（电力系统及其自动化专业论文）基于人工免疫的电力变压器故障诊断研究.pdf

p o w e rt r a n s f o r m e rf a u l td i a g n o s i s b a s e do na r t i f i c i a li m m u n e m a j o r ：p o w e rs y s t e ma n d a u t o m a t i o n g r a d u a t em a s t e r ：z h o ua i - h u at u t o r ：z h a n gb i d e a b s t r a c t ：p o w e rt r a n s f o r m e r sb e l o n gt ot h em o s ti m p o r t a n tc o m p o n e n t so fp o w e r g e n e r a t i o na n dt r a n s m i s s i o ns y s t e m a r t i f i c i a li m m u n e s y s t e mi s an e wi n t e l l i g e n t s v s t e mw h i c hi si n s p i r e db yb i o l o g i c a li m m u n e ，w h i c hi s ah i g h l yp a r a l l e la d a p t i v e s y s t e mw i t hc a p a b i l i t yi nl e a r n i n g ，m e m o r ya c q u i s i t i o n ，a n dp a t t e mr e c o g n i t i o na n d s o o n t h i sp a p e ra n a l y s e st h ei m m u n ea l g o r i t h m , c o m b i n i n gw i t hf a u l td i a g n o s i s o f p o w e rt r a n s f o r m e r , p r o p o s e ds o m ef a u l td i a g n o s i sa p p r o a c hb a s e do nt h et h e o r y t h e d e t a i lw o r ka sf o l l o w s ： ( 1 ) a na n i f i c i a li m m u n ec l a s s i f i c a t i o na p p r o a c h w a sp r o p o s e d f o rf a u l t d i a g n o s i s t h ei n t e r a c t i o nm e c h a n i s m b e t w e e na n t i g e n sa n dbc e l l sw a ss i m u l a t e d ， w h e r ef a u l ts a m p l e ( f e a t u r ev e c t o rc o n s i s t s o fi n g r e d i e n t sd i s s o l v e dg a si n o i li n t r a n s ：f o r m e r s ) w a sr e g a r d e da sa n t i g e n t h ep r i n c i p l ew a st h a t ，t h eh i g h e s ta f f i n i t yb c e l l sc l o n e da n dm u m t e df o rd i v e r s i f i c a t i o n a n d s h a p e s p a c ee x p l o r a t i o n ，t h e n d e v e l o p e di n t oa r b ( a r t i f i c i a lr e c o g n i t i o nb a l1 ) ，a t t h es a m et i m e ，c l a s si n f o r m a t i o n w a sa d d e dt oa r bs ot h a ti tw a st r a i n e dt ol e a r nt h ef e a m r eo ff a u l ts a m p l e s b e t t e r h e r e ，a f f i n i t yw a sc o m p u t e dw i t hw e i g h t e de u c l i d e a nd i s t a n c ei no r d e rt ot a k es o m e s i n g l ea b n o r m a li n g r e d i e n ti n t oa c c o u n t s u b s e q u e n t l y ，a n t i g e n sw e r ep r e s e n t e dt o a r b s ，a n da r b sc o m p e t e df o rr e p r e s e n t a t i o nm o r ebc e l lu n t i ls t i m u l a t i o nv a l u eo f e a c ha r br e a c h e dt h et h r e s h o l d i nt h i sw a y , t h ea r bp o o lw a sg e n e r a t e da n ds e r v e d a sac l a s s i f i c a t i o nt o o1 a f t e rt r a i n i n gb e i n gc o m p l e t e d ，m ec l a s s i f i c a t i o n w a s p e r f o r m e di na k - n e a r e s tn e i g h b o rm e t h o d ( 2 ) f u z z yi m m u n er e c o g n i t i o na p p r o a c hw a sp r e s e n t e df o rp o w e rt r a n s f o r m e r i l f a u l td i a g n o s i s i na r i s ，r e s o u r c e sa l l o c a t i o ni sd o n el i n e a r l yw i t hs t i m u l a t i o n ；t h i s r e q u i r e se x c e s sr e s o u r c eu s a g ei nt h es y s t e m , w h i c hp r o b a b i l i t yr e s u l t sc o n v e r g i n g r a t h e rp r e m a t u r e l yt oas t a t ew h e r eaf e wg o o da r b so v e r t a k et o om a n yr e s o u r c e s t o g e tr i do ft h i sp r o b l e ma n db a l a n c et h el e v e lo fs t i m u l a t i o na n ds u p p r e s s i o n ，t h ef u z z y i n f e r e n c es y s t e mw i t hn o n l i n e a r m a p p i n ga b i l i t y i su s e dt o i m p r o v e r e s o u r c e s a l l o c a t i o n ，w h i c hs h o w sw e l l r e s p e c tc l a s s i f i c a t i o nc a p a b i l i t y ( 3 ) c o m p a r et h ep e r f o r m a n c eo fa r t i f i c i a li m m u n ec l a s s i f i c a t i o na p p r o a c ha n d f u z z y i m m u n er e c o g n i t i o n a p p r o a c hi np o w e rt r a n s f o r m e rf a u l td i a g n o s i s a n d c o m p a r et h ep e r f o r m a n c eo fa r t i f i c i a li m m u n ea n db pn e u r a ln e t w o r k si np o w e r t r a n s f o r m e rf a u l td i a g n o s i s ： ( 4 ) t h i sp a p e rp r o v e dt h a tt h ep r o p o s e dt r a n s f o r m e rf a u l td i a g n o s i sa p p r o a c hb a s e d o l la r t i f i c i a li m m u n eh a sp r o s p e c ta p p l i c a t i o nw i t hg o o dd i a g n o s t i cp r e c i s i o n k e y w o r d s ：i m m u n es y s t e m , a r t i f i c i a li m m u n er e c o g n i t i o n ，p o w e rt r a n s f o r m e r , f a u l td i a g n o s i s ，f u z z yi n f e r e n c e i i i 声明 本人声明所呈交的学术论文是本人在导师指导下进行的研究工作及取得的 研究成果。除了文中特另j j d n 以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得西华大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示谢意。 本学位论文成果是本人在西华大学读书期间在导师指导下取得的，论文成果 归西华大学所有，特此申明。 作者签名： 导师签名： 6 3 切吕年j 月乡口日 f 6 月厂日 1 绪论 1 - 1 电力变压器故障诊断的重要意义 随着国民经济快速发展，我国电力工业已进入一个崭新的发展阶段，电网规 模从城市孤立电网发展成大区电网，西电东送、南北互供、全国联网的格局。在 电力系统向超高压、大电网、大容量、自动化方向发展的同时，提高电力设备的 运行可靠性显得尤为重要。电力系统中，电力变压器担负着电网间电压变化、电 能转化的功能，是重要的电气设备，其运行状态直接关系到整个电力系统的可靠 性和经济性。由于变压器电气结构复杂，工作环境恶劣，运行时出现故障的概率 较大，对电力系统的稳定运行有严重威胁，造成巨大的经济损失。据有关资料分 析，对设备进行有效的检测和诊断，可使设备故障率减少7 5 ，设备维修费减少 2 0 一5 0 ，经济效益十分显著【1 】。按1 9 9 9 年电力工业统计摘要，除地方电网和 工矿企业的变电站之外，仅国家电网3 5 k v 以上的变电站就达2 1 1 6 7 余座i 主变 压器达3 7 1 0 8 余台，近几年还不断新建变电站和新投运变压器。及早发现并且排 除变压器故障，已成为保障供电可靠型的重要手段，是电力部门中一项具有重大 理论和实用价值的课题。 由于电力变压器故障的种类繁多，原因复杂多变，故障征兆和原因间机理复 杂，使得要准确判断变压器故障性质及故障发生部位十分困难。专家在长期的运 行实践中提出不少监测变压器潜伏性故障的方法，如电气实验、油中溶解气体分 析( d g a ) 等。目前，在变压器故障诊断中应用较多的是利用油中溶解气体的有 效信息和电气实验，结合人工智能技术进行变压器智能诊断，模糊数学、遗传算 法、人工神经网络( a n n ) 和专家系统在电力变压器故障诊断中已逐步获得了应 用 2 。】。这些智能诊断方法以及它们的融合，不断推进电力变压器故障诊断技术的 发展。 1 2 目前常用的故障诊断方法 1 2 1 油中溶解气体色谱分析法 油中溶解气体分析无电磁干扰，数据可靠性高，技术成熟，从定性到定量分 析都积累了相当的经验。实践证明，变压器的油中溶解分析技术作为目前电力系 统中对油浸电力设备常规使用的重要监测手段，它能够及时发现变压器内部潜伏 性故障，而采用电气试验方法很难发现某些局部故障瞵】。根据电力设备预防性试 验规程规定，电力变压器试验项目共有3 2 项，其中油中溶解气体分析方法能有 效诊断充油电气设备内部早期故障【9 1 0 1 ，这不仅为i e e e 所认可，而且被实践所 证实，因此，在1 9 9 7 年颁布执行的电力设备预防性试验规程中，已把变压器油 的气相色谱分析放到了首要的位置。有的变压器厂提供的大型变压器产品已附有 d g a 自动检测报警系统；高校、科研院所也对油色谱在线监测系统进行了很多研 究开发工作【1 1 , 1 2 】。故本文采用电力变压器故障色谱数据作为训练和检测样本。 油中溶解气体分析又称特征气体法，是基于哈斯特( h a l s t e a d ) 的实验发现。 哈斯特通过实验发现：任何一种烃类气体产气速率随温度变化，在特定温度下， 某一种气体的产气速率会呈现最大值，随着温度的升高，产气速率最大的气体依 次为：c h 4 、c 2 h 6 、c 2 h 4 、c 2 h 2 。而目前电力系统中的大型变压器大多是以精炼 矿物油作为绝缘和冷却的介质，变压器在运行过程中不可避免要受到热、电和机 械应力的作用，导致变压器中的绝缘油，绝缘纸等一些材料发生分解产生低分子 烃类、一氧化碳、二氧化碳等分解产物，这些气体会溶解于油中。不同类型的故 障及不同严重程度的故障产生气体的类型和浓度是不同的，其中一些气体能反映 变压器故障的情况，通常称这些气体为特征气体，它们是h 2 、c h 4 c 2 h 6 、c 2 h 4 、 c 2 h 2 、c o 、c 0 2 。根据各种特征气体的比值来判断变压器所属故障类型的方法主 要有i e c 三比值法及其改进形式，日本电协研法及其改进形式，英国的德能堡比 值法，罗杰士比值法和德国的四比值法等；还有一种无编码的比值法，和有编码 的比值法相比，取消了气体比值区间对应于某一编码，而直接用比值范围对应于 一种故障。比值法是通过对大量故障统计分析的基础上，舍弃了较小概率的情况 而得到的，诊断精度不能达到很高【l2 | 。 1 2 2 专家系统 专家系统是发展最早，也是比较成熟的人工智能技术。它是一个具有大量专 门知识和经验的程序系统，根据某个领域的专家提供的知识进行推理和判断，模 拟专家的决策过程。专家系统在电力系统的应用最早见于r i e s e 在1 9 8 6 年公布的 t o g a 系统，该变压器故障诊断专家系统由变压器故障诊断的知识库、数据库、 2 解释机制、推理机和人机接口五部分组成，知识库是专家系统的核心【13 h j 。 虽然国内外在电气设备故障诊断的专家系统的开发中取得一定成绩，但存在 的问题也不岁1 2 】。一是知识获取的“瓶颈”问题，即通常这种系统的知识获取主 要依靠由知识工程师将领域专家的知识移植到计算机中，费时而且效率低；其二 是大多数专家系统仍然使用基本结构，无法摆脱系统维护困难的缺点，而黑板结 构这一流行工具在变压器绝缘故障诊断专家系统中尚处于开发阶段；其三是知识 维护困难，即现有的变压器绝缘故障诊断专家系统一般采用较简单的产生式结构 构造知识库，尚未采用先进的面向对象的知识库构造方式，算法复杂；其四是由 于推理方法简单、诊断策略不灵活，往往停留在单一诊断方式或者简单分析的基 础上，没有考虑到多专家合作的必要性和重要性，推理能力较弱，容易出现匹配 冲突，容错能力较差，推理速度慢，难以满足监测控制实时性的要求。 1 2 3 人工神经网络 由于变压器的复杂性，变压器发生故障时与多种因素存在着耦合关系，导致 了无法从理论上获得特征气体到变压器故障类型之间的精确映射。人工神经网络 ( a 1 蝌) 是模拟人类神经系统传输、处理信息过程的一种人工智能，具有并行分 布处理、自适应、联想、记忆及聚类和容错性等诸多优点。与专家系统相比，人 工神经网络最大的特点是采用神经元及它们之间的有向权重连接来隐含处理问 题的知识，a n n 不需要预先给出判别函数，在确定基本结构后，通过自身的学 习机制自动形成所需要的决策区域，它能充分利用状态信息，对来自不同的状态 信息逐一训练而得到收敛于平衡状态的权值，从而给出网络的某种映射关系，完 成设备故障诊断。a n n 不包含具体的诊断规则，而是将诊断规则隐含于其权值 矩阵中，主要通过对已知故障样本的学习，获得对未知故障进行诊断的能力。 在变压器故障诊断的应用中，神经网络从变压器油中溶解气体数据中获得其 中隐含的诊断规律，从而不需要变压器故障诊断的相关知识就可以进行故障诊 断，而且能根据实际变压器的油中溶解气体数据对网络进行自适应调整。目前采 用最多的是误差反向传播b p ( b a c kp r o p a g a t i o n ) 网络。王财胜等采用3 层b p n n 模型，并研究在不同输入矢量下的变压器故障诊断，效果良好【l 引。由于b p 算法 在训练过程中容易收敛于局部最优解，为此王少芳等将改进遗传算法和b p 算法 相结合构成的混合算法用于训练人工神经网络，充分利用了b p 算法的局部搜索 性能和遗传算法的全局搜索能力，具有快速和全局收敛的优点【l6 1 。在b p 神经网 络的基础上，陈金莉等研究了径向基函数( r a d i a lb a s i sf u n c t i o n ，r b f ) 神经网 络在电力变压器故障诊断中的应用，由于r b f 神经网络可以将某一知识存储于 局部神经元中，是一种典型的局部逼近神经网络，学习速度快，并且隐层神经元 数目可以在训练中自动获得，有效弥补了b p 网络的缺陷，具有更快的收敛速度 和更高的诊断精度1 1 。 1 2 4 模糊集 电力变压器发生故障时，其故障现象、故障原因及故障机理之间存在着大量 的不确定性，故障类型与比值编码的关系是模糊的，往往一种故障状态可能引起 多种故障特征，而一种故障特征也可在不同程度上反映多种故障状态【l2 1 ，所以， 采用模糊数学能很好地描述变压器故障特征与故障状态的关系。 模糊诊断不需要建立精确的数学模型，利用模糊隶属度函数、模糊关系方程 和模糊聚类分析等方法就可以实现智能化的模糊诊断。t o m s o v i c 等构造了一个具 有模糊推理机制的专家系统，它允许对各种各样的诊断结果构造开放式的组合方 案【l8 】；王子建等针对模糊i s o d a t a 算法中存在的一些问题，如：模式控件的划 分缺乏依据，聚类分析时没有考虑各种其他成分对故障反映的灵敏度等，提出在 每次迭代运算后，对聚类中心进行分接和合并处理；将指标权向量w 引入到聚类 准则函数中，取得良好的诊断效果【”】。模糊数学方法将变压器故障诊断的知识模 糊化了，能有效描述变压器故障的实际情况，但是模糊数学方法的学习能力存在 一些不足。 1 2 5 其它的智能诊断方法 除上述3 种智能诊断方法，还有其它的智能方法在变压器故障诊断中存在着 一定的应用，比如数据挖掘、信息融合、粗糙集理论、p e t r i 网等方法在变压器油 中溶解气体分析故障诊断中也有一些应用【2 眦4 | 。数据挖掘是从大量的、不完全的、 有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但 又是潜在有用信息和知识的过程【2 5 1 。信息融合是将多传感器的数据在一定的规则 4 下加以自动分析、综合，以完成所需的决策和评估而进行的信息处理过程。粗糙 集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持 分类能力不变的前提下，通过知识的约简，导出问题的决策或分类规则【2 6 1 。模糊 p e t r i 网用网状图形表示系统建模，具有便于描述系统状态的变化、对系统运行特 性便于分析和可在不同层次上变换描述等特点【2 7 】。 1 3 人工免疫诊断方法简介 1 3 1 人工免疫系统的发展现状 随着科学技术的不断发展，各学科技术相互交叉、渗透，在信息科学领域尤 为突出，计算机科学技术的迅猛发展使得人们对生物体系的探索不断深入。2 0 世 纪6 0 年代以来，模拟某一自然现象或过程以及生物系统特性的理论和技术层出 不穷，比如模拟退火算法、人工神经网络、模糊系统等自然计算方法，已在多个 领域得到广泛应用 2 8 , 2 9 】。 人工免疫是一种受生物免疫启发的新型人工智能。基于免疫学原理建立的人 工免疫网络具有与神经网络类似的自适应性和学习能力，但它是建立在多个进程 动态合作基础上的；基于免疫学的免疫算法具有与遗传算法类似的进化机制，但 是它能够实现精确控制群体多样性和特异性。它所具有的分布式、自适应、动态 平衡和学习、记忆、识别等能力，为智能控制提供一种新颖而有效的方法，其研 究成果涉及到控制、数据处理、优化学习和故障诊断等许多领域，已经成为继神 经网络、模糊逻辑和进化计算后人工智能的又一研究热点。 早在2 0 世纪5 0 年代，国外就有人涉足人工免疫的研究，但直到1 9 7 4 年， 美国诺贝尔奖获得者，生物学家j e m e 提出免疫网络理论，开创了独特性网络理 论，人工免疫才受到人们的关注【3 0 1 。随后，p e r e l s o n 对此进一步阐述，首次提出 了免疫网络的数学描述【3 1 】；1 9 8 6 年，f a r m e r 基于免疫网络的假说，构造了一个 免疫系统的动态模型并与h o l a n d 的分类系统进行比较，提出了一些有价值的学习 算法的构造思想【3 2 】；1 9 9 4 年，f o r r e s t ，p e r e l s o n 等人提出否定选择算法，并将其 应用于计算机安全和病毒检测【3 3 】。1 9 9 6 年，h u n t 进一步发展了克隆选择理论， 提出高频变异学说【3 4 1 。这些研究在国际上产生很大影响，越来越多的学者参与到 人工免疫的研究队伍中。国际会议方面，1 9 9 7 年和1 9 9 8 年，i e e es y s t e m , m a na n d c y b e r n e t i c 国际会议组织了相关专题讨论，并设立了“人工免疫系统及应用”分 会；2 0 0 2 年第一届人工免疫国际会议( i c a s 一2 0 0 2 ) 在英国举行，会议主要探 讨人工免疫系统理论和应用的最新进展。目前，人工免疫已经发展成为一个相对 独立的研究领域，吸引了越来越多的研究者参与。 目前，世界上绝大多数的研究成果出自美国、英国和日本这三个国家的研究 人员。巴西c a m p i n s 大学的d ec a s t r o 博士最早在其博士论文中总结了人工免疫 系统，并试图建立人工免疫系统的统一框架结构。该领域主要的研究组织和计划 有：美国m e m p h i s 大学计算机科学和数学学院的d r p a n k e rd a s g u p t a 博士研究的 基于免疫学的入侵检测系统；美国新墨西哥大学的f o r r e s t 博士领导的研究计算机 安全和分布式变化检测；威尔士大学的e h u n t 和d e n s i ec o o k e 领导的i s y s ( 基 于免疫系统发生和可视化机制) 计划；s t a r l a b 公司开发的人工免疫实验台和s t a d a b 免疫网络系统。 国内对人工免疫的研究起步较晚，中国科技大学的王熙法教授在人工免疫方 面的研究集中在免疫遗传算法、入侵检测和优化计算等领域 3 5 。7 1 。西安电子科技 大学的焦李成教授也对人工免疫有深入研究，提出了较新颖的免疫遗传算、法 3 8 】。 丁永生等在日本学者t a k a y u k iy a m a d a 的研究基础上，提出了基于免疫反馈定理 和模糊集概念的非线性p i d 控制器模型并用于组织温度控制中p 9 1 。哈尔滨工程大 学莫宏伟在免疫计算数据挖掘应用方面进行着有益的探索，编辑出版了国内该领 域的第一本著作。此外，浙江大学、武汉大学、西安交通大学、四川大学、华中 科技等多所国内高等院校均有研究人员专门从事该领域的研究，并取得一定成 就。 1 3 2 人工免疫的应用 免疫算法提供了一种求解复杂系统优化问题的方法，它不依赖于问题的具体 领域，对问题的种类有很强的鲁棒性，关于免疫算法和免疫工程应用方面的研究 已有很多，涉及多个重要领域 4 们。 ( 1 ) 网络安全 计算机安全是免疫系统的一个重要和自然的应用领域。自第一例计算机病毒 6 被报道以来，至今全球己知的计算机病毒已达四万多种，且还以每天产生六种新 病毒的速度增长，随着互联网的普及，通过网络传播计算机病毒有愈演愈烈的趋 势。目前的杀毒软件均是通过扫描计算机病毒特征数据库的方法来查找和消灭病 毒，只能被动地消杀已知的病毒，而不能主动地发现和消灭未知的计算机病毒。 一个计算机安全系统应该保护一台机器或者一组机器不受入侵外部代码的破坏， 与免疫系统保护人体不受有害微生物侵害的功能相似。因为这些类似性，f o r r e s t 、 h o f m y e r 对具有分布性、鲁棒性、动态性、多样性和适应性的人工免疫系统问题 进行了研究，并将抽象出的原理应用到计算机网络安全，提出a r t i s ，用l i s y s 系统实现【4 1 】。o k a m o t o 提出了一种基于a g e n t 的分布式抗病毒系统，它由免疫系 统和恢复系统组成：前者功能是通过掌握“自己”的信息来辨认“非己 的信息 ( 计算机病毒) ：后者功能是通过网络将未被病毒感染的计算机上的文件拷贝和 覆盖到已被病毒感染的计算机上【4 2 j 。 ( 2 ) 最优化问题 作为一种优化搜索策略，人工免疫系统在函数优化、组合优化、调度问题得 到应用并取得了很好的效果。对具有多个局部极值的非线性优化问题，普通的优 化方法一般很难找到全局最优解，而基于免疫系统多样性机理的优化算法可避免 未成熟收敛，改善遗传算法的性能【4 3 】。组合优化是运筹学的一个重要分支，它主 要通过数值方法寻找离散事件的最优编排、分组、次序或筛选等，有时，在目前 的计算机上用枚举法很难或者甚至不可能得到其精确的最优解，而免疫算法是寻 求这种满意解的最佳工具之一。实践证明，免疫算法对组合优化中的n p 完全问 题非常有效，免疫算法已在旅行商问题、装箱问题、生产进度安排等方面得到成 功应用4 8 1 。 ( 3 ) 控制工程 现代控制理论研究中一个重要领域就是控制系统的鲁棒性，即当一个控制系 统中的参数发生摄动时系统仍能保持正常工作，就像生物体在受到外界病菌感染 后，能够通过自身的免疫系统恢复健康一样。基于免疫系统对入侵异物快速反应 和迅速镇定原理的免疫算法被应用于防止汽车尾部相撞的系统中，通过综合处理 各传感器传送来的信号，迅速而准确地控制各执行器的相应动作【4 9 1 。t a k a h a s h i 设计了一个基于免疫算法的p i d 型反馈控制器，它具有控制反应速度的激活项和 7 控制稳定效果的抑制项，通过对一个离散的、单输入、单输出系统的仿真，验证 了该控制器的有效性【5 0 】。 ( 4 ) 机器人 基于免疫系统动态平衡的原理，l e e 提出了一种控制分布式自治机器人系统 的免疫算、法【5 1 , 5 2 】。在此算法中，每个机器人被看作是一个b 细胞，每个环境条件 被看作是一个抗原，机器人所采取的行为策略被看成抗体，机器人的控制参数被 看成t 细胞。这样，在不同的环境条件下，每个机器人首先会选择一组与其环境 条件相适应的行为策略，再把这组行为策略逐一地与周围其它的机器人通讯，则 有的行为策略会受到刺激，有的行为策略会受到抑制，最终受到刺激最多的行为 策略将被机器人采纳。i s h i g u r o 专门发展了基于免疫网络理论的动态分散一致决 策机制，在他们建立的模型中包括了动态概念，通过结合新类型和移除无用抗体， 负责抗体的浓度水平的变化和亚动力学，保持合适的指令系统【5 3 1 。 ( 5 ) 图像处理 图像处理是计算机视觉中的一个重要研究领域。工程应用中，为了利用图像 的某种特征，需要对图像进行一定的增强处理，进一步强调其特征，使处理后的 图像更利于应用。由于图像增强技术与具体问题紧密相关，很难有一个通用的理 论基础，针对不同的应用要求，需要人为的确定方法和选择参数。因此，t u b b s 针对灰度图像的空间域增强技术提出了一种能完全覆盖图像增强典型变换函数 类型的非完全b e t a 函数，并利用免疫算法的自适应搜索能力，自动地确定变换 函数的参数值，从而实现图像的自适应增强【5 4 】。另外，g i l b e r t 和r o u t e n 利用免 疫算法的记忆特性，实现了对6 4 * 6 4 的黑白图像的识别功能【5 5 1 。 除上述方面，人工免疫还被用于人工神经网络权值优化设计、顺序控制、动 态复杂控制数据挖掘、欺骗监测等方面【5 嘶1 1 。 1 3 3 人工免疫在故障诊断中的应用 自二十世纪九十年代初，研究人员就将人工免疫引入到故障监测与诊断中。 i s h i g u r o 将免疫网络模型用于在线设备系统故障诊断取得了很好的效果【6 2 】； t a n i g u c h i 和d o t e 将免疫网络用于对u p s 系统的在线故障诊断，发现此方法非 常适合于大型的复杂反馈控制系统的故障诊断6 3 1 。k a y a m 提出一种在工厂中准确 诊断传感器分布式免疫网络与l v q ( l e a r n i n gv e c t o rq u a n t i z a t i o n ) 结合的诊断系 统。此系统具有两种模式：训练模式和诊断模式，在训练模式下，通过l v q 训 练和获取正常工作的传感器的数据；在诊断模式下，免疫算法再根据l v q 获取 的知识来确定故障传感器。实验证明此系统能够在一组工作的传感器中自动地找 出已发生故障的传感器，而在过去，这只有通过独立地检测每个传感器的输出才 能办到。免疫系统的自学习算法还被应用于计算机硬件监控系统，一旦计算机硬 件系统发生故障，监控系统会将故障区域标记出来并采取相应的恢复措施哗】。 国内学者殷桂梁等提出了一种基于免疫原理的用于异步电动机故障诊断的 新方法，根据免疫系统中t 、b 细胞的机能，分别建立t 模块和b 模块，采用t 、 b 模块成功地诊断出电动机的转子断条故障【6 5 | 。李蓓智等在人工免疫机理工程应 用方面，提出了基于生物免疫机理及a g e n t 理论在故障诊断中的应用【6 6 1 。刘树 林等对反面选择算法进行改进，并进行了深入的研究，将其应用在旋转机械的故 障诊断中，取得较好的效剁6 7 】。樊友平等提出了一种基于细胞免疫应答理论重建 故障诊断智能体的方法，该方法借鉴生物免疫中的独特性网络调节理论，将进化 的单一诊断a g e n t 对应为免疫系统中的抗体，诊断系统中多a g e n t 群体适应度 增加量作为抗原，并根据生物系统的相似性理论，构造了诊断多智能体的细胞免 疫型智能体重构控制的结构模型【6 8 1 。 目前，人工免疫应用于电力变压器故障诊断中研究较少。如熊浩提出的基于 克隆选择分类算法的电力变压器故障诊断【6 9 1 ，该算法通过以下两个步骤来实现： 将收集的变压器故障样本分为训练抗原集和检验抗原集，应用克隆选择算法对 训练抗原集进行训练，得到记忆抗体集：计算检验抗原集与记忆抗体集之间的 欧氏距离，用最邻近分类法对故障样本进行分类。余杰等利用抗原抗体对最小结 合能量法进行变压器故障诊断，通过对折叠成故障模式矩阵奇异值分解，得到每 类故障模式的抗原抗体对，然后计算待诊断样本与故障模式间的结合能量，故障 类型属于结合能量最小的抗原抗体对所在的类别【7 0 】。上述算法都没有应用到理论 免疫学领域最成功的理论：独特型免疫网络，其中的a i r s 是迄今基于免疫网络 和记忆原理开发的最成功的分类器，这将为电力变压器故障诊断提供新的思路。 9 1 4 本文的主要研究内容 人工免疫在故障诊断方面已经有了实际的应用，作为一种新的有效的故障诊 断方法，人工免疫有其自身独有的特性，为故障诊断开辟了一条新思路。本文将 人工免疫应用于电力变压器故障诊断，主要完成以下工作： ( 1 ) 了解并总结电力变压器故障诊断研究的前期主要成果。 ( 2 ) 深入分析人工免疫系统的工作原理和机理。 ( 3 ) 在已有的人工免疫学研究基础上，提出一种基于人工免疫分类方法的 电力变压器故障诊断方法。 ( 4 ) 将人工免疫识别系统和模糊数学相结合，提出模糊免疫识别方法并用 于电力变压器故障诊断。 ( 5 ) 从数据压缩率和诊断精度两个方面比较人工免疫分类和模糊免疫识别 方法在电力变压器故障诊断中的性能。 ( 6 ) 将本文提出的免疫诊断方法和基于b p 神经网络的电力变压器故障诊断 方法作对比： 1 0 2 生物免疫理论和人工免疫系统 2 1 引言 从工程和科学角度讲，生物系统可看成一个复杂的分布式信息处理系统，这 个系统能够为科学家和工程师创造新型的信息处理系统提供借鉴。受生物免疫系 统启发建立的人工免疫系统是一个跨学科的研究领域，类似人工神经网络和神经 网络的关系。 在人体内，引起人们感兴趣的信息处理系统有脑神经系统、遗传系统、内分 泌系统、免疫系统等，这些信息处理系统既相互独立，又相互作用，共同维持人 体的生存和发展。由于生物免疫系统和内分泌系统的相对复杂性，以及受生物科 技技术发展的限制，有关这两个系统的研究起步较晚，特别是内分泌系统，虽然 有人提出相关的概念，但这方面的研究几乎为零。免疫学研究表明，生物系统具 有许多复杂的、对实际工程问题很有启发的性能，如模式识别能力、学习能力、 噪声耐受、分布式诊断和优化等等，这些机理已成为解决新问题、研究新方法的 灵感源泉，极大地促进着智能系统、计算机科学、计算智能等多个领域的发展， 是一个具有极大开发潜力的新领域。 2 2 生物免疫系统原理 生物免疫系统中的信息处理机制非常丰富，深入了解免疫系统的相关概念、 原理和特点对构造相应的信息处理模型至关重要。本章从介绍生物免疫系统的相 关概念出发，过渡到人工免疫系统，简要介绍人工免疫系统的概念、模型，并将 人工免疫算法与其它生物算法作比较分析。 2 2 1 生物免疫的发展历史 自2 0 世纪4 0 年代以来，随着医学在生物系统研究领域的发展，人们对该系 统在各方面所表现出的本能现象的认识与理解不断得到深化与完善，并逐渐形成 一门较为完整的学科生物免疫学( i m m u n o l o g y ) 。该学科以生物机体免疫系 统的组织结构和生理功能为研究主体，以免疫系统的种系发生与个体发生，免疫 细胞的起源、分化、特征与功能，淋巴细胞的识别、活化与效应机制和集体免疫 反应的调节等为研究内容；以细胞学、分子学和生物化学等为主要研究手段，着 力揭示生物体对“自我”( s e l f ) 和“非自我”( n o n s e l f ) 抗原的识别与应答、排 斥异己和维持自身耐受过程中的奥秘【7 。 生物免疫学的由来已久，早在公元1 6 世纪，我国劳动人民就发明了人痘苗， 揭开了人类探索生物免疫机理的序幕，表2 1 总结了免疫历史上具有重大意义的 思想和研究成果1 7 引。 表2 1 自然免疫学发展历史和成果 t a b2 - 1h i s t o r yo fi m m u n o l o g y 时问代表人物成果 1 6 世纪 中国民问“人痘”的发明和应用 j e n n e r “人痘”的发明和应用 1 7 9 6 1 8 7 0 k o c h 病理学 p a s t e u r 疫苗接种 1 8 7 0 1 8 9 0 m e t c h i n i k c f f噬菌作用 v o nb e h r i n g & k i t s s a t o 发现抗体 1 8 9 0 1 9 3 0 e h r l i c h 发现细胞受体 b o r d e r 免疫特性 1 9 1 0 1 9 3 0 l a n d s t e r i n e r 半抗原 b r e i n l & h a u r o w i t z 抗体合成 1 9 3 0 1 9 5 0 l i n u sp a u l i n g 抗原模型 b u m e t 克隆选择 1 9 5 0 1 9 8 0 n i e l sj e m e免疫网络与协作理论 1 9 8 0 1 9 9 0s u r u m ut o n e g a w a 受体的结构和多样性 2 2 2 免疫与免疫系统 如果把人体看成一个国家，免疫系统则可以看作是保卫这个“国家”安全的 “警察 和“军队 。人类和其他生物免疫系统是由具有免疫功能的器官、组织 和细胞等组成的复杂自适应分布系统，其基本作用是保护自身，抵抗外来病原体 1 2 和自身癌变细胞威胁。免疫系统能把体内所有的细胞或分子分成属于自己的种类 ( 自体细胞) 或者属于外部来源的非自体分子种类，从而保护人体不受外部病原 体侵害。 生物免疫系统是一个及其复杂的自适应系统，是人工免疫算法的生物学基 础。以下是生物免疫系统的基本术语 7 2 , 7 3 】。 ( 1 ) 抗原( a n t i g e n a g ) 能够刺激和诱导机体的免疫系统使其产生免疫应答，并能与相应的免疫应答 产物在体内或体外发生特异性反应的物质。抗原具有两种特性，其一为免疫原性 ( i m m u n o g e n i c i t y ) ，即抗原能刺激特定的免疫细胞，使免疫细胞活化、增殖、分 化，并最终产生免疫效应物质( 抗体和致敏淋巴细胞) 的特性；其二为免疫反应 性，即抗原与相应的免疫效应物质在体内或体外相遇时，可发生特异性结合而产 生免疫反应的特性。 ( 2 ) b 细胞( b c e l l s ) b 淋巴细胞，由骨髓产生的可产生抗体性物质的细胞，在受抗原刺激后产生 应答时进行克隆复制。 ( 3 ) t 细胞( t - c e l l s ) 是由胸腺内的淋巴干细胞分化而成，是淋巴细胞中数量最多，功能最复杂的 一类细胞，按其功能可分为三个亚群：辅助性t 细胞、抑制性t 细胞和细胞毒性 t 细胞。 ( 4 ) 自身抗原( a u t o a n t i g e n ) 能够引起自身免疫应答的白组织成分。 ( 5 ) 抗体( a n t i b o d y - a b ) 免疫系统受抗原刺激后，b 淋巴细胞转化为浆细胞并产生能与抗原发生特异 性结合的免疫球蛋白( i m m u n o g l o b u l i n i g ) ，该免疫球蛋白即为抗体。 ( 6 ) 表位( e p i t o p e ) 即抗原决定簇，它是被免疫细胞识别的标志和免疫反应具有特异性的物质基 础，它存在于抗原分子的表面，是决定抗原特异性的特殊化学基团，抗原以此来 与相应的淋巴细胞表面的抗原受体相结合，激活淋巴细胞并引起免疫应答。 ( 7 ) 互补位( p a r a t o p e ) 也称对位，即互补决定簇，它是抗体分子与抗原表位进行特异性结合的部位。 ( 8 ) 独特型( i d i o t y p e ) 指在同一体内，不同抗体所形成的细胞克隆具有与其他抗体不同的抗原性， 即每一种抗体所表现出的与其他抗体部同的抗原特异性。 ( 9 ) 独特位( i d i o t o p e ) 指独特型的抗原决定簇，即抗体分子可变区上能被其他抗体识别的和进行特 异性结合的特殊部位。 2 2 3 免疫应答机制 自然免疫系统具有两种应答类型：一是遇病原体后，迅速起防卫作用的固有 性免疫应答( i n n a t ei m m u n er e s p o n s e ) ；另一种适应性免疫应答( a d a p t i v ei m m u n e r e s p o n s e ) 。 固有免疫应答中，发挥作用的有皮肤、黏膜以及局部细胞的分泌的具有抑菌、 杀菌效果的物质，它是抵抗病原体入侵的第一道防线。如果固有免疫系统被攻破， 则自适应免疫系统针对特定感染病原体开始发挥作用。适应性免疫系统能够记住 入侵的抗原特征，下次类似抗原入侵时，能迅速启动应答。 适应性免疫应答是t 及b 细胞对特性抗原的应答过程，故又称为抗原特异 性免疫应答( a n t i g e n s p e c i f i ci m m u n er e s p o n s e ) ，可以分成两个阶段：初次和二次 免疫应答。 ( 1 ) 初次免疫应答( i n i t i a li m m u n er e s p o n s e ) 初次应答在免疫系统遭遇第一次遇到过的抗原并对其反应时发生。初次免疫 应答学习过程很缓慢，发生在初次感染的前几天，要用几周的时间清除感染。图 2 1 表明当一种抗原侵入免疫系统后，抗体的浓度水平对一个抗原的免疫应答时 间反应过程。可见，对初次遇到的抗原应答时间可以长达几周，而二次应答则对 遇到的同样抗原的反应非常迅速，抗体浓度迅速上升。 ( 2 ) 二次免疫应答( s e c o n di m m u n er e s p o n s e ) 初次免疫应答后，免疫系统首次遇到异物并将其清除体外，但免疫系统中仍 保留一定数量的b 细胞作为免疫记忆细胞 3 2 , 7 4 ，这使得免疫系统能够在此遭遇异 物后仍能快速反应并抗击抗原。二次应答无需重新学习，且产生的抗体具有很强 1 4 的特异性，数量巨大，这都归功于免疫系统内存留的b 细胞，这样当相同或相似 抗原再次入侵时，已经有抗体，即机体己做好抵御入侵异物的准备。 篓 簧 f