基于混合免疫算法的变压器故障诊断.pdf

第 25卷第 9期 电 力 科 学 与 工 程 VO1．25．No．9 2009年 9月 ElectricPowerScienceandEngineering Sep．，2009 基于混合免疫算法的变压器故障诊断 任 静。，黄家栋 ，李胜杰 (1．华北电力大学电力系统保护与动态安全监控教育部重点实验室，河北保定 071003；2．山东茌平县电 业公司，山东 茌平252100) 摘要：为了提高变压器故障诊断正确率，提出一种免疫支持向量机混合智能诊断方法，首先将变压器故障 分为放电性和过热性，然后用免疫聚类算法对所获取的数据进行预选取，加快模型参数的确定速度，利用 支持向量机识别类内变压器故障，利用基于交叉验证的网格有哪些信誉好的足球投注网站法来确定支持向量基的参数。经过大量实 例分析，并将其结果与神经网络方法进行对比，表明该算法具有较高的诊断精度。 关键词：电力变压器；故障诊断；免疫聚类；支持向量机 中图分类号：TM406 文献标识码：A 中气体特征空间中的最优解，提高了故障诊断正确性。 O 引 言 1 支持 向量机基础 变压器油中溶解气体分析技术是电力变压器故 障诊断的重要方法，它能有效地发现变压器内部的 支持向量机可以用于数据分类问题的处理。下 潜伏性故障及其发展程度。常用的 IEC三比值法 面针对训练样本集——2类线性和2类非线性分别 及其相关改良比值法在工程实际使用中暴露出编码 加以讨论 。 不全，编码结果过于绝对等缺点。目前有很多人工 对于2类线性可分 问题。已知：训练集包含 1 智能方法如神经网络，聚类分析，灰色理论，粗糙 个样本点： 集等，它们中的一种或几种集成的方法被应用于电 {tt)，(x2,y2)，…， ))E(xxy) 力变压器故障诊断中，但电力变压器的结构复杂性 EX=R，Y∈y={1，一1) 和故障机理的多样性使得故障诊断的准确率还需要 进一步提高 ”。 式中x是向量，其分量称为特征；】，是输 出。支持 分析变压器故障产气的机理可知，单一类型的 向量就是寻求一个平面ogx+b=0，使得训练数据点 距离这个分类面尽量远。这种极大化 “间隔”的思 变压器故障与油中气体含量之间并没有明确的函数 映射关系，气体含量的分布特性也很难推测：实际 想导致求解对变量∞和b的最优 问题 1 现场数据的采集精度及数量也很有限。传统方法都 min=÷Il∞ll，{(∞)+6) 1，f=l，2，…， 讲 ．D 是在统计学渐进理论的基础上发展起来的，即当样 本数量趋于无穷大时的极限特征。在工程实际中， 为求解原始问题，根据最优化理论 ，可 以转化 这样的前提条件往往难 以满足。 为对偶 问题来求解 ， ， ， 本文将统计学习理论中的通用学习方法一 支 ， 持向量机引入到变压器故障诊断中，利用结构风险 min ∑∑y~yjaaj(x,xj)一∑ i=lj=l