基于小生境遺傳算法的變壓器油色譜故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能電網(wǎng)在線監(jiān)測方法技術(shù)領(lǐng)域，具體涉及一種基于小生境遺傳算法 的變壓器油色譜故障診斷方法。
【背景技術(shù)】
[0002] 變壓器在電網(wǎng)中扮演著不可或缺的角色，是能量轉(zhuǎn)換、傳輸?shù)暮诵?，同時也是電網(wǎng) 安全第一道防御系統(tǒng)中的關(guān)鍵樞紐設(shè)備。變壓器故障不僅會帶來經(jīng)濟(jì)上的損失，還可能會 造成大停電給人們帶來恐慌與不便，所以對變壓器進(jìn)行故障診斷是發(fā)展智能電網(wǎng)的需要。
[0003] 現(xiàn)有的變壓器故障診斷方法很多，其中油中溶解氣體分析的研究尤為重要。其涉 及各種人工智能算法，如:BP神經(jīng)網(wǎng)絡(luò)為變壓器的故障診斷問題提供了一種比較好的結(jié)構(gòu) 體系，但存在著訓(xùn)練收斂速度慢、容易陷入局部極小點(diǎn)的缺點(diǎn)。專家系統(tǒng)能夠有效地模擬故 障診斷人類專家來完成故障診斷過程，但也存在著知識獲取困難、不確定性推理以及自學(xué) 習(xí)困難等許多技術(shù)問題。
[0004] 模糊控制能夠用精確的數(shù)學(xué)工具將模糊的概念或自然語言清晰化，從而對故障現(xiàn) 象能夠合理的加以量化等，但由于隸屬函數(shù)和模糊規(guī)則的確定過程存在一定的人為因素， 缺乏令人信服的客觀依據(jù)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于小生境遺傳算法的變壓器油色譜故障診斷方 法，采用小生境遺傳算法分析故障油中氣體特征信號，建立油色譜特征參數(shù)與故障類型的 對應(yīng)關(guān)系，實(shí)現(xiàn)變壓運(yùn)行故障的判別，具有高效、快速及自適應(yīng)學(xué)習(xí)能力強(qiáng)的特點(diǎn)。
[0006] 本發(fā)明所采用的技術(shù)方案，基于小生境遺傳算法的變壓器油色譜故障診斷方法， 具體按照以下步驟實(shí)施：
[0007] 步驟1、先針對具體問題對故障集選擇合適的編碼并輸入數(shù)據(jù)產(chǎn)生初始種群，然后 計算個體適應(yīng)度，最后按照適應(yīng)度大小將種群中的個體重新排隊(duì)；
[0008] 步驟2、對經(jīng)步驟1形成的初始種群進(jìn)行選擇、交叉、變異操作；
[0009] 步驟3、經(jīng)步驟2后，對種群進(jìn)行小生境淘汰操作，重新計算適應(yīng)度最終選擇適應(yīng)度 最大的染色體，即獲得了故障類型的組合，完成基于小環(huán)境遺傳算法的變壓器油色譜故障 診斷。
[0010] 本發(fā)明的特點(diǎn)還在于：
[0011] 步驟1具體按照以下步驟實(shí)施：
[0012] 步驟1.1、根據(jù)故障診斷問題的因果模型，確定變壓器故障診斷的征兆集和故障 集，其中征兆集用m表示，故障集用a表示；
[0013]變壓器的故障征兆主要有12種：
[0014] 征兆編號:mi，對應(yīng)的征兆類型為:總烴高；
[0015] 征兆編號:m2，對應(yīng)的征兆類型為:總烴低；
[0016] 征兆編號:m3,對應(yīng)的征兆類型為:H2<27% ;
[0017] 征兆編號:m4,對應(yīng)的征兆類型為:27%<H2<90% ;
[0018] 征兆編號:m5,對應(yīng)的征兆類型為:H2>100yL/L;
[0019] 征兆編號:m6，對應(yīng)的征兆類型為:CH4>75% ;
[0020] 征兆編號:m7,對應(yīng)的征兆類型為:C2H2<2% ;
[0021] 征兆編號:m8,對應(yīng)的征兆類型為:2%<C2H 2<5.5%;
[0022] 征兆編號:m9,對應(yīng)的征兆類型為:5.5%<C2H 2<18%;
[0023] 征兆編號:m1Q，對應(yīng)的征兆類型為：18% <C2H2<65% ;
[0024] 征兆編號:mn，對應(yīng)的征兆類型為:CH4>C2H4;
[0025] 征兆編號:m12,對應(yīng)的征兆類型為:CH4<C2H4;
[0026] 變壓器故障主要分為5種，分別如下：
[0027] 一般過熱m，其表現(xiàn)形式為:溫度低于500°C ;
[0028] 嚴(yán)重過熱&2，其表現(xiàn)形式為:溫度高于500 °C ;
[0029] 局部放電a3;
[0030] 火花放電a4;
[0031] 電弧放電a5;
[0032] 采用二進(jìn)制編碼方法，將染色體長度定為5(a5a4a3a2ai)，每一位中1表示故障發(fā)生， 〇表示故障未發(fā)生；
[0033] 步驟1.2、輸入故障信號總烴以及出、014、(：2!16、(： 2!14、(：2!12這五種特征氣體含量，并隨 機(jī)產(chǎn)生初始種群。
[0034]步驟2具體按照以下步驟實(shí)施：
[0035]步驟2.1、按照適應(yīng)度大小將初始種群中的個體重新排隊(duì)，選擇m個適應(yīng)度大的個 體作為父代；
[0038] 在上式中，X、Y表示個體，N、M表示種群規(guī)模，SN SM表示種群空間；
[0039] 步驟2.2、經(jīng)步驟2.1后，對當(dāng)前種群進(jìn)行交叉操作；
[0040] 步驟2.3、經(jīng)步驟2.2后，對當(dāng)前種群進(jìn)行變異操作。
[0041 ]步驟2.2具體按照以下方法實(shí)施：
[0042]以交叉概率從當(dāng)前群體中選出若干個體，對于選中的每一對個體，隨機(jī)的選擇同 一整數(shù)n，將雙親的基因碼鏈在此位置相互交換，交叉概率具體按照如算法獲得：
[0044] 在式中，pm為交叉概率，fmax為種群最大適應(yīng)度，F(xiàn)為種群平均適應(yīng)度，f為兩個交叉 個體中適應(yīng)度較大的一個，k 2、k4均為可調(diào)參數(shù)。
[0045] 步驟2.3具體按照以下方法實(shí)施：
[0046] 以變異概率從當(dāng)前群體中隨機(jī)選取若干個體，對于選中的個體，隨機(jī)選取某一位 進(jìn)行取反運(yùn)算，即由1-0或由0-1，變異模擬生物進(jìn)化過程中基因突變現(xiàn)象，得到新一代的 種群，即子代，具體算法如下：
[0048] 式中，Z表示子代個體，N表示種群規(guī)模；
[0049] 而變異概率按照如下方式計算獲得：
[0051 ]在式中，p。為變異概率，fmax為種群最大適應(yīng)度，F(xiàn)為種群平均適應(yīng)度，f '為變異個 體的適應(yīng)度，lu、k3為可調(diào)參數(shù)。
[0052]步驟3具體按照以下步驟實(shí)施：
[0053]步驟3.1、兩個碼字的對應(yīng)比特取值不同的比特數(shù)，也就是說在一個有效編碼集 中，任意兩個碼字的海明距離的最小值稱為該編碼集的海明距離；
[0054]計算m+n個的父代和子代個體的海明距離；
[0056] 其中，i = l，2,3. · ·，（M+N-l)，j = i+l，i+2, · · ·，（M+N);
[0057] 對于I |Xi-Xj I I =R的兩個個體中比較適應(yīng)度大小，將適應(yīng)度小的個體給出一個罰 函數(shù)，將其作為新適應(yīng)度與原適用度的比值，其中R為任意提前設(shè)定值；
[0058]步驟3.2、按照新適應(yīng)度從大到小排序，以前若干個個體為下一代種群；
[0061 ] 在上式中，X(k+l)、Y(k+l)表示下一代種群的個體；
[0062]最終選擇適應(yīng)度最大的染色體，即獲得了故障類型的組合，完成基于小環(huán)境遺傳 算法的變壓器油色譜故障診斷。
[0063]本發(fā)明的有益效果在于：
[0064] (1)本發(fā)明基于小生境遺傳算法的變壓器油色譜故障診斷方法，采用小生境遺傳 算法分析故障油中氣體特征信號，建立油色譜特征參數(shù)與故障類型的對應(yīng)關(guān)系，實(shí)現(xiàn)變壓 運(yùn)行故障的判別。
[0065] (2)與現(xiàn)有方法相比，本發(fā)明基于小生境遺傳算法的變壓器油色譜故障診斷方法， 具有良好的自適應(yīng)學(xué)習(xí)能力，診斷速度快、準(zhǔn)確率高，可作為變壓器故障實(shí)時診斷系統(tǒng);基 于求解過程中群體中個體的多樣性，避免了陷入局部最大，能夠快速診斷出變壓器的運(yùn)行 狀況，同時能夠使網(wǎng)絡(luò)有效收斂、大大提高網(wǎng)絡(luò)的收斂速度和泛化能力。
【附圖說明】
[0066] 圖1是本發(fā)明基于小生境遺傳算法的變壓器油色譜故障診斷方法中涉及的故障診 斷系統(tǒng)的結(jié)構(gòu)示意圖；
[0067] 圖2是本發(fā)明基于小生境遺傳算法的變壓器油色譜故障診斷方法中涉及的故障診 斷問題的因果模型示意圖。
【具體實(shí)施方式】
[0068] 下面結(jié)合附圖和【具體實(shí)施方式】對本發(fā)明進(jìn)行詳細(xì)說明。
[0069] 本發(fā)明基于小生境遺傳算法的變壓器油色譜故障診斷方法，如圖1所示，具體按照 以下步驟實(shí)施：
[0070] 步驟1、先針對具體問題對故障集選擇合適的編碼并輸入數(shù)據(jù)產(chǎn)生初始種群，然后 計算個體適應(yīng)度，最后按照適應(yīng)度大小將種群中的個體重新排隊(duì)，具體按照以下步驟實(shí)施：
[0071] 步驟1.1、如圖1所示，根據(jù)故障診斷問題的因果模型，確定變壓器故障診斷的征 兆集和故障集，其中征兆集用m表示，故障集用a表示；
[0072]變壓器的故障征兆主要有12種，如表1所示：
[0073]表 1
[0075]變壓器故障主要分為5種，分別如下：
[0076] 一般過熱m，其表現(xiàn)形式為:溫度低于500 °C ;
[0077] 嚴(yán)重過熱&2，其表現(xiàn)形式為:溫度高于500°C ;
[0078] 局部放電a3;
[0079] 火花放電a4;
[0080] 電弧放電a5;
[0081] 采用二進(jìn)制編碼方法，將染色體長度定為5(a5a4a3a2ai)，每一位中1表示故障發(fā)生， 0表不故障未發(fā)生，如：10001表不故障為電弧放電和一般過熱。
[0082] 步驟1.2、輸入故障信號總烴以及H2、CH4、C2H 6、C2H4、C2H2這五種特征氣體含量，并隨 機(jī)產(chǎn)生初始種群。
[0083] 步驟2、對經(jīng)步驟1形成的初始種群進(jìn)行選擇、交叉、變異操作，其目的在于:提高種 群平均適應(yīng)度和防止過早收斂而產(chǎn)生局部最優(yōu)解，具體按照以下步驟實(shí)施：
[0084] 步驟2.1、按照適應(yīng)度大小將初始種群中的個體重新排隊(duì)，選擇m個適應(yīng)度大的個 體作為父代；
[0087] 在上式中，X、Y表示個體，N、M表示種群規(guī)模，SN SM表示種群空間；
[0088] 步驟2.2、經(jīng)步驟2