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

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。该方法针对目前常用的改良IEC三比值法，通过联合模糊理论和改进遗传算法模糊处理其气体比值边界和故障编码，并通过模糊推理得到故障诊断结果。采用模糊理论对改良IEC三比值法的边界值进行了模糊化处理，解决了改良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。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，以获得模糊隶属度函数的最优参数，对于模糊理论在改良IEC三比值法上的应用奠定了很好的基础。

主权项

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，通过联合模糊理论和改进遗传算法模糊处理其气体比值边界和故障编码，并通过模糊推理得到故障诊断结果，其特征在于，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”函数对其进行模糊化改良，以获得模糊化的边界，并将“Gaussmf”函数作为比值参数x1、x2、x3的模糊隶属度函数；针对改良IEC三比值法的故障编码值0、1、2，选择“Gbellmf”函数对其进行模糊化改良，以获得更加准确的识别编码，并将“Gbellmf”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模糊隶属度函数“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：模糊隶属度函数“Gaussmf”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；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[0，1]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的模糊逻辑推理方法，将改良IEC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：引入模糊理论求解函数“evalfis”，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模糊隶属度函数“Gaussmf”对比值参数的边界值0.1、1、3进行模糊编码，通过求解函数“evalfis”，利用步骤5中获得的已有优化故障编码值的模糊隶属度函数“Gbellmf”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。