[发明专利]基于改进遗传算法的变压器样本选择方法

说明书

本发明公开了基于改进遗传算法的变压器样本选择方法，具体按照以下步骤实施：步骤1、对训练样本进行二进制编码，并进行种群初始化，设置最大迭代数T，种群规模为N；步骤2、经步骤1后，将种群分为个体为n的子种群，称为探测块，在进化过程中产生一个包含较好个体的种群，称为开发块，将开发块与探测块结合对变压器样本进行选择；步骤3、待步骤2完成后，利用文化算法对多种群遗传算法进行改进提升，在相应的进化操作之下得到最终适应度最大的个体，完成基于改进遗传算法的变压器样本选择。本发明基于改进遗传算法的变压器样本选择方法，利用多种群遗传算法对变压器进行训练样本选优，并利用文化算法对其进行改进，能获得最佳样本。

技术领域

本发明属于变压器监测方法技术领域，具体涉及一种基于改进遗传算法的变压器样本选择方法。

背景技术

变压器是变电站中主要的设备之一，对其进行故障诊断有利于提高电网运行的稳定性与可靠性。

如今大量的智能算法被用于变压器故障诊断，并且取得了较好的效果。其主要是将智能分类算法与油色谱法进行结合来判断变压器的运行状态，较为经典的有BP神经网络、模糊系统、专家系统、支持向量机等。同时，大量的搜索算法作为对分类算法的优化算法被应用于变压器故障诊断中，比如：较为经典的遗传算法、蚁群算法及粒子群算法等，这些算法大多用于分类算法的参数寻优，而没有用于训练样本的样本选择，由于训练样本的质量同样是故障诊断算法的重点，同时质量较差的样本极大地影响着算法的分类结果，因此研究出一种变压器样本选择方法非常重要。

发明内容

本发明的目的在于提供一种基于改进遗传算法的变压器样本选择方法，利用多种群遗传算法对变压器进行训练样本选优，并利用文化算法对其进行改进，能获得最佳样本。

本发明所采用的技术方案是，基于改进遗传算法的变压器样本选择方法，具体按照以下步骤实施：

步骤1、对训练样本进行二进制编码，并进行种群初始化，设置最大迭代数T，种群规模为N，300N1000；

步骤2、经步骤1后，将种群分为个体为n，10n100的子种群，称为探测块，在进化过程中产生一个包含较好个体的种群，称为开发块，将开发块与探测块结合对变压器样本进行选择；

步骤3、待步骤2完成后，利用文化算法对多种群遗传算法进行改进提升，在相应的进化操作之下得到最终适应度最大的个体，完成基于改进遗传算法的变压器样本选择。

本发明的特点还在于：

步骤1中：在编码时，将每个类别的样本分别存入txt文件中并进行编码，其中被选择的样本编码为1，否则编码为0。

步骤2具体按照以下步骤实施：

步骤2.1、求取探测块的个体适应度；

步骤2.2、经步骤2.1后，对探测块个体进行选择；

步骤2.3、经步骤2.2后，对探测块种群进行交叉、变异操作；

步骤2.4、经步骤2.3后，根据探测块的适应度得到开发块，开发块初始时是一个空集；

步骤2.5、经步骤2.4后，判断是否满足结束条件：

步骤2.6、利用小交叉、变异概率对开发块进行进化操作，以保持种群的稳定性，且用进化前的最大适应度个体替换进化后的最小适应度个体。

步骤2.1具体按照以下方法实施：

先将每个个体所代表的样本作为DAG-SVM的训练样本，对DAG-SVM进行训练，再利用测试样本进行检测，所得测试样本的准确率为个体的适应度。

步骤2.2具体按照以下方法实施：