基于人工免疫算法的變壓器故障診斷

年安君，苑津莎，李 中

(華北電力大學(xué)電子與通信工程系，河北保定 071003)

電力變壓器在電力系統(tǒng)的中輸、變、配電設(shè)備中是重要和昂貴的設(shè)備之一，電力變壓器是其中容量大、故障率較高的設(shè)備，其運(yùn)行狀態(tài)的安全與否直接關(guān)系到整個(gè)電力系統(tǒng)的安全性和經(jīng)濟(jì)性。因此，隨時(shí)檢測(cè)變壓器狀態(tài)，及早發(fā)現(xiàn)并排除可能存在的故障，是保障供電系統(tǒng)可靠性的重要手段之一。由于以上原因，變壓器故障診斷技術(shù)一直是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。故障的多樣性、不確定性和各故障之間聯(lián)系的復(fù)雜性構(gòu)成了故障診斷技術(shù)的難點(diǎn)。

近年來，許多新的、有效的故障診斷方法相繼出現(xiàn)，并取得了廣泛的應(yīng)用成果，這些診斷方法包括基于規(guī)則的方法、基于故障樹的方法、模糊方法、神經(jīng)網(wǎng)絡(luò)方法、粗糙集方法、支持向量機(jī)方法以及各種混合方法等。以上故障診斷方法為準(zhǔn)確診斷設(shè)備的故障起了重要作用，但都存在一些不足。

由于上述的各種方法都有自身的優(yōu)點(diǎn)和缺陷，人們開始致力于新研究的方法。人工免疫在故障診斷中，作為一種新的有效的診斷方法，可用于解決故障診斷中難以解決的一些特殊問題。

1 人工免疫系統(tǒng)及算法

人工免疫系統(tǒng)是受生物免疫學(xué)啟發(fā)，模擬免疫學(xué)功能、原理和模型來解決復(fù)雜問題的自適應(yīng)系統(tǒng)。其基本原理是抵御外部入侵使其機(jī)體免受病原侵害，通過抗體與抗原的作用關(guān)系，使抗體在學(xué)習(xí)抗原模式的過程中不斷優(yōu)化，從而得到能夠表征抗原特征的獨(dú)特型抗體，為變壓器故障診斷提供了新的研究方向。

人工免疫系統(tǒng)模型的組成有3個(gè)方面:抗原、抗體的形式，抗原與抗體以及抗體與抗體之間相互作用機(jī)制和整個(gè)系統(tǒng)的構(gòu)造。

通?？乖瓕?duì)應(yīng)待解決的問題或待分析的數(shù)據(jù);抗體對(duì)應(yīng)問題的解或者解的特征值;抗原與抗體的相互作用機(jī)制和整個(gè)系統(tǒng)的構(gòu)造是根據(jù)問題本身的特點(diǎn)來確定的，抗體與抗原的相互作用可以是解與問題的適應(yīng)度，也可以是特征值與數(shù)據(jù)組的相似度等;而系統(tǒng)的構(gòu)成可以是算法形式、網(wǎng)絡(luò)形式等，對(duì)應(yīng)內(nèi)容因解決問題對(duì)象不同而內(nèi)容各異。基本的免疫算法流程[1]如圖1所示。

2 人工免疫網(wǎng)絡(luò)

2.1 人工免疫網(wǎng)絡(luò)

針對(duì)人工免疫系統(tǒng)中表現(xiàn)出的算法復(fù)雜性高、需要人工設(shè)置和調(diào)整的參數(shù)較多等問題。soAbNET是一種自組織抗體網(wǎng)絡(luò)模型[2]，該方法計(jì)算簡(jiǎn)單，無需設(shè)置任何的參數(shù)與閾值，且具有較高的準(zhǔn)確識(shí)別率。

圖1 免疫算法基本流程圖

應(yīng)用自組織抗體網(wǎng)絡(luò)進(jìn)行模式特征提取的基本過程是

(1)隨機(jī)抽取一定數(shù)目的各類模式訓(xùn)練樣本，生成自組織抗體網(wǎng)絡(luò)中相應(yīng)類別的初始抗體，完成自組織抗體網(wǎng)絡(luò)的初始化。

(2)以所有訓(xùn)練樣本作為輸入抗原，應(yīng)用抗體生成算法，訓(xùn)練自組織抗體網(wǎng)絡(luò)，自組織抗體網(wǎng)絡(luò)中的抗體有效提取各類訓(xùn)練樣本的模式特征。

(3)按照過程(2)，反復(fù)訓(xùn)練自組織抗體網(wǎng)絡(luò)，當(dāng)連續(xù)兩次訓(xùn)練結(jié)果一致時(shí)，訓(xùn)練終止。

自組織抗體網(wǎng)絡(luò)訓(xùn)練結(jié)束后，自組織抗體網(wǎng)絡(luò)中的抗體提取并記憶了訓(xùn)練樣本的模式特征，應(yīng)用自組織抗體網(wǎng)絡(luò)進(jìn)行分類識(shí)別的過程是

(1)計(jì)算輸入抗原與自適應(yīng)抗體網(wǎng)絡(luò)中所有抗體的親和度。

(2)按照最鄰近規(guī)則，依據(jù)親和度的大小完成分類識(shí)別。

2.2 標(biāo)準(zhǔn)數(shù)據(jù)集仿真結(jié)果及分析

(1)Iris數(shù)據(jù)集對(duì)自組織抗體網(wǎng)絡(luò)進(jìn)行測(cè)試訓(xùn)練。

實(shí)驗(yàn)方法:

隨機(jī)選擇Iris數(shù)據(jù)集每類數(shù)據(jù)中的1/2作為訓(xùn)練數(shù)據(jù)，其余作為測(cè)試數(shù)據(jù)，進(jìn)行試驗(yàn)[4]。

得出實(shí)驗(yàn)數(shù)據(jù):Iris數(shù)據(jù)集3類植物的識(shí)別準(zhǔn)確率分別為:100%、92%、92%;

平均正確識(shí)別率:94.67%。此網(wǎng)絡(luò)比aiNet在數(shù)據(jù)分類正確率上有所提高。

(2)Letter Recognition數(shù)據(jù)集對(duì)自組織抗體網(wǎng)絡(luò)進(jìn)行測(cè)試訓(xùn)練。

實(shí)驗(yàn)方法:分別提取每個(gè)字母的前700條記錄作為實(shí)驗(yàn)數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)集由各類字母的前630條記錄組成，共16 380條記錄，其余作為測(cè)試數(shù)據(jù)集，共計(jì)1 820條。

得出的實(shí)驗(yàn)數(shù)據(jù):Letter Recognition數(shù)據(jù)集26類字母的平均正確識(shí)別率為94.84%

3 基于人工免疫網(wǎng)絡(luò)的變壓器故障診斷

3.1 故障診斷模型

應(yīng)用免疫算法，基于電力變壓器油中溶解氣體數(shù)據(jù)，進(jìn)行電力變壓器故障診斷的仿真分析。實(shí)現(xiàn)模型如圖2所示。先用有關(guān)變壓器故障診斷的先驗(yàn)知識(shí)對(duì)自組織抗體網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練好的自組織抗體網(wǎng)絡(luò)有效地存儲(chǔ)了相關(guān)經(jīng)驗(yàn)，進(jìn)而應(yīng)用該網(wǎng)絡(luò)進(jìn)行變壓器的故障診斷工作。

圖2 變壓器故障診斷模型圖

3.2 診斷結(jié)果及分析

將變壓器狀態(tài)分為4種:正常狀態(tài)、高能放電、低能放電和過熱故障。收集了330條樣本作為數(shù)據(jù)源，將數(shù)據(jù)源分為訓(xùn)練樣本和測(cè)試樣本兩部分，其中訓(xùn)練樣本270條，測(cè)試樣本60條。從表中可以看出，應(yīng)用人工免疫方法有較高的分類準(zhǔn)確率。診斷結(jié)果如表1所示。

表1 故障診斷結(jié)果

4 結(jié)束語

人工免疫模仿生物免疫機(jī)理，模仿抗原對(duì)抗體的快速學(xué)習(xí)及記憶，通過對(duì)抗體的訓(xùn)練，可以有效對(duì)抗原模式特征進(jìn)行記憶和提取。標(biāo)準(zhǔn)數(shù)據(jù)集和變壓器故障樣本對(duì)算法進(jìn)行仿真測(cè)試，表明其具有較高的分類準(zhǔn)確率，可以有效地應(yīng)用于變壓器故障診斷。

[1]王珺，劉希玉，王鑫.人工免疫系統(tǒng)及其模型分析[J].計(jì)算機(jī)技術(shù)與發(fā)展，2006，16(7):105-107.

[2]李中.電力變壓器故障診斷技術(shù)研究[D].保定:華北電力大學(xué)，2009.

[3]DE CASTRO L N.The immune response of an artificial immune network(aiNet)[C].The 2003 Congress on Evolutionary Computation，2003.CEC'03，2003(1):146-153.

[4]莊健，王娜，杜海峰，等.一種模糊人工免疫網(wǎng)絡(luò)故障診斷策略[J].自然科學(xué)進(jìn)展，2007，17(11):1544-1550.

[5]郭磊.基于神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷技術(shù)的研究[D].成都:西華大學(xué)，2008.