遗传算法在变压器优化设计和故障诊断中的应用

《遗传算法在变压器优化设计和故障诊断中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、遗传算法在变压器故障检测中的应用要法计试论摘算设测结12345目摘要：变压器是电力系统中的枢纽设备z—,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，极人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［心。C.E.LIN等⑸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

2、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丿力史诊断结果；Y.C.M.Huang等©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川的同时性，分类属性和模糊分割局限于控制变量的减少；Y.ZHANG等2〕利用人工智能网络（ANN）具有数学建模小精确、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篦法训练好的ANN具冇很强的诊断能力，然而，冇些问题如局部收敛、结论推断和控制参数必须在ANN实

3、际应用前得到解决。在ANN中，误差反向传播算法建立在梯度卜•降法棊础上，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虽，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屮出现的故障现象与故障原因Z间的不确定性关系问题的处理存在明显的缺陷，不能冇效实现在线观测。在此笔者捉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，采川逐步进化逼近。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

4、随机课差。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釆用二进制编码，将决策变量编码为二进制数，然后，对各染色体根据-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用给定的优化问题效果较好，但二进制编码缺点也很明显，如编码兀长，尤其是当决策变量较多而精度要求乂比较高吋，编码很长。更主要的是，二进制编码不能有效扩展搜索空间，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捜索空间的上限和下限，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

5、V二Vk,…,Vn］。其中，Vk(k=l,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遗传算法及其对神经网络的优化对于给定结构的前馈型网络，计其权重(或偏差)为J…，陷…百，组成染色体向量V(其中，Vk为笫k个权重)，然后，按照如下过程进行优化，直接得到满意的网络第1步:繁殖。随机产生初始群体Vi,V2,…,Vpgz第2步：交义。按一•定的交义概率Pc选择参与交义的染色体种群，随机选用算术交义或基于方向的交叉°a・算术交叉定义为2个染色体的如下组合方式：%=列+(1-叽(1)匕=2匕+(1_几州.b.基于方向的交义定义为：

6、V；=A(V1_V2)+V1；(2)V；=2(V2-V,)+V2.其中,九为［0,1］的随机数。算术交叉可以保证产生的后代位于2个染色体这Z间，而基于方向的交叉则可以有效扩展搜寻空间，这对遗传算法的迭代尤为重要。因为神经网络的初始权重不可能分布整个实数空间，而只能在某一范围内取值，而基于方向的交义可以减小这种人为限制的负面彩响。第3步：动态变异。它是为提高精度，增加微调能力而设计的。对于种群屮的所有基因,按给定的变异概率Pm选择被变异的基因。若父代染色体V小的元素Vk被选出作变异，贝忻代为V二［Vi,…,Vk,…，Vn］。其中：或冬=坯_△匕叫_必)・(4)其•!•：V：和必

7、分别对应变量％•的上界和下界。歯数A(t,y)返回［0,y］中的一个值，使得A(t,y)随t增加而趋近于0(t为代数)。歯数的这种性质使得在初始迭代时，搜索均匀分布在整个空间，而到后期则分布在局部范I罚内,这是二进制编码难以做到的。△(/』)=)"(1一门门1⑸其屮：Y为［0,1］的随机数；T为最人代数；b为确定不均匀度的参数。笫4步：选择。以误差函数作为适值，若存在某一染色体的适值小于给定误差，则収该染色体作最优解。否则，按适值从父代和后代中选择最优染色体个数组成新一代种群，重复以上优化过程。2基于遗