基于人工免疫算法的变压器故障诊断方法
(7)抑制 对记忆抗体Ar进行抑制，删除同类记忆抗体间亲和力大于免疫抑制阈值Ys的记忆抗体，直至抗原与抗体的亲和力接近。否则，随机产生d个抗体Ad，则抗体集Ad*=ArUAd。
(8)检验 计算检验抗原集Ac和记忆抗体集Ur之间的欧氏距离，检验抗原的类别。
L=||Ac一Ur||
3．3 参数选定
(1)抗体n的选择 n为抗体集中被选择用来克隆增殖的抗体个数，n值越大则克隆集合Cj越大，这样可加大记忆抗体的搜索空间，但也相应增加了算法计算量；而n值越小则每次产生记忆抗体集的个数越少，导致算法迭代次数增多。通过试算可得出最佳的抗体选择数为4。
(2)其他参数设置 初始化抗体个数N=20,抗体克隆规模K=10，自然死亡阈值Yd=l，抑制阈值Ys=0．15，新产生抗体数d=10。
本文引用地址：//m.amcfsurvey.com/article/188665.htm
4 故障分析
常见的变压器故障类型有：低温过热T1(t300℃)、中温过热T2(300℃t500℃)、高温过热T3(t>500℃)、局部放电PD、低能放电D1、高能放电D2等6种潜伏性故障类型。这里收集了478个故障样本作为数据源。
将收集的故障样本分为2部分，其中235个作为训练抗原集，剩下的243个作为检验抗原集。输入到上述的人工免疫算法中，重复训练10次，得到的记忆抗体集个数平均为31，训练抗原的数据压缩比为86％。计算243个检验抗原和记忆抗体集的欧氏距离，得出总的故障诊断准确率为86．8％。表1为故障样本经人工免疫算法处理后的结果及各种故障类型的诊断准确率。
表2给出了12组故障实例。将人工免疫算法的诊断结果和IEC三比值法进行比较，可以看出，前者的诊断准确率要高于后者。
5 结语
电力变压器故障诊断的人工免疫算法充分利用了人工免疫网络的自学习和自记忆的优点，对故障样本抗原进行训练。获取的记忆抗体集具有故障的类别信息，由于抗原和记忆抗体的作用要考虑两者的类别信息，使记忆抗体能够很好地学习和记忆同一类别抗原的数据特征，提高了算法的准确度。通过实验的结果证明，人工免疫算法的故障诊断准确率要高于IEC三比值法，证明了该算法的有效性。
评论