基于人工免疫算法的變壓器故障診斷

年安君，苑津莎，李 中

(華北電力大學電子與通信工程系，河北保定 071003)

電力變壓器在電力系統的中輸、變、配電設備中是重要和昂貴的設備之一，電力變壓器是其中容量大、故障率較高的設備，其運行狀態的安全與否直接關系到整個電力系統的安全性和經濟性。因此，隨時檢測變壓器狀態，及早發現并排除可能存在的故障，是保障供電系統可靠性的重要手段之一。由于以上原因，變壓器故障診斷技術一直是國內外學者研究的熱點。故障的多樣性、不確定性和各故障之間聯系的復雜性構成了故障診斷技術的難點。

近年來，許多新的、有效的故障診斷方法相繼出現，并取得了廣泛的應用成果，這些診斷方法包括基于規則的方法、基于故障樹的方法、模糊方法、神經網絡方法、粗糙集方法、支持向量機方法以及各種混合方法等。以上故障診斷方法為準確診斷設備的故障起了重要作用，但都存在一些不足。

由于上述的各種方法都有自身的優點和缺陷，人們開始致力于新研究的方法。人工免疫在故障診斷中，作為一種新的有效的診斷方法，可用于解決故障診斷中難以解決的一些特殊問題。

1 人工免疫系統及算法

人工免疫系統是受生物免疫學啟發，模擬免疫學功能、原理和模型來解決復雜問題的自適應系統。其基本原理是抵御外部入侵使其機體免受病原侵害，通過抗體與抗原的作用關系，使抗體在學習抗原模式的過程中不斷優化，從而得到能夠表征抗原特征的獨特型抗體，為變壓器故障診斷提供了新的研究方向。

人工免疫系統模型的組成有3個方面:抗原、抗體的形式，抗原與抗體以及抗體與抗體之間相互作用機制和整個系統的構造。

通常抗原對應待解決的問題或待分析的數據;抗體對應問題的解或者解的特征值;抗原與抗體的相互作用機制和整個系統的構造是根據問題本身的特點來確定的，抗體與抗原的相互作用可以是解與問題的適應度，也可以是特征值與數據組的相似度等;而系統的構成可以是算法形式、網絡形式等，對應內容因解決問題對象不同而內容各異。基本的免疫算法流程[1]如圖1所示。

2 人工免疫網絡

2.1 人工免疫網絡

針對人工免疫系統中表現出的算法復雜性高、需要人工設置和調整的參數較多等問題。soAbNET是一種自組織抗體網絡模型[2]，該方法計算簡單，無需設置任何的參數與閾值，且具有較高的準確識別率。

圖1 免疫算法基本流程圖

應用自組織抗體網絡進行模式特征提取的基本過程是

(1)隨機抽取一定數目的各類模式訓練樣本，生成自組織抗體網絡中相應類別的初始抗體，完成自組織抗體網絡的初始化。

(2)以所有訓練樣本作為輸入抗原，應用抗體生成算法，訓練自組織抗體網絡，自組織抗體網絡中的抗體有效提取各類訓練樣本的模式特征。

(3)按照過程(2)，反復訓練自組織抗體網絡，當連續兩次訓練結果一致時，訓練終止。

自組織抗體網絡訓練結束后，自組織抗體網絡中的抗體提取并記憶了訓練樣本的模式特征，應用自組織抗體網絡進行分類識別的過程是

(1)計算輸入抗原與自適應抗體網絡中所有抗體的親和度。

(2)按照最鄰近規則，依據親和度的大小完成分類識別。

2.2 標準數據集仿真結果及分析

(1)Iris數據集對自組織抗體網絡進行測試訓練。

實驗方法:

隨機選擇Iris數據集每類數據中的1/2作為訓練數據，其余作為測試數據，進行試驗[4]。

得出實驗數據:Iris數據集3類植物的識別準確率分別為:100%、92%、92%;

平均正確識別率:94.67%。此網絡比aiNet在數據分類正確率上有所提高。

(2)Letter Recognition數據集對自組織抗體網絡進行測試訓練。

實驗方法:分別提取每個字母的前700條記錄作為實驗數據集。訓練數據集由各類字母的前630條記錄組成，共16 380條記錄，其余作為測試數據集，共計1 820條。

得出的實驗數據:Letter Recognition數據集26類字母的平均正確識別率為94.84%

3 基于人工免疫網絡的變壓器故障診斷

3.1 故障診斷模型

應用免疫算法，基于電力變壓器油中溶解氣體數據，進行電力變壓器故障診斷的仿真分析。實現模型如圖2所示。先用有關變壓器故障診斷的先驗知識對自組織抗體網絡進行訓練，訓練好的自組織抗體網絡有效地存儲了相關經驗，進而應用該網絡進行變壓器的故障診斷工作。

圖2 變壓器故障診斷模型圖

3.2 診斷結果及分析

將變壓器狀態分為4種:正常狀態、高能放電、低能放電和過熱故障。收集了330條樣本作為數據源，將數據源分為訓練樣本和測試樣本兩部分，其中訓練樣本270條，測試樣本60條。從表中可以看出，應用人工免疫方法有較高的分類準確率。診斷結果如表1所示。

表1 故障診斷結果

4 結束語

人工免疫模仿生物免疫機理，模仿抗原對抗體的快速學習及記憶，通過對抗體的訓練，可以有效對抗原模式特征進行記憶和提取。標準數據集和變壓器故障樣本對算法進行仿真測試，表明其具有較高的分類準確率，可以有效地應用于變壓器故障診斷。

[1]王珺，劉希玉，王鑫.人工免疫系統及其模型分析[J].計算機技術與發展，2006，16(7):105-107.

[2]李中.電力變壓器故障診斷技術研究[D].保定:華北電力大學，2009.

[3]DE CASTRO L N.The immune response of an artificial immune network(aiNet)[C].The 2003 Congress on Evolutionary Computation，2003.CEC'03，2003(1):146-153.

[4]莊健，王娜，杜海峰，等.一種模糊人工免疫網絡故障診斷策略[J].自然科學進展，2007，17(11):1544-1550.

[5]郭磊.基于神經網絡的變壓器故障診斷技術的研究[D].成都:西華大學，2008.