基于遗传编程的电力变压器绝缘故障诊断模型研究

摘要

电力变压器是电力系统中分布广泛、结构复杂、造价昂贵的重要电气设备之一,担负着电压转换和电能传送的重任,它们的安全运行直接关系到整个电力系统的稳定性和安全性.对电力变压器进行绝缘状态检测和潜伏性绝缘故障诊断一直是电力部门面临的重要问题之一.因此,研究电力变压器的故障诊断技术,提高电力变压器的维护水平,具有重要的现实意义. 油中溶解气体分析(Dissolved Gas Analysis,简称DGA)是目前分析电力变压器等充油电气设备绝缘状态最重要的检测方法,为诊断电力变压器内部故障提供了重要依据.DGA技术通过分析绝缘故障机理和大量的实际故障数据来发现油中溶解气体的组分含量与故障的类型和严重程度之间的关系,进而归纳整理出诊断不同故障的规则.由于这些常规的故障诊断规则主要来源于统计方法和经验积累,在实际应用中仍然存在许多不足之处. 近年来,神经网络、模糊理论、灰色系统、粗糙集理论以及专家系统等人工智能技术的发展为变压器绝缘故障诊断提供了新的研究途径,逐步成为变压器绝缘故障诊断技术的主要研究方法.但是,采用这些传统的人工智能方法建立故障诊断模型时,往往需要依靠专家的诊断知识和经验事先确定诊断模型的结构等重要的模型要素,或者确定模型结构的方法是局部寻优的,这在一定程度上阻碍了电力变压器绝缘故障诊断系统的发展和推广. 随着计算机技术和人工智能技术的发展,让计算机自动发现系统内在的规律并自动建立故障诊断系统模型已成为计算智能的研究热点.遗传编程(Genetic Programming,简称GP)算法是计算智能理论中进化算法的重要分支之一,其灵活的动态模型结构表示和借鉴生物界自然选择与遗传机制的全局搜索能力使得它在数据挖掘、控制理论、电子工程、模式识别等研究领域取得了广泛的成功. 鉴于GP算法的特点,本文将GP算法首次引入电力变压器绝缘故障诊断,以DGA数据为特征参数,提出了四种以GP算法为基础的变压器绝缘故障诊断模型.论文主要包括以下内容: ①基于GP和判别函数的变压器绝缘故障诊断模型.判别函数法是模式分类中常用的方法,虽然常规的线性判别函数法用于故障诊断具有简单、方便的特点,但是它是以假定不同故障之间具有线性可分性为基础的,而实际上故障之间的分界面具有很强的非线性特征.针对线性判别函数用于变压器绝缘故障诊断的不足,本文利用GP算法在模型结构表示上的树状特征和全局寻优特性建立具有非线性分类能力的判别函数,并以此为基础采用分层诊断的方式建立了基于GP和判别函数的变压器绝缘故障诊断模型.实例结果表明本算法优于以线性判别函数为基础的故障诊断模型. ②基于GP和线性决策树的变压器绝缘故障诊断模型.目前决策树方法应用于故障诊断时在树的各个分枝结点中主要以单变量为主,且以贪心算法生成决策树,因此,生成的决策树是局部寻优的.线性决策树在各个分枝结点中使用多个变量的线性组合特性,揭示了属性之间的内在关系.本文将线性决策树与GP算法结合,利用GP算法的动态树状结构和全局寻优特性搜索用于故障分类的线性决策树,并以此基础建立了变压器绝缘故障诊断模型.应用结果表明所提算法能获得诊断性能优于常规C4.5算法的变压器绝缘故障诊断模型. ③基于GP和模糊映射函数的变压器绝缘故障诊断模型.故障征兆与故障原因之间的关系是一个复杂的模糊问题,人们依靠经验总结获得的关于它们之间的知识通常是片面的、不完整的.本文利用GP算法的动态树状结构表示和全局寻优特性,采用模糊算子、模糊特征变量以及模糊常数的树状组合将故障特征与故障原因之间的复杂映射关系用模糊映射函数表示出来.以基于GP的模糊映射函数为基础,本文建立了相应的变压器绝缘故障诊断模型.通过实例分析证明了所提出的算法是有效的,开辟了一种新的故障诊断途径. ④基于免疫GP和多项式网络的变压器绝缘故障诊断模型.常规的多项式网络构建方式是以GMDH型算法为基础,逐层生成候选中间多项式结点,并按照某种筛选原则保留部分多项式结点作为下一层的输入,以贪心法逐步获得问题的解.本文采用的基于GP的多项式网络算法则是以随机生成的多项式网络为基础,以其适当度值的大小作为衡量标准,通过交叉、变异等遗传操作在全局范围内进化寻优多项式网络的解,避免了传统方式在各层中间多项式结点上的经验选择和搜索方式上的贪婪搜索.为避免在进化过程中个体的过度繁殖而造成多样性的缺失,本文将免疫算法引入基于GP的多项式网络算法.以基于免疫GP的多项式网络为基础,本文建立了相应的变压器绝缘故障诊断模型.实例应用的结果表明该方法具有优于传统的多项式网络方法的诊断性能. 最后,本文综合比较了这四种基于GP算法的变压器绝缘故障模型的差异和优缺点.故障实例分析表明:基于GP算法的四种故障诊断模型在建模的过程中能充分发挥GP算法的树状结构特征和全局寻优能力,体现了GP算法在自动构建故障诊断模型上的灵活性和优越性；基于GP算法的故障诊断模型在诊断性能上均优于常规方法,提高了变压器绝缘故障诊断的准确率.

目录

文摘

英文文摘

上海交通大学学位论文原创性声明及版权使用授权书

第一章绪 论

1.1电力变压器故障诊断的重要意义

1.2电力变压器的常见故障分类

1.3油中溶解气体分析的原理及常规诊断方法

1.3.1正常状态下油中溶解气体的含量

1.3.2故障类型与油中溶解气体含量的关系

1.3.3常规DGA诊断方法

1.3.4常规DGA诊断方法的不足

1.4基于DGA的变压器绝缘故障诊断的国内外研究现状

1.4.1基于神经网络的绝缘故障诊断方法

1.4.2基于模糊理论的故障诊断方法

1.4.3基于灰色系统理论的故障诊断方法

1.4.4基于粗糙集的故障诊断方法

1.4.5基于专家系统的故障诊断方法

1.5基于遗传编程的变压器绝缘故障诊断的国内外研究现状及分析

1.6本文的研究内容

1.7本章小结

第二章遗传编程算法

2.1 GP算法的产生

2.2 GP算法的应用

2.3 GP算法的基本结构

2.4 GP算法的基本概念

2.4.1终结点集和函数结点集

2.4.2初始群体及常用生成方式

2.4.3适应度评价

2.4.4选择策略

2.4.5遗传操作

2.4.6终止准则

2.5 GP算法的设计步骤

2.6 GP算法的特点

2.7本章小结

第三章基于GP和判别函数的变压器绝缘故障诊断模型

3.1引言

3.2模式分类的判别函数法

3.2.1判别函数分类器

3.2.2线性判别函数

3.2.3非线性判别函数法

3.2.4多分类问题的转化

3.3基于GP的判别函数分类算法

3.3.1算法设计思想

3.3.2判别函数的GP表示方式

3.3.3终结点集与函数结点集

3.3.4适应度函数

3.3.5选择策略

3.3.6遗传操作

3.3.7算法终止原则

3.3.8算法步骤

3.4基于GP和判别函数的变压器绝缘故障诊断模型

3.4.1变压器绝缘故障的分层诊断模型

3.4.2样本的收集和选择

3.4.3特征向量的选择及规格化处理

3.4.4基于GP和判别函数的变压器绝缘故障诊断模型流程图

3.4.5诊断结果及分析

3.5本章小结

第四章基于GP和线性决策树的变压器绝缘故障诊断模型

4.1引言

4.2决策树介绍

4.2.1决策树的基本原理

4.2.2决策树的生成和剪枝

4.2.3决策树的常见算法

4.2.3决策树方法的发展趋势

4.3基于GP的线性决策树算法

4.3.1算法设计思想

4.3.2线性决策树的GP表示

4.3.3函数结点集和终结点集

4.3.4剪枝操作

4.3.5适应度函数

4.3.6选择策略

4.3.7遗传操作

4.3.8算法终止原则

4.3.9算法步骤

4.4基于GP和线性决策树的变压器绝缘故障诊断模型

4.4.1特征属性的选择及规格化

4.4.2绝缘故障类型

4.4.3基于GP和线性决策树的变压器绝缘故障诊断流程图

4.4.4实验结果及分析

4.5本章小结

第五章基于GP和模糊映射函数的变压器绝缘故障诊断模型

5.1引言

5.2模糊理论的基础知识

5.2.1模糊集合

5.2.2隶属函数

5.2.3模糊关系

5.2.4模糊映射

5.2.5模糊算子

5.2.6模糊综合评判

5.3基于GP的模糊映射函数算法

5.3.1算法设计思想

5.3.2模糊映射函数的GP表示方式

5.3.3终结点集和函数结点集

5.3.4适应度函数

5.3.5选择策略

5.3.6遗传操作

5.3.7算法终止原则

5.3.8算法步骤

5.5基于GP和模糊映射函数的变压器绝缘故障诊断研究

5.5.1故障征兆的选择和模糊化处理

5.5.2绝缘故障类型

5.5.3基于GP和模糊映射函数的变压器绝缘故障诊断流程图

5.5.4变压器故障诊断模型的实现

5.5.5故障诊断实例

5.6本章小结

第六章基于免疫GP和多项式网络的变压器绝缘故障诊断模型

6.1引言

6.2多项式网络的基本理论

6.2.1自组织理论与算法

6.2.2多项式网络及GMDH算法

6.2.3 GMDH算法的结构

6.2.4 GMDH算法的特点

6.2.5 GMDH算法的局限性及改进方法概述

6.3人工免疫系统和免疫算法

6.3.1基本概念

6.3.2免疫算法的基本步骤

6.3.3免疫算法的特点

6.4基于免疫GP的多项式网络算法

6.4.1算法设计思想

6.4.2多项式网络的GP表示

6.4.3函数结点集和终结点集

6.4.4计算各函数结点的系数

6.4.5抗体的适应度

6.4.6选择策略

6.4.7遗传操作

6.4.8算法终止原则

6.4.9算法步骤

6.5基于免疫GP和多项式网络的变压器绝缘故障诊断模型

6.5.1输入特征向量的选择和规格化

6.5.2故障类型的选择及分层故障诊断

6.5.3基于免疫GP和多项式网络的变压器故障诊断流程图

6.5.4诊断结果

6.6四种模型的比较

6.7本章小结

第七章结论

参考文献

致谢

攻读博士学位期间发表的论文