于自f：l然死亡阈值，的记忆细胞，再计算记忆细胞之间的表达能力。所以惩罚参数C实质上是对经验风险相似度，删除相似度大于免疫抑制阈值的记忆细和表达能力匹配的一个裁决。当C—O0时，线性不胞。可分的原始问题退化为线性可分问题。f抑制：合并所有抗原提呈后得到的^到对于非线性分类，通过引入