基于人工免疫算法的變壓器故障診斷方法
加入技術交流群
(7)抑制 對記憶抗體Ar進行抑制，刪除同類記憶抗體間親和力大于免疫抑制閾值Ys的記憶抗體，直至抗原與抗體的親和力接近。否則，隨機產生d個抗體Ad，則抗體集Ad*=ArUAd。
(8)檢驗 計算檢驗抗原集Ac和記憶抗體集Ur之間的歐氏距離，檢驗抗原的類別。
L=||Ac一Ur||
3．3 參數選定
(1)抗體n的選擇 n為抗體集中被選擇用來克隆增殖的抗體個數，n值越大則克隆集合Cj越大，這樣可加大記憶抗體的搜索空間，但也相應增加了算法計算量；而n值越小則每次產生記憶抗體集的個數越少，導致算法迭代次數增多。通過試算可得出最佳的抗體選擇數為4。
(2)其他參數設置 初始化抗體個數N=20,抗體克隆規模K=10，自然死亡閾值Yd=l，抑制閾值Ys=0．15，新產生抗體數d=10。
本文引用地址：http://www.104case.com/article/188665.htm
4 故障分析
常見的變壓器故障類型有：低溫過熱T1(t300℃)、中溫過熱T2(300℃t500℃)、高溫過熱T3(t>500℃)、局部放電PD、低能放電D1、高能放電D2等6種潛伏性故障類型。這里收集了478個故障樣本作為數據源。
將收集的故障樣本分為2部分，其中235個作為訓練抗原集，剩下的243個作為檢驗抗原集。輸入到上述的人工免疫算法中，重復訓練10次，得到的記憶抗體集個數平均為31，訓練抗原的數據壓縮比為86％。計算243個檢驗抗原和記憶抗體集的歐氏距離，得出總的故障診斷準確率為86．8％。表1為故障樣本經人工免疫算法處理后的結果及各種故障類型的診斷準確率。
表2給出了12組故障實例。將人工免疫算法的診斷結果和IEC三比值法進行比較，可以看出，前者的診斷準確率要高于后者。
5 結語
電力變壓器故障診斷的人工免疫算法充分利用了人工免疫網絡的自學習和自記憶的優點，對故障樣本抗原進行訓練。獲取的記憶抗體集具有故障的類別信息，由于抗原和記憶抗體的作用要考慮兩者的類別信息，使記憶抗體能夠很好地學習和記憶同一類別抗原的數據特征，提高了算法的準確度。通過實驗的結果證明，人工免疫算法的故障診斷準確率要高于IEC三比值法，證明了該算法的有效性。
評論