遗传算法在变压器优化设计和故障诊断中的应用..docVIP

人工智能及其应用（论文） 遗传算法在变压器故障诊断中的应用 院 系： 信息与通信工程学院 班 级： 08级自动化 学 号： 14082101440 序 号： 35 姓 名： 王耀明 二〇一一年六月 遗传算法在变压器故障诊断中的应用 摘 要：变压器是电力系统中的枢纽设备之一，其运行情况将直接影响电力系统的安全运行。传统的变压器故障诊断方法判断变压器中存在故障准确率低。应用遗传算法进行变压器故障诊断，极大得提高了诊断准确率，提高了电力系统运行可靠性。 关键词：变压器、故障诊断、遗传算法、可靠性 The genetic algorithm in the application of transformer fault diagnosis Abstract: The transformer is one of the hub equipment in the power system, and its operation will directly influence the security of the power system. The method of traditional transformer fault diagnosis to diagnose existed transformer faults has low accuracy. Using genetic algorithm transformer fault diagnosis, improve greatly the diagnostic accuracy as well as improve the power system operation reliability. Key words: transformer, fault diagnosis, genetic algorithm, reliability 迄今为止，一些研究者提出了多种电力变压器的故障诊断方法，如模糊专家系统、自适应自学习模糊诊断系统、人工神经网络、模糊数学的方法等[1~4]。C.E.LIN等[5]为了解决变压器中不精确、不全面的故障诊断难题，对故障类型进行了模糊化，诊断结果较理想。然而，由于隶属函数和推理规则由实际经验和和反复试验决定，所以，模糊专家系统不能利用历史诊断结果；Y.C.M.Huang等[6，7]利用自适应自学习模糊诊断系统直接从训练数据中获得知识，克服了模糊专家系统的不足，然而，由于隶属函数和推理规则作用的同时性，分类属性和模糊分割局限于控制变量的减少；Y.ZHANG等[8，9]利用人工智能网络（ANN）具有数学建模中精确、有效、出错率小、实时响应快等优点，构建出ANN诊断系统。该系统能通过新采集的信号加强训练获得新经验，能根据经验推理，对故障进行有效评估。这种按照误差反向传播算法训练好的ANN具有很强的诊断能力，然而，有些问题如局部收敛、结论推断和控制参数必须在ANN实际应用前得到解决。在ANN中，误差反向传播算法建立在梯度下降法基础上，利用分类误差修改连接权重和偏差，它的搜寻空间常常包括局部最小量，所以，梯度下降法会减弱方案的优越性，降低ANN的性能。可见，以上诊断方法对在诊断过程中出现的故障现象与故障原因之间的不确定性关系问题的处理存在明显的缺陷，不能有效实现在线观测。在此，笔者提出一种新的遗传算法，并在此基础上设计出基于遗传算法和溶解气体分析（DGA）的变压器故障在线检测系统。 1 新遗传算法 传统遗传算法（GA）是根据自然选择规律建立的随机搜寻算法，采用逐步进化逼近。但是，这种方法所采用的选择规律有一个潜在的不足：优者可能无后代，从而引起随机误差。为了提高GA的性能，这里采用基因多点交叉遗传算法。 1.1 实数编码 传统遗传算法采用二进制编码，将决策变量编码为二进制数，然后，对各染色体根据一定的概率进行交叉和变异，最终得到所需要的最优解。这种方法对自变量取值范围给定的优化问题效果较好，但二进制编码缺点也很明显，如编码冗长，尤其是当决策变量较多而精度要求又比较高时，编码很长。更主要的是，二进制编码不能有效扩展有哪些信誉好的足球投注网站空间，只能在初始区间内取值。因为编码所能取得的最大值和最小值分别对应有哪些信誉好的足球投注网站空间的上限和下限，故这里采用不同于传统遗传算法的实数编码，在编码过程中，以网络的各个权重和偏差作为基因，每个网络的各个基因组成染色体向量V=[V1,…,Vk,…,Vn]。其中，Vk（k=1，2，…,n）为染色体中第k个基因对应的神经网络的权重，采用实数形式，即为权重或偏差的实际值。 1.2