基于人工免疫算法的变压器故障诊断

年安君，苑津莎，李 中

(华北电力大学电子与通信工程系，河北保定 071003)

电力变压器在电力系统的中输、变、配电设备中是重要和昂贵的设备之一，电力变压器是其中容量大、故障率较高的设备，其运行状态的安全与否直接关系到整个电力系统的安全性和经济性。因此，随时检测变压器状态，及早发现并排除可能存在的故障，是保障供电系统可靠性的重要手段之一。由于以上原因，变压器故障诊断技术一直是国内外学者研究的热点。故障的多样性、不确定性和各故障之间联系的复杂性构成了故障诊断技术的难点。

近年来，许多新的、有效的故障诊断方法相继出现，并取得了广泛的应用成果，这些诊断方法包括基于规则的方法、基于故障树的方法、模糊方法、神经网络方法、粗糙集方法、支持向量机方法以及各种混合方法等。以上故障诊断方法为准确诊断设备的故障起了重要作用，但都存在一些不足。

由于上述的各种方法都有自身的优点和缺陷，人们开始致力于新研究的方法。人工免疫在故障诊断中，作为一种新的有效的诊断方法，可用于解决故障诊断中难以解决的一些特殊问题。

1 人工免疫系统及算法

人工免疫系统是受生物免疫学启发，模拟免疫学功能、原理和模型来解决复杂问题的自适应系统。其基本原理是抵御外部入侵使其机体免受病原侵害，通过抗体与抗原的作用关系，使抗体在学习抗原模式的过程中不断优化，从而得到能够表征抗原特征的独特型抗体，为变压器故障诊断提供了新的研究方向。

人工免疫系统模型的组成有3个方面:抗原、抗体的形式，抗原与抗体以及抗体与抗体之间相互作用机制和整个系统的构造。

通常抗原对应待解决的问题或待分析的数据;抗体对应问题的解或者解的特征值;抗原与抗体的相互作用机制和整个系统的构造是根据问题本身的特点来确定的，抗体与抗原的相互作用可以是解与问题的适应度，也可以是特征值与数据组的相似度等;而系统的构成可以是算法形式、网络形式等，对应内容因解决问题对象不同而内容各异。基本的免疫算法流程[1]如图1所示。

2 人工免疫网络

2.1 人工免疫网络

针对人工免疫系统中表现出的算法复杂性高、需要人工设置和调整的参数较多等问题。soAbNET是一种自组织抗体网络模型[2]，该方法计算简单，无需设置任何的参数与阈值，且具有较高的准确识别率。

图1 免疫算法基本流程图

应用自组织抗体网络进行模式特征提取的基本过程是

(1)随机抽取一定数目的各类模式训练样本，生成自组织抗体网络中相应类别的初始抗体，完成自组织抗体网络的初始化。

(2)以所有训练样本作为输入抗原，应用抗体生成算法，训练自组织抗体网络，自组织抗体网络中的抗体有效提取各类训练样本的模式特征。

(3)按照过程(2)，反复训练自组织抗体网络，当连续两次训练结果一致时，训练终止。

自组织抗体网络训练结束后，自组织抗体网络中的抗体提取并记忆了训练样本的模式特征，应用自组织抗体网络进行分类识别的过程是

(1)计算输入抗原与自适应抗体网络中所有抗体的亲和度。

(2)按照最邻近规则，依据亲和度的大小完成分类识别。

2.2 标准数据集仿真结果及分析

(1)Iris数据集对自组织抗体网络进行测试训练。

实验方法:

随机选择Iris数据集每类数据中的1/2作为训练数据，其余作为测试数据，进行试验[4]。

得出实验数据:Iris数据集3类植物的识别准确率分别为:100%、92%、92%;

平均正确识别率:94.67%。此网络比aiNet在数据分类正确率上有所提高。

(2)Letter Recognition数据集对自组织抗体网络进行测试训练。

实验方法:分别提取每个字母的前700条记录作为实验数据集。训练数据集由各类字母的前630条记录组成，共16 380条记录，其余作为测试数据集，共计1 820条。

得出的实验数据:Letter Recognition数据集26类字母的平均正确识别率为94.84%

3 基于人工免疫网络的变压器故障诊断

3.1 故障诊断模型

应用免疫算法，基于电力变压器油中溶解气体数据，进行电力变压器故障诊断的仿真分析。实现模型如图2所示。先用有关变压器故障诊断的先验知识对自组织抗体网络进行训练，训练好的自组织抗体网络有效地存储了相关经验，进而应用该网络进行变压器的故障诊断工作。

图2 变压器故障诊断模型图

3.2 诊断结果及分析

将变压器状态分为4种:正常状态、高能放电、低能放电和过热故障。收集了330条样本作为数据源，将数据源分为训练样本和测试样本两部分，其中训练样本270条，测试样本60条。从表中可以看出，应用人工免疫方法有较高的分类准确率。诊断结果如表1所示。

表1 故障诊断结果

4 结束语

人工免疫模仿生物免疫机理，模仿抗原对抗体的快速学习及记忆，通过对抗体的训练，可以有效对抗原模式特征进行记忆和提取。标准数据集和变压器故障样本对算法进行仿真测试，表明其具有较高的分类准确率，可以有效地应用于变压器故障诊断。

[1]王珺，刘希玉，王鑫.人工免疫系统及其模型分析[J].计算机技术与发展，2006，16(7):105-107.

[2]李中.电力变压器故障诊断技术研究[D].保定:华北电力大学，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]庄健，王娜，杜海峰，等.一种模糊人工免疫网络故障诊断策略[J].自然科学进展，2007，17(11):1544-1550.

[5]郭磊.基于神经网络的变压器故障诊断技术的研究[D].成都:西华大学，2008.