[發(fā)明專(zhuān)利]基于改進(jìn)遺傳算法的變壓器樣本選擇方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710791842.7
• 申請(qǐng)日: 2017-09-05
• 公開(kāi)（公告）號(hào): CN107679615B
• 公開(kāi)（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 黃新波;魏雪倩;胡瀟文;王海東;馬玉濤;王寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安工程大學(xué)
• 主分類(lèi)號(hào): G06N3/00
• 分類(lèi)號(hào): G06N3/00;G01R31/00
• 代理公司: 西安弘理專(zhuān)利事務(wù)所 61214
• 代理人: 楊璐

本發(fā)明公開(kāi)了基于改進(jìn)遺傳算法的變壓器樣本選擇方法，具體按照以下步驟實(shí)施：步驟1、對(duì)訓(xùn)練樣本進(jìn)行二進(jìn)制編碼，并進(jìn)行種群初始化，設(shè)置最大迭代數(shù)T，種群規(guī)模為N；步驟2、經(jīng)步驟1后，將種群分為個(gè)體為n的子種群，稱(chēng)為探測(cè)塊，在進(jìn)化過(guò)程中產(chǎn)生一個(gè)包含較好個(gè)體的種群，稱(chēng)為開(kāi)發(fā)塊，將開(kāi)發(fā)塊與探測(cè)塊結(jié)合對(duì)變壓器樣本進(jìn)行選擇；步驟3、待步驟2完成后，利用文化算法對(duì)多種群遺傳算法進(jìn)行改進(jìn)提升，在相應(yīng)的進(jìn)化操作之下得到最終適應(yīng)度最大的個(gè)體，完成基于改進(jìn)遺傳算法的變壓器樣本選擇。本發(fā)明基于改進(jìn)遺傳算法的變壓器樣本選擇方法，利用多種群遺傳算法對(duì)變壓器進(jìn)行訓(xùn)練樣本選優(yōu)，并利用文化算法對(duì)其進(jìn)行改進(jìn)，能獲得最佳樣本。

技術(shù)領(lǐng)域

本發(fā)明屬于變壓器監(jiān)測(cè)方法技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)遺傳算法的變壓器樣本選擇方法。

背景技術(shù)

變壓器是變電站中主要的設(shè)備之一，對(duì)其進(jìn)行故障診斷有利于提高電網(wǎng)運(yùn)行的穩(wěn)定性與可靠性。

如今大量的智能算法被用于變壓器故障診斷，并且取得了較好的效果。其主要是將智能分類(lèi)算法與油色譜法進(jìn)行結(jié)合來(lái)判斷變壓器的運(yùn)行狀態(tài)，較為經(jīng)典的有BP神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)、專(zhuān)家系統(tǒng)、支持向量機(jī)等。同時(shí)，大量的搜索算法作為對(duì)分類(lèi)算法的優(yōu)化算法被應(yīng)用于變壓器故障診斷中，比如：較為經(jīng)典的遺傳算法、蟻群算法及粒子群算法等，這些算法大多用于分類(lèi)算法的參數(shù)尋優(yōu)，而沒(méi)有用于訓(xùn)練樣本的樣本選擇，由于訓(xùn)練樣本的質(zhì)量同樣是故障診斷算法的重點(diǎn)，同時(shí)質(zhì)量較差的樣本極大地影響著算法的分類(lèi)結(jié)果，因此研究出一種變壓器樣本選擇方法非常重要。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于改進(jìn)遺傳算法的變壓器樣本選擇方法，利用多種群遺傳算法對(duì)變壓器進(jìn)行訓(xùn)練樣本選優(yōu)，并利用文化算法對(duì)其進(jìn)行改進(jìn)，能獲得最佳樣本。

本發(fā)明所采用的技術(shù)方案是，基于改進(jìn)遺傳算法的變壓器樣本選擇方法，具體按照以下步驟實(shí)施：

步驟1、對(duì)訓(xùn)練樣本進(jìn)行二進(jìn)制編碼，并進(jìn)行種群初始化，設(shè)置最大迭代數(shù)T，種群規(guī)模為N，300N1000；

步驟2、經(jīng)步驟1后，將種群分為個(gè)體為n，10n100的子種群，稱(chēng)為探測(cè)塊，在進(jìn)化過(guò)程中產(chǎn)生一個(gè)包含較好個(gè)體的種群，稱(chēng)為開(kāi)發(fā)塊，將開(kāi)發(fā)塊與探測(cè)塊結(jié)合對(duì)變壓器樣本進(jìn)行選擇；

步驟3、待步驟2完成后，利用文化算法對(duì)多種群遺傳算法進(jìn)行改進(jìn)提升，在相應(yīng)的進(jìn)化操作之下得到最終適應(yīng)度最大的個(gè)體，完成基于改進(jìn)遺傳算法的變壓器樣本選擇。

本發(fā)明的特點(diǎn)還在于：

步驟1中：在編碼時(shí)，將每個(gè)類(lèi)別的樣本分別存入txt文件中并進(jìn)行編碼，其中被選擇的樣本編碼為1，否則編碼為0。

步驟2具體按照以下步驟實(shí)施：

步驟2.1、求取探測(cè)塊的個(gè)體適應(yīng)度；

步驟2.2、經(jīng)步驟2.1后，對(duì)探測(cè)塊個(gè)體進(jìn)行選擇；

步驟2.3、經(jīng)步驟2.2后，對(duì)探測(cè)塊種群進(jìn)行交叉、變異操作；

步驟2.4、經(jīng)步驟2.3后，根據(jù)探測(cè)塊的適應(yīng)度得到開(kāi)發(fā)塊，開(kāi)發(fā)塊初始時(shí)是一個(gè)空集；

步驟2.5、經(jīng)步驟2.4后，判斷是否滿足結(jié)束條件：

步驟2.6、利用小交叉、變異概率對(duì)開(kāi)發(fā)塊進(jìn)行進(jìn)化操作，以保持種群的穩(wěn)定性，且用進(jìn)化前的最大適應(yīng)度個(gè)體替換進(jìn)化后的最小適應(yīng)度個(gè)體。

步驟2.1具體按照以下方法實(shí)施：

先將每個(gè)個(gè)體所代表的樣本作為DAG-SVM的訓(xùn)練樣本，對(duì)DAG-SVM進(jìn)行訓(xùn)練，再利用測(cè)試樣本進(jìn)行檢測(cè)，所得測(cè)試樣本的準(zhǔn)確率為個(gè)體的適應(yīng)度。

步驟2.2具體按照以下方法實(shí)施：