基因表達(dá)式程序設(shè)計(jì)在變壓器故障診斷中應(yīng)用_第1頁
基因表達(dá)式程序設(shè)計(jì)在變壓器故障診斷中應(yīng)用_第2頁
基因表達(dá)式程序設(shè)計(jì)在變壓器故障診斷中應(yīng)用_第3頁
基因表達(dá)式程序設(shè)計(jì)在變壓器故障診斷中應(yīng)用_第4頁
基因表達(dá)式程序設(shè)計(jì)在變壓器故障診斷中應(yīng)用_第5頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、【W(wǎng)ord版本下載可任意編輯】 基因表達(dá)式程序設(shè)計(jì)在變壓器故障診斷中應(yīng)用 0 引言 變壓器是電力系統(tǒng)的重要設(shè)備之一,它的故障將對(duì)供電的可靠性和系統(tǒng)的正常運(yùn)行產(chǎn)生嚴(yán)重影響。因此,開展變壓器故障早期診斷,對(duì)保證變壓器長期安全可靠運(yùn)行,減少不必要的停用,防止異常情況的發(fā)展具有極為特殊的意義。目前,國內(nèi)電力系統(tǒng)使用的大型變壓器多為油浸式變壓器,其內(nèi)部變壓器油和固體絕緣材料由于受電場、熱、濕度、氧等因素的影響,會(huì)逐漸老化、分解,產(chǎn)生少量的氫、低分子烴類氣體、一氧化碳和二氧化碳等氣體,且大部分溶解在油中。當(dāng)變壓器內(nèi)部存在潛伏性故障或故障加劇時(shí),油中溶解氣體數(shù)量會(huì)相應(yīng)增加,終造成瓦斯保護(hù)動(dòng)作。顯然,故障氣體

2、的組成、含量和產(chǎn)氣速率是診斷變壓器故障存在、發(fā)展以及故障性質(zhì)的重要依據(jù),通過檢測變壓器油的色譜情況,對(duì)早期診斷變壓器的內(nèi)部故障、實(shí)現(xiàn)安全生產(chǎn)至關(guān)重要。 近年來,對(duì)電力變壓器故障診斷新方法的探討和研究,引起了國內(nèi)外科研工作者的極大關(guān)注。常用的IEC三比值法及相關(guān)改進(jìn)比值法在工程實(shí)際使用中暴露出編碼不全、編碼邊界過于等缺點(diǎn)。 基因表達(dá)式程序設(shè)計(jì)(Gene Expression Programming, GEP)是是葡萄牙科學(xué)家Candida Ferreira發(fā)現(xiàn)的一種基于基因型(Genome)和表現(xiàn)型(Phenomena)的新型遺傳算法。本文對(duì)基因表達(dá)式程序設(shè)計(jì)算法加以改良,提出自適應(yīng)基因表達(dá)式程

3、序設(shè)計(jì)算法并將其應(yīng)用于電力變壓器故障珍斷,實(shí)例分析結(jié)果說明,該算法能有效地對(duì)電力變壓器的各種故障模式開展檢測。 1. 變壓器故障診斷自適應(yīng)GEP算法 1.1 GEP算法的改良 GEP的個(gè)體是由多個(gè)長度固定不變的基因組成的線性串染色體,然后這些個(gè)體被表示成表達(dá)式樹(Expression Trees, ET)。GEP染色體和表達(dá)式樹構(gòu)造簡單清晰,通過簡單的線性編碼和解碼規(guī)則可無歧義地互化。GEP將這兩者分別作為獨(dú)立個(gè)體,對(duì)GA和GP的優(yōu)點(diǎn)分別加以繼承,使遺傳操作易于實(shí)施,結(jié)果方便表達(dá)。它在符號(hào)回歸、分類和時(shí)間序列問題預(yù)測中廣泛應(yīng)用,成為了一個(gè)非常有力的數(shù)據(jù)挖掘工具。 為改善GEP算法性能,對(duì)GEP

4、參數(shù)開展自適應(yīng)調(diào)整: 1.1.1選擇算子: 受免疫算法抗體多樣性的啟發(fā),多樣性可用來提高遺傳算法的全局搜索能力而不致陷于局部解。新的選擇算子不僅與個(gè)體適應(yīng)度有關(guān),還與個(gè)體的濃度有關(guān),個(gè)體濃度越大,選擇概率越小,個(gè)體濃度越小,選擇概率越大。個(gè)體的選擇概率 (1) 式(1)中, f(xi) 為個(gè)體 i 適應(yīng)度函數(shù)。種群中與個(gè)體i基因相似的個(gè)體越多,個(gè)體i被選中的概率越小。反之,與個(gè)體i基因相似的個(gè)體越少,個(gè)體i被選中的概率就越大。這使含有有效進(jìn)化基因的低適應(yīng)度個(gè)體也可獲得繁殖的時(shí)機(jī)。這在理論上保證了解的多樣性。 1.1.2 變異(轉(zhuǎn)換)Pm和重組pc算子: 為加快GEP算法的收斂速度,變異(轉(zhuǎn)換)

5、Pm和重組pc概率開展自適應(yīng)調(diào)整:當(dāng)種群比較單一時(shí),Pm和pc變化較大;反之,當(dāng)種群差異較大時(shí),Pm和pc變化較小。在克服過早收斂和防止個(gè)體破壞之間選擇了折衷的方案,保證了群體的多樣性,克服了GEP算法的不成熟收斂,而到達(dá)全局。 1.1.3 多種群進(jìn)化 受多種群并行進(jìn)化思想的啟發(fā),改良的GEP算法中嵌入多種群并行優(yōu)化與自適應(yīng)調(diào)整相結(jié)合的思路,將原種群按其特性劃分為幾個(gè)種群,每個(gè)子種群有其各自的特點(diǎn),這樣通過不同子種群之間的進(jìn)化,可以選取和保存每個(gè)種群的個(gè)體,防止了單種群進(jìn)化產(chǎn)生的過早收斂現(xiàn)象,同時(shí)又可以保持個(gè)體的進(jìn)化穩(wěn)定性。 表1 種群參數(shù)特征 如下表1所示,將某種群劃分為四類種群同時(shí)進(jìn)化。前

6、三類種群按照各自的進(jìn)化策略并行進(jìn)化,種群4為保存子種群,它開始沒有個(gè)體,它是由前三類種群進(jìn)化過程中選取的個(gè)體組成,其作用在于保存前三類種群進(jìn)化的個(gè)體,使不遭受破壞,又使個(gè)體分布多樣性,同時(shí)其自身也在進(jìn)化,其pm,pc 均比較小,目的在于保持個(gè)體的穩(wěn)定性和多樣性。 1.2自適應(yīng)并行GEP算法的實(shí)現(xiàn),自適應(yīng)并行GEP算法的實(shí)施步驟如下: (1) 按表1隨機(jī)初如化種群1,種群2,種群3,種群規(guī)模分別為N1,N2,N3。 (2) 計(jì)算各種群中個(gè)體的擬合度,并判斷是否符合優(yōu)化準(zhǔn)則,若符合,輸出個(gè)體及其代表的解,并結(jié)束運(yùn)算;否則轉(zhuǎn)向(3)步。 (3) 根據(jù)公式(2)、(3)、(4)、(5),每個(gè)子群體獨(dú)立

7、地開展自適應(yīng)GEP進(jìn)化。 (4) 每個(gè)個(gè)體根據(jù)公式(1)開展選擇,產(chǎn)生下一代群體。 (5) 將各種群中的個(gè)體注入到種群4中,并且從所有子種群體中找出一個(gè)個(gè)體,再將此個(gè)體注入每個(gè)子群體中,替代各子種群體中的差個(gè)體。 (6) 種群4按表1的pm,pc進(jìn)化產(chǎn)生新一代。 (7) 判斷是否符合優(yōu)化準(zhǔn)則。若滿足則結(jié)束本次計(jì)算,否則繼續(xù)第(2)步。 2. 自適應(yīng)GEP算法在電力變壓器故障診斷中的應(yīng)用 2.1 算法參數(shù)設(shè)置: 進(jìn)化代數(shù) max_ generation=1000 ; 終點(diǎn)集T=x1,x2,x3,x4,x5,其中x1,x2,x3,x4,x5分別代表H2,CH4,CH4,C2H4,C2H6,C2H2

8、共5種氣體的體積數(shù);函數(shù)集F=+,/,L,E,Q,S,C。其中L代表自然對(duì)數(shù),E代表 ,Q代表開方函數(shù),代表 ,S代表正弦函數(shù),C代表余弦函數(shù)。 2.2實(shí)例分析 2.2.1 變壓器故障類型: 有單一故障類型和多故障類型(見表2) 表2 變壓器故障類型 2.2.2 比較 以下對(duì)由自適應(yīng)的GEP算法建模得到的結(jié)果與文獻(xiàn)中得到的結(jié)果開展比較,以某電力變壓器故障實(shí)例作樣本集(表3) 表3預(yù)測模型的樣本集及與其他方法結(jié)果比較 從表3結(jié)果不難看出:自適應(yīng)的并行GEP算法均得出了正確的診斷結(jié)果,說明了該算法對(duì)電力變壓器多故障同時(shí)發(fā)生的情況有很高的診斷準(zhǔn)確率,其結(jié)果比BP神經(jīng)網(wǎng)絡(luò)、文獻(xiàn)的免疫分類算法都優(yōu)。 3. 結(jié)束語 (1)新的選擇算子、變異(變換)、重組算子和多種群算子保證了種群的多樣性,確保算法不陷入局部,而快速到達(dá)全局。 (2)多種群算子突破了單一種群考慮信息的缺陷和解的單一化,以及現(xiàn)有多種群遺傳算法中局限于單一的固定的參數(shù)值。由于種群4保存了其他子種群的個(gè)體,確保了個(gè)體的進(jìn)化穩(wěn)定性,提高了算法的收斂速度。 (3)將改良的G

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論