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(tǒng)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(tài)的安全與否直接關系到整個電力系統(tǒng)的安全性和經(jīng)濟性。因此，隨時檢測變壓器狀態(tài)，及早發(fā)現(xiàn)并排除可能存在的故障，是保障供電系統(tǒng)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(lián)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(xiàn)，并取得了廣泛的應用成果，這些診斷方法包括基于規(guī)則的方法、基于故障樹的方法、模糊方法、神經(jīng)網(wǎng)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(yōu)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(tǒng)及算法

人工免疫系統(tǒng)是受生物免疫學啟發(fā)，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(tǒng)。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(yōu)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(tǒng)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(tǒng)的構造。

通?？乖瓕鉀Q的問題或待分析的數(shù)據(jù);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(tǒng)的構造是根據(jù)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(shù)據(jù)組的相似度等;而系統(tǒng)的構成可以是算法形式、網(wǎng)絡形式等，對應內容因解決問題對象不同而內容各異?；镜拿庖咚惴鞒蘙1]如圖1所示。

2 人工免疫網(wǎng)絡

2.1 人工免疫網(wǎng)絡

針對人工免疫系統(tǒng)中表現(xiàn)出的算法復雜性高、需要人工設置和調整的參數(shù)較多等問題。soAbNET是一種自組織抗體網(wǎng)絡模型[2]，該方法計算簡單，無需設置任何的參數(shù)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(wǎng)絡進行模式特征提取的基本過程是

(1)隨機抽取一定數(shù)目的各類模式訓練樣本，生成自組織抗體網(wǎng)絡中相應類別的初始抗體，完成自組織抗體網(wǎng)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(wǎng)絡，自組織抗體網(wǎng)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(wǎng)絡，當連續(xù)兩次訓練結果一致時，訓練終止。

自組織抗體網(wǎng)絡訓練結束后，自組織抗體網(wǎng)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(wǎng)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(wǎng)絡中所有抗體的親和度。

(2)按照最鄰近規(guī)則，依據(jù)親和度的大小完成分類識別。

2.2 標準數(shù)據(jù)集仿真結果及分析

(1)Iris數(shù)據(jù)集對自組織抗體網(wǎng)絡進行測試訓練。

實驗方法:

隨機選擇Iris數(shù)據(jù)集每類數(shù)據(jù)中的1/2作為訓練數(shù)據(jù)，其余作為測試數(shù)據(jù)，進行試驗[4]。

得出實驗數(shù)據(jù):Iris數(shù)據(jù)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(wǎng)絡比aiNet在數(shù)據(jù)分類正確率上有所提高。

(2)Letter Recognition數(shù)據(jù)集對自組織抗體網(wǎng)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(shù)據(jù)集。訓練數(shù)據(jù)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(shù)據(jù)集，共計1 820條。

得出的實驗數(shù)據(jù):Letter Recognition數(shù)據(jù)集26類字母的平均正確識別率為94.84%

3 基于人工免疫網(wǎng)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(shù)據(jù)，進行電力變壓器故障診斷的仿真分析。實現(xiàn)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(wǎng)絡進行訓練，訓練好的自組織抗體網(wǎng)絡有效地存儲了相關經(jīng)驗，進而應用該網(wǎng)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(tài)分為4種:正常狀態(tài)、高能放電、低能放電和過熱故障。收集了330條樣本作為數(shù)據(jù)源，將數(shù)據(jù)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(shù)據(jù)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(tǒng)及其模型分析[J].計算機技術與發(fā)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(wǎng)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(jīng)網(wǎng)絡的變壓器故障診斷技術的研究[D].成都:西華大學，2008.