基于人工免疫算法的變壓器故障診斷方法
加入技術(shù)交流群
(7)抑制 對記憶抗體Ar進(jìn)行抑制，刪除同類(lèi)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(chǎn)生d個(gè)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(lèi)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(lái)克隆增殖的抗體個(gè)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(chǎn)生記憶抗體集的個(gè)數越少，導致算法迭代次數增多。通過(guò)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(gè)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(chǎn)生抗體數d=10。
本文引用地址：http://dyxdggzs.com/article/188665.htm
4 故障分析
常見(jiàn)的變壓器故障類(lèi)型有：低溫過(guò)熱T1(t300℃)、中溫過(guò)熱T2(300℃t500℃)、高溫過(guò)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(lèi)型。這里收集了478個(gè)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(gè)作為訓練抗原集，剩下的243個(gè)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(gè)數平均為31，訓練抗原的數據壓縮比為86％。計算243個(gè)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(jīng)人工免疫算法處理后的結果及各種故障類(lèi)型的診斷準確率。
表2給出了12組故障實(shí)例。將人工免疫算法的診斷結果和IEC三比值法進(jìn)行比較，可以看出，前者的診斷準確率要高于后者。
5 結語(yǔ)
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(wǎng)絡(luò )的自學(xué)習和自記憶的優(yōu)點(diǎn)，對故障樣本抗原進(jìn)行訓練。獲取的記憶抗體集具有故障的類(lèi)別信息，由于抗原和記憶抗體的作用要考慮兩者的類(lèi)別信息，使記憶抗體能夠很好地學(xué)習和記憶同一類(lèi)別抗原的數據特征，提高了算法的準確度。通過(guò)實(shí)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