专利名称：联合模糊理论和改进遗传算法的油浸式电力设备故障诊断方法
技术领域：
本发明属于油浸式电力设备故障诊断方法领域，特别涉及一种联合模糊理论和改 进遗传算法的油浸式电力设备故障诊断方法。
背景技术：
油浸式电力设备(如电力变压器、油浸式互感器)是电力系统中重要的设备，做好 其运行维护，特别是故障诊断工作，对于提高电力系统的安全可靠运行、电能的可靠监测具 有重要的意义。针对油浸式电力设备的故障诊断，采用油中溶解气体分析法是十分有效的 方法。当油浸式电力设备有故障前兆或者发生故障时，设备所用的变压器油中就会分解出 一些气体，检测这些气体的成分和含量，就能初步诊断电力设备的运行状态和故障程度，对 于电力设备的故障诊断和故障预防具有重要的意义。围绕提高油浸式电力设备特别是变压器的故障诊断准确度，前人做过各种有益的 探索。这些探索主要基于如下一种思想，即将油中溶解气体的脱气、取样以及分析进行一系 列自动化处理，以此来减小人工取气进行色谱分析对故障检测带来的误差，提高故障检测 的准确度。这些研究和实践在油中溶解气体的提取和检测环节取得了一定的成果，然而，这 些研究只是在如何更好地提取和检测气体上进行了探索，对于所得气体数据最终的处理方 法和判断方法上却没有进一步深入的进行研究。例如专利申请号为200420052025. 8、名称为《变压器绝缘在线监测装置》的专利 申请文件，利用将油气分离器置于色谱检测控制箱之中的方法，以减少气体在管线传输中 的损失和在管线中受外界温度的影响，通过提高气体纯度来提高检测准确度和精度，设备 安装调试方便。但是，并没有涉及如何对检测所得的数据在算法上提高故障判断准确度的 内容。再如专利申请号为200920021615. 7、名称为《绝缘油色谱分析系统》的专利申请文 件，不但系统结构复杂，不利于在线检测变压器油的运行状态，而且在对所得数据的处理算 法上，同样没有新的内容。再如专利申请号为200910009358. X、名称为《全自动绝缘油色谱分析系统》的专 利申请文件和专利申请号为200520087372. 9、名称为《绝缘油色谱分析用自动脱气进样装 置》的专利申请文件，其色谱分析系统可自动完成绝缘油样脱气、取气，进行分析过程，并自 动判断充油电气设备故障类型。但前者主要应用于检测部门的实验室色谱分析系统，对于 油浸式电力设备的场状态检测的意义不大；后者由于使用了色谱分析仪，因此系统在处理 气体数据和提高判准确度算法方面没有突出的创新思想。目前，利用色谱分析的数据来判断油浸式电力设备故障的方法有许多，如罗杰斯 法、特征气体法、三比值法、IEC三比值法等。IEC三比值法，是根据IEC/IEEE编码的油中气 体分析方法，也是目前应用最广泛的油浸式电力设备状态检测方法。它利用变压器油中的 H2, CH4, C2H6, C2H4, C2H25种特征气体含量的比值以及CO，CO2的气体含量来判断油浸式电力设备的故障状态。由于IEC三比值法存在编码不全容易导致故障判断精度不高这一缺点， 目前大多采用编码数目多的改良IEC三比值法进行油色谱分析。在实际故障诊断过程中发现，因改良IEC三比值法编码的边界条件过于绝对化而 降低了故障诊断准确度，特别是在碰到多种故障同时发生的情况下，过于绝对的边界条件 对诊断准确度影响更大。究其原因，主要是因为改良IEC三比值法的诊断依据就是根据5 种故障特征气体的比值，并根据对应的编码规则，得出相应的编码，然后与改良三比值法相 关表格对照，寻找相应的编码以确定故障类型。由于编码值的判定严格按照准确的数值进 行，但是故障严重程度是个渐进过程，因此严格按照准确数值进行编码值判定，容易引起编 码值的判定失误。举例来说，按照改良IEC三比值法编码规则表，当0. 1彡CH4ZH2 < 1时， 编码值为0，CH4/H2彡1时，编码值为2，那么如果CH4/CH2 = 1. 01，按照规则，编码值应该为 2。但是我们知道，在油纸绝缘中存在局部放电时，油裂解产生的气体主要是氢和甲烷，在低 温过热时，产生的气体主要是甲烷，所以直接采用改良IEC三比值法，将产生错误的诊断结果。
发明内容
针对上述现有技术中存在的缺陷或不足，本发明的目的在于提出了一种联合�：� 理论和改进遗传算法的油浸式电力设备故障诊断方法，通过改进遗传算法来优化�：呒� �：ナ舳群牟问迪侄阅壳坝τ米罟惴旱挠徒降缌ι璞腹收险锒戏椒ā牧� IEC三比值法，在气体比值边界和故障编码上的进行�：恚⑼ü：评淼玫焦收险� 断结果，大幅度降低其他干扰气体对诊断结果的影响，从而提高油浸式电力设备油中溶解 气体色谱分析的准确度和精度，提高油浸式电力设备的运行可靠性。为了达到上述目的，本发明采用以下技术方案予以实现。一种联合模糊理论和改进遗传算法的油浸式电力设备故障诊断方法，针对目前常 用的改良IEC三比值法，通过联合�：砺酆透慕糯惴：砥淦灞戎当呓绾凸� 障编码，并通过�：评淼玫焦收险锒辖峁涮卣髟谟冢咛宀街枞缦虏街�1 采集油浸式电力设备油中5种气体的测试样本，即H2、CH4、C2H6、C2H4、C2H25 种特征气体，并获取5种气体体积含量的比值参数xl = [C2H2] / [C2H4], x2= [CH4]/[H2]、x3 =[C2H2]/[C2H6]；步骤2 针对改良IEC三比值法的比值参数的边界值0. 1、1、3，选择“Gaussmf”函 数对其进行�：牧迹曰竦媚：谋呓纾⒔癎aussmf”函数作为比值参数xl、x2、 x3的�：ナ舳群徽攵愿牧糏EC三比值法的故障编码值0、1、2，选择“Gbellmf”函数对 其进行�：牧迹曰竦酶幼既返氖侗鸨嗦耄⒔癎bellmf”函数作为故障编码值0、 1、2的模糊隶属度函数；“Gaussmf”函数和“Gbellmf”函数的参数采用改进型遗传算法分别 获取最优值，具体过程如步骤3 ；步骤3 对传统遗传算法进行改进，并利用改进型遗传算法对�：ナ舳群� “Gaussmf ”和“Gbellmf ”的参数进行优化，获取“Gaussmf ”函数的最优参数和“Gbellmf ”函 数的最优参数，具体实现过程如下1)选择二进制编码策略，把“Gaussmf”函数的原始参数(a，b)，“Gbellmf”函数的 原始参数(c，d，e)分别转换为位串结构编码；
2)产生初始群体为10组群体中每组父代群体为84位二进制编码，父代群体由 12个参数对应的二进制编码组成，其中12个参数为�：ナ舳群癎aussmf”有2个参 数a、b，比值参数xl、x2、x3分别对应3个“Gaussmf”函数共有6个参数；模糊隶属度函数 “Gbellmf”有3个参数c、d、e，其中e = 1为固定值，不需要优化，故障编码值0、1、2分别对 应3个“Gbellmf”函数共有6个参数；同时，对传统遗传算法随机产生初始群体的方法进行了改进采用提前通过预设 5组优质个体、随机产生5组个体组合生成10组初始父代群体的群体产生方法；3)确定遗传策略，包括依次采用选择、交叉、变异方法，以及确定交叉概率pc、变 异概率pm等遗传参数，具体的遗传算法如下①选择算法采用轮盘赌方法；根据初始群体的个体故障诊断准确度按比例转化为 选中概率，将10组初始群体分别编码为1 10，分布在轮盘的10个扇区，相当于转动10次 轮盘，获得10次转盘停止时指针位置，得到10个
之间的随机数，指针停止在某一扇 区，该区所代表的个体即被选中，10次选择中都未被选中的个体将被剔除，其位置将被多次 选中的个体替代；②交叉算法采用多点多位的交叉方法，交叉概率PC = 60%，具体交叉法为以交 叉概率pc任意选择A，B两组个体，并将每个个体的84位二进制编码按照30 I 54位分开，A， B两组个体的前30位互相交换，产生新的两组个体A’和B’ ；按照此方法，交叉产生10组新 的个体作为新的群体；③变异算法采用二进制变异，即根据变异概率随机选择个体，对已选择个体的84 位中的1位再通过随机选择进行变异，将其中的1位从“1”变成“0”或从“0”变成“1”，初 始变异概率Pm= 10% ；④设定故障诊断准确度阈值f，并重复步骤①、②、③进行选择、交叉、变异得到新 的遗传个体，新的遗传个体的故障诊断准确度η与阈值f相比连续3次的差别小于1 %，则 增大变异概率，每次增大5%，直至增大到30%，反之，如果新的遗传个体的故障诊断准确 度η与阈值f相比连续3次的差别大于10%，则减小变异概率，每次减小5%，直至减小到 5% ；直到新的遗传个体的故障诊断准确度η大于阈值f并故障诊断准确度η连续3次相 等，或者已完成预定迭代次数，即结束遗传算法，获得84位二进制编码最优个体；步骤4 将步骤3中由改进遗传算法所得到的最优个体前42位反解码为比值参数 xl、χ2、χ3分别对应的3个“Gaussmf ”函数的6个参数；步骤5 将步骤3中由改进遗传算法所得到的最优个体后42位反解码为故障编码 值0、1、2分别对应的3个“Gbellmf”函数的6个参数；步骤6 利用if-then的�：呒评矸椒ǎ牧糏EC三比值法对应的26种故 障编码类型转换成26条if-then规则，每条规则为8位；步骤7 引入�：砺矍蠼夂癳valfis”，输入5种气体体积的比值参数xl，x2 和x3，利用步骤4获得的已有优化比值参数的�：ナ舳群癎aussmf”对比值参数的边 界值0. 1、1、3进行�：嗦耄ü蠼夂癳valfis”，利用步骤5中获得的已有优化故障 编码值的�：ナ舳群癎bellmf”并应用步骤6中的编码规则，即可得到改良IEC三比 值法的故障类型编码。改良IEC三比值法作为油浸电力设备中溶解特征气体的分析方法，在油浸电力设备故障检测领域的作用是巨大的。在油浸电力设备故障检测领域，应用本发明提出的联合 �：砺酆透慕糯惴ǖ挠徒缌ι璞钢腥芙馄宓母牧糏EC三比值分析法，其优越性 主要体现在(1)采用�：砺鄱愿牧糏EC三比值法的边界值进行了�：恚饩隽烁牧� IEC三比值法因编码边界条件过于绝对而故障诊断准确性不高的问题，对改良IEC三比值 法诊断准确度的提高有一定的作用。(2)采用if-then的�：呒评矸椒ǘ怨收媳嗦虢心：恚ü：评� 得到故障诊断结果，�：砺鄣挠τ檬构收险锒辖峁咏咏导使ぷ髑榭�。(3)采用自适应调整变异概率的遗传算法修正经验模糊隶属度函数，以获得�：� 隶属度函数的最优参数，对于�：砺墼诟牧糏EC三比值法上的应用奠定了很好的基础。(4)针对随机初始化种群带来的初始种群过于分散导致进化代数增多的现象，采 用给定部分种群以对初始进行一定的约束，加快进化的效率，对于故障诊断速度的提高有 积极的意义。
图1是联合�：砺酆透慕糯惴ǖ挠徒降缌ι璞腹收险锒戏椒ǖ牧鞒掏迹煌�2是通过遗传算法获得模糊隶属度函数最优参数的流程图；图3是通过遗传算法优化的3个输入比值参数对应的“Gaussmf”�：ナ舳韧迹煌�4是通过遗传算法优化的3个输出故障编码对应的“Gbellmf”�：ナ舳韧�。
具体实施例方式以下结合附图和技术方案的原理及发明给出的实施例，对本发明作进一步的详细 说明。(1)技术方案总体思路本发明解决的核心命题是通过应用遗传算法和模糊理论改进改良IEC三比值法 的边界条件和编码，提高其故障诊断准确度，进一步提高油浸式电力设备故障诊断准确度， 从而提高设备的运行可靠性。本发明采用改良IEC三比值法，尤其是结合�：砺酆透慕� 遗传算法，对改良IEC三比值法气体比值参数边界和故障编码进行�：恚⑼ü：� 推理得到故障诊断结果，从而①解决了 IEC三比值法因编码边界条件过于绝对而故障诊 断准确性不高的问题，对IEC三比值法诊断准确度的提高有一定的作用。②利用�：ナ� 度函数，使故障诊断结果更加接近实际工作情况。③采用自适应调整变异概率的遗传算法 修正经验�：ナ舳群畲笙薅鹊胤⒒痈牧糏EC三比值法诊断准确度。(2)具体实施例本发明按照一般判断油浸式电力设备故障的方法，利用�：ナ舳群约澳：� 理论来通过优化改良IEC三比值法的边界条件以及输入比值参数，提高改良IEC三比值法 故障诊断准确，而所使用的�：呒：ナ舳群淖钣挪问ü痉⒚髦兴龅母慕� 遗传算法来获得。联合�：砺酆透慕糯惴ǖ挠徒降缌ι璞腹收险锒戏椒ǎ渚咛� 方法流程图见图1。该故障诊断方法实现了故障特征气体比值边界和故障编码的�：恚� 并通过�：评淼玫焦收险锒辖峁ü痉⒚鞣椒ㄓ敫牧糏EC三比值法比较表明，该方法可以有效地提高油浸式电力设备故障诊断的准确度。应用本发明，具体步骤如下步骤1 采集油浸式电力设备油中5种气体的测试样本，即H2、CH4、C2H6、C2H4、C2H25 种特征气体。并获取5种气体体积含量的比值参数Xl = [C2H2]/[C2H4]、x2= [CH4]/[H2]、 x3= [C2H2]/[C2H6]。本发明首先对具有吊芯结果的114组实验数据，表1给出了其中10组， 应用改良三比值法进行故障诊断，诊断准确度为76. 4%。表110组吊芯结果实验数据 步骤2 —般情况下，由于油浸式电力设备发生故障时，往往不止发生一种故障， 即便只发生一种故障，其故障特征气体成分的含量比也不是每次都按照故障气体的产气比 例发生，如果单一的按照IEC三比值法的明确边界划分方式将其结果划分，易将故障归错 类型。针对该不足，本发明对改良IEC三比值法输入比值参数的边界条件(如0. 1、1、3)，选 择“Gaussmf ”函数对其进行�：牧迹曰竦媚：谋呓缣跫⒔癎aussmf ”函数作 为输入比值参数(xl、x2、x3)的�：ナ舳群徽攵愿牧佳EC三比值法输出故障编码 值(如0、1、2)，选择“Gbellmf”函数对其进行�：牧迹曰竦酶幼既返氖侗鸨嗦耄� 将“Gbellmf”函数作为输出识别结果(如0、1、2)的模糊隶属度函数。在�：ナ舳炔问� 的选择上，一般是采用经验来选择参数的大�。庋淇梢曰竦帽冉虾貌问呛苣涯芄� 获得最优的模糊隶属函数的参数值。因而本发明利用改进型的遗传算法来获取�：ナ舳� 函数的最优参数。具体思想过程如图2所示。“Gaussmf”函数和“Gbellmf”函数的参数采 用改进型遗传算法分别获取最优值的具体过程如步骤3。步骤3 对传统遗传算法进行改进，并利用改进型遗传算法对�：ナ舳群癎aussmf ”和“Gbellmf ”的参数进行优化，获取“Gaussmf ”函数的最优参数和“Gbellmf ”函 数的最优参数。为了解决传统遗传算法由于变异概率固定而容易造成子代进化时容易得到局部 极值而结束算法的缺点，本发明对传统的遗传算法进行了改进，采用自适应调整变异概率 的方法，以获得更好的�：ナ舳群牟问Ｕ攵运婊跏蓟秩喝菀状闯跏贾秩汗� 于分散进而导致进化代数增多的现象，采用给定部分优质种群以对初始进行一定的约束， 加快进化的效率。改进后的遗传算法的描述如下1)选择二进制编码策略，把“Gaussmf”函数的原始参数(a，b) ,“Gbellmf”函数 的原始参数(c，d，e)分别转换为位串结构编码(如将“Gaussmf ”函数参数a = 2乘以10 后，转换成二进制编码0010100)。具体方法为将2、0. 5两个参数分别乘以10、100，变成 20、50，然后转换成7位二进制编码，分别为0010100、0110010，相应的措施也同样应用于 “Gbellmf”函数的原始参数(c，d，e)，所乘数为1，10，100，原则上要求乘完后的结果不超过 127，即能被7位二进制码表示但又不能小于0000001即可；2)产生初始群体为10组群体中每组父代群体为84位二进制编码，父代群 体中每个个体由12个参数对应的二进制编码组成，其中12个参数为�：ナ舳群� “Gaussmf”有 2 个参数 a、b (如 a = 2、b = 0. 5)，比值参数 xl、x2、x3 分别对应 3 个“Gaussmf” 函数共有6个参数；�：ナ舳群癎bellmf”有3个参数c、d、e (如0. 5、20、1)，其中最 后一位e = 1为固定值，不需要优化，故障编码值0、1、2分别对应3个“Gbellmf”函数共 有6个参数；对于每个“Gaussmf”函数参数，将2、0. 5两个参数分别乘以10、100，变成20、 50，然后转换成7位二进制编码，分别为0010100,0110010 ；对每个“Gbellmf ”，将0. 5、20 分别乘以100、1后，进行7位二进制编码，分别为0. 5*100 = 50 = 0110010,20*1 = 20 = 0010100。因此，两个�：ナ舳群灿�12个参数，每个参数有7位二进制编码，将他们 合并后得到一组84位二进制编码，该84位编码即为一组父代个体。第二组父代个体可通 过改变“Gaussmf”和“Gbellmf”的参数获得，如将前述2、0. 5以及0. 5,20分别采用模糊理 论修改为1. 8,0. 6和0. 4、18，再按照与上述相同的方法获得第二组父代84位二进制编码； 同时，对传统遗传算法随机产生初始群体的方法进行了改进采用提前预设5组优质个体、 随机产生5组个体组合生成10组初始父代群体的群体产生方法，预设的5组个体为实验验 证相对比较优质的个体，可以减少遗传迭代次数，并有利于获得最优后代群体，本发明所应 用的5组优质个体如下pop(l, ) =
；pop (3，) =
；pop(5， ) =
；pop (7，) =
；pop (9，) =
；
其中pop (η, )，η代表个体的代码，例如pop (1，)代表第一组个体，如上所示，5 组个体分别为1，3，5，7，9。3)确定遗传策略，包括依次采用选择、交叉、变异方法，以及确定交叉概率pc、变 异概率pm等遗传参数，具体的遗传算法如下①选择算法采用轮盘赌方法；根据初始群体的个体故障诊断准确度按比例转化为 选中概率，将10组初始群体分别编码为1 10，分布在轮盘的10个扇区，相当于转动10次 轮盘，获得10次转盘停止时指针位置，得到10个W，l]之间的随机数，指针停止在某一扇 区，该区所代表的个体即被选中，10次选择中都未被选中的个体将被剔除，其位置将被多次 选中的个体替代；表2所示为本发明初始化的10个个体及其被选择概率。采用轮盘赌方 式的选择之后，个体8、10将被个体3、9替代，即群体中的8、10个体不复存在，3、9各被复 制一次，这个过程称为再生。在此过程中，优质个体的被选中的概率明显大于随机产生的个 体，即其适应度高于一般个体。按照该方法，经过多次轮盘赌选择之后，由于被选中概率大 (适应度高)的个体将会被不断复制，而被选中概率小的个体将被不断淘汰，因此种群中的 个体适应度将会越来越高。表2采用轮盘赌方法时个体被选中概率表 ②交叉是遗传算法中重要的一个环节，在生物学上称为杂交。通过任意挑选种群 中的两个个体(父个体)作为交叉对象，任意确定个体编码中的一点作为交叉位置，两个个 体在交叉位置以右的基因互换，形成两个子个体。本发明中的交叉算法采用多点多位的交叉方法，交叉概率pc = 60%，具体交叉法为以交叉概率pc任意选择A，B两组个体，并将 每个个体的84位二进制编码按照30 I 54位分开，A，B两组个体的前30位互相交换，产生新 的两组个体A’和B’ ；按照此方法，交叉产生10组新的个体作为新的群体。例如，提取初始 化时产生的1、7号两个父个体pop(l, ) =
pop (7, ) =
将两个父个体“ I I，，前后的个体互换，生成两个新的子个体pop，(1，)=
pop，(7, ) =
③如果只有选择和交叉算法，随着进化代数的增加，种群中优秀的个体不断被复 制，近亲繁殖现象严重，会使群体中较好个体充斥整个群体，出现“早熟”现象，由此得到的 个体并不一定是最优秀的个体。为了解决“早熟”这一问题，采用自然界中变异的方法，对 少数父代个体进行变异，生成新的子个体。本发明中，变异算法采用二进制变异，即根据变 异概率随机选择个体，对已选择个体的84位中的1位再通过随机选择进行变异，将其中的 1位从“1”变成“0”或从“0”变成“1”，初始变异概率Pm= 10%。具体方法如下取1号个体pop(l, ) =
对“ 1，，为进行变异，即采取翻转操作，从“ 1，，变为“0”后得到新的子个体pop(l, ) =
④设定故障诊断准确度阈值f，并重复步骤①、②、③进行选择、交叉、变异得到新 的遗传个体，新的遗传个体的故障诊断准确度η与阈值f相比连续3次的差别小于1%，则 增大变异概率，每次增大5%，直至增大到30%，反之，如果新的遗传个体的故障诊断准确 度η与阈值f相比连续3次的差别大于10 %，则减小变异概率，每次减小5%，直至减小到 5% ；直到新的遗传个体的故障诊断准确度η大于阈值f并故障诊断准确度η连续3次相 等，或者已完成预定迭代次数，即结束遗传算法，获得84位二进制编码最优个体；由于在未 使用遗传算法和�：砺壑埃跃哂械跣窘峁�114组实验数据应用改良三比值法进行 故障诊断的诊断准确度为76. 4%，因此本发明中起初设定阈值f = 80%。通过上述遗传算 法的优化，通过重复步骤①、②、③进行选择、交叉、变异的方法，将产生的个体通过114组 数据检验，最终得到一个故障诊断准确度最高的个体，并对该准确度最高的个体进行解码， 将其所对应的故障诊断准确度求出。步骤4 将步骤3中由改进遗传算法所得到的最优个体前42位反解码为比值参数 xl、x2、x3分别对应的3个“Gaussmf”函数的6个参数。并将这3个“Gaussmf”函数分别 应用于改良IEC三比值法的3个输入比值参数xl，x2, x3，针对3个输入比值参数对应的“Gaussmf”�：ナ舳韧既缤�3所示，图中纵坐标都代表隶属度，它的取值范围为0 1之 间，横坐标为输入比值参数值的值；图3(a)为针对输入比值参数Xl = [C2H2]/[C2H4]的模 糊隶属度图，图3(b)为针对输入比值参数x2= [CH4]/[H2]的�：ナ舳韧迹�3 (c)为针对 输入比值参数x3 = [C2H2]/[C2H6]的�：ナ舳韧迹徊街�5 将步骤3中由改进遗传算法所得到的最优个体后42位反解码为故障编码 值0、1、2分别对应的3个“Gbellmf”函数的6个参数；并将这3个“Gbellmf”函数分别应 用于改良IEC三比值法的3个输出故障类型编码，针对3个输出故障编码对应的“Gbellmf” �：ナ舳韧既缤�4所示，图中纵坐标都代表隶属度，它的取值范围为0 1之间，横坐标 对应输出故障类型编码的值，由于本发明在if-then规则中对于每个输出故障类型编码都 加了 1，因此，对于图4中4(a)，4(b)，4(c)来说，曲线对应的横坐标在故障类型输出判断之 前都需要减去1 ；图4(a)为针对第一个故障编码的�：ナ舳韧迹�4(b)为针对第二个故 障编码的�：ナ舳韧迹�4(c)为针对第三个故障编码的�：ナ舳韧迹徊街�6 利用if-then的�：呒评矸椒ǎ牧糏EC三比值法对应的26种故 障编码类型转换成26条if-then规则，每条规则为8位，改良IEC三比值法的编码规则表 如表3所示；表3改良IEC三比值法的编码规则表 注*表示比值在该故障类型识别中不重要。采用�：呒哪：评矸椒ǎ玫焦收险锒辖峁�。�：嬖蛉缦聄ulelist = [12211211 ；13113111 ；13213211 ；11312311 ；12311311 ；13313311 ； 11112111 ；12111111 ；23123111 ；23223211 ；23323311 ；22121111 ；22221211 ；22321311 ； 21122111 ；21222211 ；21322311 ；33133111 ；33233211 ；33333311 ；31132111 ；31232211 ； 31332311 ；32131111 ；32231211 ；32331311]在规则中，对于编码[12211211]，前3位数的值(1，2，3)表示输入特征气体比值 的输入范围。如对于[C2H2]/[C2H4]来说，1表示该比值小于0. 1，2表示该比值大于等于0. 1 且小于3，3表示该比值大于等于3。为了便于进行MATLAB处理，将输出编码的位值加1，在 �：评沓龉收侠嘈捅嗦牒螅收侠嘈捅嗦胛恢迷偌�1。如对第1条�：嬖�12211211，前 3位数122为输入编码，接下来的3位数112，实际值应为001，倒数第2位表示是否应用规 则，如果应用规则，则为1，否则为0，最后1位为规则采用的运算类型，1表示用and运算，2 表示用or运算。例如“士�([〇2!12]/[〇2!14]土8小于0. 1) and([CH4]/[H2] is大于等于0. 1且 小于 l)and([C2H2]/[C2H6]is 大于等于 1 且小于 3)then(Cl is 0) (C2 is 0) (C3 is 1)，，。步骤7 引入�：砺矍蠼夂癳valfis”，输入5种气体体积的比值参数xl，x2 和x3，利用步骤4获得的已有优化比值参数的模糊隶属度函数“Gaussmf”对比值参数的边 界值0. 1、1、3进行�：嗦耄ü蠼夂癳valfis”，利用步骤5中获得的已有优化故 障编码值的�：ナ舳群癎bellmf”并应用步骤6中的编码规则，即可得到改良IEC三 比值法的故障类型编码。本发明通过遗传算法对�：ナ舳群问挠呕收险锒献� 确度有了进一步提高，本发明最终的最优个体通过吊芯结果的检验，其故障诊断准确度为 85. 1%。比改良IEC三比值法提高了 8. 7个百分点。
权利要求
一种联合�：砺酆透慕糯惴ǖ挠徒降缌ι璞腹收险锒戏椒ǎ攵阅壳俺Ｓ玫母牧糏EC三比值法，通过联合�：砺酆透慕糯惴：砥淦灞戎当呓绾凸收媳嗦耄⑼ü：评淼玫焦收险锒辖峁涮卣髟谟冢咛宀街枞缦虏街�1采集油浸式电力设备油中5种气体的测试样本，即H2、CH4、C2H6、C2H4、C2H25种特征气体，并获取5种气体体积含量的比值参数x1＝[C2H2]/[C2H4]、x2＝[CH4]/[H2]、x3＝[C2H2]/[C2H6]；步骤2针对改良IEC三比值法的比值参数的边界值0.1、1、3，选择“Gaussmf”函数对其进行�：牧迹曰竦媚：谋呓纾⒔癎aussmf”函数作为比值参数x1、x2、x3的�：ナ舳群徽攵愿牧糏EC三比值法的故障编码值0、1、2，选择“Gbellmf”函数对其进行�：牧迹曰竦酶幼既返氖侗鸨嗦耄⒔癎bellmf”函数作为故障编码值0、1、2的�：ナ舳群弧癎aussmf”函数和“Gbellmf”函数的参数采用改进型遗传算法分别获取最优值，具体过程如步骤3；步骤3对传统遗传算法进行改进，并利用改进型遗传算法对�：ナ舳群癎aussmf”和“Gbellmf”的参数进行优化，获取“Gaussmf”函数的最优参数和“Gbellmf”函数的最优参数，具体实现过程如下1)选择二进制编码策略，把“Gaussmf”函数的原始参数(a，b)，“Gbellmf”函数的原始参数(c，d，e)分别转换为位串结构编码；2)产生初始群体为10组群体中每组父代群体为84位二进制编码，父代群体由12个参数对应的二进制编码组成，其中12个参数为�：ナ舳群癎aussmf”有2个参数a、b，比值参数x1、x2、x3分别对应3个“Gaussmf”函数共有6个参数；�：ナ舳群癎bellmf”有3个参数c、d、e，其中e＝1为固定值，不需要优化，故障编码值0、1、2分别对应3个“Gbellmf”函数共有6个参数；同时，对传统遗传算法随机产生初始群体的方法进行了改进采用提前通过预设5组优质个体、随机产生5组个体组合生成10组初始父代群体的群体产生方法；3)确定遗传策略，包括依次采用选择、交叉、变异方法，以及确定交叉概率pc、变异概率pm等遗传参数，具体的遗传算法如下①选择算法采用轮盘赌方法；根据初始群体的个体故障诊断准确度按比例转化为选中概率，将10组初始群体分别编码为1～10，分布在轮盘的10个扇区，相当于转动10次轮盘，获得10次转盘停止时指针位置，得到10个
之间的随机数，指针停止在某一扇区，该区所代表的个体即被选中，10次选择中都未被选中的个体将被剔除，其位置将被多次选中的个体替代；②交叉算法采用多点多位的交叉方法，交叉概率pc＝60％，具体交叉法为以交叉概率pc任意选择A，B两组个体，并将每个个体的84位二进制编码按照30|54位分开，A，B两组个体的前30位互相交换，产生新的两组个体A’和B’；按照此方法，交叉产生10组新的个体作为新的群体；③变异算法采用二进制变异，即根据变异概率随机选择个体，对已选择个体的84位中的1位再通过随机选择进行变异，将其中的1位从“1”变成“0”或从“0”变成“1”，初始变异概率pm＝10％；④设定故障诊断准确度阈值f，并重复步骤①、②、③进行选择、交叉、变异得到新的遗传个体，新的遗传个体的故障诊断准确度n与阈值f相比连续3次的差别小于1％，则增大变异概率，每次增大5％，直至增大到30％，反之，如果新的遗传个体的故障诊断准确度n与阈值f相比连续3次的差别大于10％，则减小变异概率，每次减小5％，直至减小到5％；直到新的遗传个体的故障诊断准确度n大于阈值f并故障诊断准确度n连续3次相等，或者已完成预定迭代次数，即结束遗传算法，获得84位二进制编码最优个体；步骤4将步骤3中由改进遗传算法所得到的最优个体前42位反解码为比值参数x1、x2、x3分别对应的3个“Gaussmf”函数的6个参数；步骤5将步骤3中由改进遗传算法所得到的最优个体后42位反解码为故障编码值0、1、2分别对应的3个“Gbellmf”函数的6个参数；步骤6利用if then的�：呒评矸椒ǎ牧糏EC三比值法对应的26种故障编码类型转换成26条if then规则，每条规则为8位；步骤7引入�：砺矍蠼夂癳valfis”，输入5种气体体积的比值参数x1，x2和x3，利用步骤4获得的已有优化比值参数的�：ナ舳群癎aussmf”对比值参数的边界值0.1、1、3进行�：嗦耄ü蠼夂癳valfis”，利用步骤5中获得的已有优化故障编码值的�：ナ舳群癎bellmf”并应用步骤6中的编码规则，即可得到改良IEC三比值法的故障类型编码。
全文摘要
本发明属于油浸式电力设备故障诊断方法领域，公开一种联合�：砺酆透慕糯惴ǖ挠徒降缌ι璞腹收险锒戏椒�。该方法针对目前常用的改良IEC三比值法，通过联合�：砺酆透慕糯惴：砥淦灞戎当呓绾凸收媳嗦耄⑼ü：评淼玫焦收险锒辖峁�。采用�：砺鄱愿牧糏EC三比值法的边界值进行了�：恚饩隽烁牧糏EC三比值法因编码边界条件过于绝对而故障诊断准确性不高的问题，对改良IEC三比值法诊断准确度的提高有一定的作用。采用自适应调整变异概率的遗传算法修正经验�：ナ舳群曰竦媚：ナ舳群淖钣挪问杂谀：砺墼诟牧糏EC三比值法上的应用奠定了很好的基础。
文档编号G01R31/00GK101907665SQ20101022912
公开日2010年12月8日 申请日期2010年7月16日 优先权日2010年7月16日
发明者刘朝伟, 吴洪艳, 周姝昱, 王小华, 白凡, 荣命哲, 龚东武 申请人:西安交通大学;许继集团有限公司;河南邦泰合力管理咨询有限公司
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
