一种免疫遗传算法及基于该算法的DSP故障诊断系统 (一)技术领域：
本发明属于电力系统故障诊断技术领域，特别是一种免疫遗传算法及基于该算法的DSP故障诊断系统。
(二)背景技术：
可靠性是电力系统的基本要求之一。但由于气候、人为等多种因素的影响，电力系统的故障是不可避免的。当电力系统发生故障时，就要求运行人员能够迅速判断故障原因、切除故障元件并恢复系统的正常运行，以便减少对电力设备的损坏，保证向用户安全可靠的供电。
电力系统发生故障时，保护和断路器可能发生拒动、误动、警报信息在传输过程中可能出现丢失、畸变；故障元件可能有多个。这些都使得实际故障复杂化，个人很难在短时间内做出正确的判断。故障诊断系统可以帮助调度员迅速找出故障元件，是快速恢复供电的前提。
(三)发明内容
本发明的目的在于提供一种免疫遗传算法及基于该算法的DSP故障诊断系统，它充分利用免疫遗传算法的特性，将故障诊断的问题转化成0，1整数规划问题，充分利用计算机的高级决策功能和已成为当今新热点技术的数字信号处理器件(DSP)做实时处理，实现对当前电力系统故障的诊断，使之快速识别故障区域和元件，分析引起故障的原因，恢复系统正常运行。
本发明的技术方案：一种免疫遗传算法及基于该算法的DSP故障诊断系统，其特征在于该系统由故障信号检测单元馈线自动化终端(FTU)和远程终端单元(RTU)、故障信号处理单元数字信号处理器(DSP)、故障信号输出显示单元工控上位机组成；所说的故障信号检测单元馈线自动化终端(FTU)的输出端和远程终端单元(RTU)的输出端均与故障信号处理单元数字信号处理器(DSP)相连接，故障信号处理单元数字信号处理器(DSP)的输出端连接故障信号输出显示单元工控上位机。
一种上述DSP故障诊断系统的免疫遗传算法，其特征是在于是由以下步骤构成：
(1)制作算法中的参数编码；
(2)初始群体的设定；
(3)适应度函数的设计；
(4)匹配集的设置；
(5)控制参数的设定；
(6)迭代求解。
上述步骤(1)中所说的参数编码采用二进制的编码方法，在系统发生故障后，安装于各分段开关和联络开关处的FTU或RTU可监测到故障工频变量，在与其整定值比较后上传给主站故障信号，而该信号即为离散的0，1二进制信号。
上述步骤(2)中所说的初始群体的设定是遗传算法对群体进行的进化操作，需要准备表示起始搜索点的初始群体数据。初始群体的生成是以反映系统故障信号为基准，系统会在此状态附近随机产生初始群体。
上述步骤(3)中所说的适应度函数的设计也称为对遗传个体适应度的评价，是指在遗传算法中，以个体适应度的大小来确定该个体被遗传到下一代群体中的概率。本发明的目标函数为：
F(S)=W-fMp×Σi=1niΣl=1nc|Mpl-Mpl,i*(S)|-fFp×Σj=1njΣl=1nc|Fpl-Fpl,j*(S)|-]]>
fSp×Σk=1nkΣl=1nc|Spl-Spl,k*(S)|-fRp×Σh=1nhRph*]]>
式中：
S：元件状态向量-正常时为0，故障时为1(n维，n为元件数)；
nc：断路器的数目；
ni：主保护数目；
nj：第一后备保护数目；
nk：第二后备保护数目；
nh：重合闸数目；
Mpl：第l个断路器在主保护动作时段的状态；
Mpl，i*：根据第i个主保护动作原理确定的第l个断路器函数；
Fpl：第l个断路器在第一后备保护动作时段的状态；
Fpl，j*：根据第j个第一后备保护动作原理确定的第l个断路器数；
Spl：第l个断路器在第二后备保护动作时段的状态；
Spl，k*：根据第k个第二后备保护动作原理确定的第l个断路器数；
fMP：主保护贡献因子；
fFp：第一后备保护贡献因子；
fSp：第二后备保护贡献因子；
fRp*：重合闸贡献因子；
Rph*：重合闸期望状态；
式中W为任意给定的很大的正数(取W＝106，用于确保F(S)恒为正).算法的任务就是求在此适应度函数下的最大值。
上述步骤(4)中所说的匹配集的设置是指免疫遗传算法对群体中两两竞争产生出的匹配集进行操作，在匹配集中进行的局部搜索是通过每代开始搜索之前更新设定的交叉、变异概率对其进行交叉、变异从而产生新的种群。
上述步骤(5)中所说的控制参数地设定是指遗传算法中需确定的参数取值，包括串长l，群体大小n，交叉概率pc、变异概率pm。本发明中参数的串长是由系统中断路器的个数决定的，群体大小设定为100代，而交叉概率pc和变异概率pm我们在每代产生匹配集之前设定更新，即交叉概率和变异概率是可变的。从遗传算法的计算机理可知，在迭代前期，交叉概率应比较大，变异概率应比较小，以确保计算过程的平稳进行。在迭代后期，解群中的串已趋于稳定，可能收敛于局部最优解，此时交叉的作用已经减小，其发生的概率可降低，而变异的概率应给定得大一些，以便有机会跳出局部最优解，进入新的搜索空间。本发明采用的交叉概率和变异概率随迭代次数的增加而变化的公式为：
式中：
t：迭带次数；
Pc0：交叉概率的初始值；
Pct：交叉概率第t次迭带时的值；
Pm0：变异概率的初始值；
Pmt：变异概率第t次迭带时的值；
Mgen：最大允许的迭带次数；
交叉概率是随迭代次数的增加而线性递减的，变异概率是随迭代次数的增加而线性递增的，在本发明中，在第一代的迭代前期，交叉概率和变异概率分别取为0.9和0.001。
上述步骤(6)中所说的迭代求解是指：免疫遗传算法最终结果的输出总体来说是通过两次大的迭代求解。第一次是对每代中由两两竞争的选择方法产生的匹配集进行n/2步的迭代，每步迭代对从匹配集中随机选取的两两个体按照设定的控制参数对其进行交叉变异，然后将新产生的两个解放入下一代解群；第二次是在当前代的第一步迭代完成后，判断是否到最终代，若没到最终代，转入下一代的迭代求解。首先对该代的交叉概率和变异概率进行设定，并通过两两交叉的选择办法产生匹配集，这时重复上代的一次迭代过程。经过设定代数的二次迭代后算法跳出循环并输出最终结构及其适应度值。
一种基于该算法的DSP故障诊断的应用，其特征在于采用DSP作为核心控制处理系统，通过系统中的馈线自动化终端(FTU)和远程终端单元(RTU)监测到故障工频变量时，将与其整定值比较后得到的离散信号作为DSP核心控制系统的输入信号，该信号也作为内嵌于其中的免疫遗传算法的输入信号，最终通过DSP核心控制处理系统将算法得到的最终结果转化为实际系统中的故障信息反映到监测上位机上面，相关工程人员可根据系统所反映出的信息对故障进行维修排除。
本发明所说的DSP故障诊断的免疫遗传算法的的工作原理：首先对系统中的故障信号进行参数编码，参数编码是应用遗传算法是要解决的首要问题，也是设计遗传算法时的一个关键步骤。编码方法除了决定了个体的染色体排列形式之外，他还决定了个体从搜索空间到基因型变化到解空间的表现型时的解码方法，编码方法也影响到后面的交叉和变异算子等遗传算子的运算方法。
初始群体的设定是遗传算法对群体进行的进化操作，需要给其准备一些表示起始搜索点的初始群体数据。一般初始群体的设定有两种方法：(1)根据问题固有知识，设法把握最优解所占空间在整个问题空间中的分布范围，设定初始群体。(2)先随机生成一定数目的个体，从中挑出最好个体加到初始群体中。这种过程不断迭代，直到达到预定的规模。
适应度函数的设计亦称为对遗传个体适应度的评价，是指在遗传算法中，以个体适应度的大小来确定该个体被遗传到下一代群体中的概率。个体的适应度与该个体被遗传到下一代的概率成正比。通过对遗传个体适应环境的能力的评价，作为选择操作的依据，它是由目标函数变换而成。对适应度函数唯一的要求是其结果为非负值。适应度的尺度变换是对目标函数值域的某种映射变换，可克服未成熟收敛和随机漫游现象。
匹配集的引入是为了将免疫思想引入到遗传算法中，从而构成基于免疫的遗传优化算法。这种算法综合了免疫系统和遗传算法的优点。遗传算法本质上是一种求解问题的高度并行性全局搜索算法，而免疫系统则利用特定问题启发式来指导局部搜索，而且能在解空间内进行微调。
控制参数的设定是指：遗传算法中需要确定一些参数取值，主要有串长l，群体大小n，交叉概率pc、变异概率pm等，对遗传算法性能影响很大。目前对参数根据情况进行调整变化研究比较多，而一般确定的参数范围是：n＝20～200，pc＝0.5～1.0，pm＝0～0.05。
DSP作为核心控制处理系统是指采用DSP作为接受外部故障信号并对这些输入信号进行分析处理，处理后输出故障的原因，从而可以使维修人员尽快维修系统故障，恢复系统正常运行。
本发明的优越性和技术效果在于：①提出以无约束的0-1整数规划问题来描述电力系统故障诊断的解析模型，这种模型在一定程度上解决了保护信息不完整时的电力系统故障诊断问题，与故障平息后的停电区域的识别方法相结合，可在线应用于实际电系统；②与传统遗传算法交叉概率和变异概率在整个迭代过程中不变不同的是，本发明使交叉概率是随迭代次数的增加而线性递减，变异概率随迭代次数的增加而线性递增，以便有机会跳出局部最优解，进入新的搜索空间；③引入免疫系统-匹配集的应用，从而在每代的搜索过程中可以指导局部搜索，在解空间内进行微调，从而在进化过程中提高了算法的整体搜索能力；④在实际应用中我们利用DSP控制处理系统和计算机高速的数据计算和数据处理能力，可大大提高了该故障诊断系统的可靠性，具有广阔的市场应用前景；⑤将基于免疫的遗传算法运用到实际电力系统中，实时处理大量的电力系统运行信息，识别发生故障的区域，进一步诊断故障元件，从而大幅度提高供电的可靠性和经济性，并从最大程度上减小了电网短路故障带来的损失，保证了相关电力设备、线路的稳定运行；⑥适应度函数全面考虑了电力系统的各种情况，不但考虑了重合闸的影响，而且还根据主保护、第一后备保护和第一后备保护对于故障的不同影响加以细化，对不同的保护通过贡献因子进行了加权，更加符合实际情况。
(四)附图说明
图1为本发明所涉一种免疫遗传算法及基于该算法的DSP故障诊断系统的整体工作结构示意图；
图2为本发明所涉一种免疫遗传算法处理故障信号工作流程图。
(五)具体实施方式
实施例：一种免疫遗传算法及基于该算法的DSP故障诊断系统，(见图1)，其特征在于该系统由故障信号检测单元馈线自动化终端(FTU)和远程终端单元(RTU)、故障信号处理单元数字信号处理器(DSP)、故障信号输出显示单元工控上位机组成；所说的故障信号检测单元馈线自动化终端(FTU)的输出端和远程终端单元(RTU)的输出端均与故障信号处理单元数字信号处理器(DSP)相连接，故障信号处理单元数字信号处理器(DSP)的输出端连接故障信号输出显示单元工控上位机。
一种上述DSP故障诊断系统的免疫遗传算法(见图2)，其特征是在于是由以下步骤构成：
(1)制作算法中的参数编码；
(2)初始群体的设定；
(3)适应度函数的设计；
(4)匹配集的设置；
(5)控制参数的设定；
(6)迭代求解。
上述步骤(1)中所说的参数编码采用二进制的编码方法，在系统发生故障后，安装于各分段开关和联络开关处的FTU或RTU可监测到故障工频变量，在与其整定值比较后上传给主站故障信号，而该信号即为离散的0，1二进制信号。
上述步骤(2)中所说的初始群体的设定是遗传算法对群体进行的进化操作，需要准备表示起始搜索点的初始群体数据。初始群体的生成是以反映系统故障信号为基准，系统会在此状态附近随机产生初始群体。
上述步骤(3)中所说的适应度函数的设计也称为对遗传个体适应度的评价，是指在遗传算法中，以个体适应度的大小来确定该个体被遗传到下一代群体中的概率。本发明的目标函数为：
F(S)=W-fMp×Σi=1niΣl=1nc|Mpl-Mpl,i*(S)|-fFp×Σj=1njΣl=1nc|Fpl-Fpl,j*(S)|-]]>
fSp×Σk=1nkΣl=1nc|Spl-Spl,k*(S)|-fRp×Σh=1nhRph*]]>
式中：
S：元件状态向量-正常时为0，故障时为1(n维，n为元件数)；
nc：断路器的数目；
ni：主保护数目；
nj：第一后备保护数目；
nk：第二后备保护数目；
nh：重合闸数目；
Mpl：第l个断路器在主保护动作时段的状态；
Mpl，i*：根据第i个主保护动作原理确定的第l个断路器函数；
Fpl：第l个断路器在第一后备保护动作时段的状态；
Fpl，j*：根据第j个第一后备保护动作原理确定的第l个断路器数；
Spl：第l个断路器在第二后备保护动作时段的状态；
Spl，k*：根据第k个第二后备保护动作原理确定的第l个断路器数；
fMP：主保护贡献因子；
fFp：第一后备保护贡献因子；
fSp：第二后备保护贡献因子；
fRp*：重合闸贡献因子；
Rph*：重合闸期望状态；
式中W为任意给定的很大的正数(取W＝106，用于确保F(S)恒为正).算法的任务就是求在此适应度函数下的最大值。
上述步骤(4)中所说的匹配集的设置是指免疫遗传算法对群体中两两竞争产生出的匹配集进行操作，在匹配集中进行的局部搜索是通过每代开始搜索之前更新设定的交叉、变异概率对其进行交叉、变异从而产生新的种群。
上述步骤(5)中所说的控制参数的设定是指遗传算法中需确定的参数取值，包括串长l，群体大小n，交叉概率pc、变异概率pm。本发明中参数的串长是由系统中断路器的个数决定的，群体大小设定为100代，而交叉概率pc和变异概率pm我们在每代产生匹配集之前设定更新，即交叉概率和变异概率是可变的。从遗传算法的计算机理可知，在迭代前期，交叉概率应比较大，变异概率应比较小，以确保计算过程的平稳进行。在迭代后期，解群中的串已趋于稳定，可能收敛于局部最优解，此时交叉的作用已经减小，其发生的概率可降低，而变异的概率应给定得大一些，以便有机会跳出局部最优解，进入新的搜索空间。本发明采用的交叉概率和变异概率随迭代次数的增加而变化的公式为：
式中：
t：迭带次数；
Pc0：交叉概率的初始值；
Pct：交叉概率第t次迭带时的值；
Pm0：变异概率的初始值；
Pmt：变异概率第t次迭带时的值；
Mgen：最大允许的迭带次数；
交叉概率是随迭代次数的增加而线性递减的，变异概率是随迭代次数的增加而线性递增的，在本发明中，在第一代的迭代前期，交叉概率和变异概率分别取为0.9和0.001。
上述步骤(6)中所说的迭代求解是指：免疫遗传算法最终结果的输出总体来说是通过两次大的迭代求解。第一次是对每代中由两两竞争的选择方法产生的匹配集进行n/2步的迭代，每步迭代对从匹配集中随机选取的两两个体按照设定的控制参数对其进行交叉变异，然后将新产生的两个解放入下一代解群；第二次是在当前代的第一步迭代完成后，判断是否到最终代，若没到最终代，转入下一代的迭代求解。首先对该代的交叉概率和变异概率进行设定，并通过两两交叉的选择办法产生匹配集，这时重复上代的一次迭代过程。经过设定代数的二次迭代后算法跳出循环并输出最终结构及其适应度值。
一种基于该算法的DSP故障诊断的应用，其特征在于采用DSP作为核心控制处理系统，通过系统中的馈线自动化终端(FTU)和远程终端单元(RTU)监测到故障工频变量时，将与其整定值比较后得到的离散信号作为DSP核心控制系统的输入信号，该信号也作为内嵌于其中的免疫遗传算法的输入信号，最终通过DSP核心控制处理系统将算法得到的最终结果转化为实际系统中的故障信息反映到监测上位机上面，相关工程人员可根据系统所反映出的信息对故障进行维修排除。