2011年第5卷增刊1
2011，Vol.5，Supplement1
南方电网技术
SOUTHERNPOWER SYSTEMTECHNOLOGY
文章编号：1674-0629(2011)S1-0044-04
中图分类号：TM407
2010技术论坛获奖论文（续） Articles Awarded in 2010 Forum
文献标志码：A
基于量子遗传改进支持向量机理论的变压器
故障诊断于虹"，孙鹏？
（1.云南电网公司博士后工作站，昆明650217；2.云南电力诚验研究院（集团）有限公司，昆明650217）
摘要：提出了基于量子遗传改进支持向量机理论的变压器故障诊断方法。该算法首先利用祖趋集技术对变压器知识进行属性约简，通过属性表获得变压器故障的最简决策表以作为支持向量机的输入，并利用量子遗传算法获得支持向量机的
最优参数设置。实验结果表明，该诊断方法分类性能良好、可靠性高且有效可行。关键词：租超集理论；支持向量机；故障诊断；量子遗传算法；变压器
TheFaultDiagnosisofTransformerswithSupportVectorMachineTheory
ImprovedbyQuantumGeneticAlgorithm
YU Hong',SUN Peng
(1.Postdoctoral Workstation of Yunnan PowerGrid Corporation,Kunming 650217,China;
2. Electric Power Research Institute, YNPG, Kunming 650217, China)
erooeaodaesiaoeoasososioueae quantum genetic algorithm. Firstly. The algorithm is as follows: to do attribute reduction to the transformers knowledge with the technologies of rough set, to get the simple decision table for faults and imput the table into the support vector machine, and to eesa demonstrate that the proposed method works well in the fault classification and is reliable, effective and feasible
Key words: rough set theory (RST); support vector machine; fault diagnosis; quantum genetic algorithm; transformen
变压器的运行状态对电网安全、稳定运行起着至关重要的作用。已有多种故障诊断的方法，如神经网络、人工智能、Petri网络、突变理论、粗糙集、支持向量机（supportvectormachine，SVM）等[1-3]。
粗糙集理论（roughsettheory，RST）只需利用数据本身的信息，通过知识约简得到问题的决策或分类规则。支持向量机解决了小样本、非线性等问题，提高其泛化能力，从而能很好地处理电力设备故障诊断所面临样本不足的缺陷。但SVM方法中某些参数的选择对其分类的准确率影响很大。到目前为止，对其最佳参数的选择没有一个很好的手段，现有方法在计算耗时和效果方面都不是很理想。
为了提高SVM算法的准确性并避免上述缺陷，本文利用量子遗传（quantumgeneticalgorithm， QGA）方法对SVM的参数进行优化与选择。由于电力设备的故障原因和故障征兆总是存在着模糊
万方数据
性、随机性和不确定性，提出利用RST对变压器原始数据进行约简，并利用量子遗传算法确定SVM 的参数，并将约简后的样本数据训练SVM，从而进行变压器的故障诊断，即故障分类。这样可以降低盲目选择SVM参数对分类结果的影响并提高故障诊断的准确性，从而为变压器设备状态评价提供一种辅助手段。
粗糙集理论及其知识的约简 1
1.1粗糙集理论
20世纪80年代初粗糙集理论被提出用于解决在不完备和不精确信息数据的情况下进行数据的分析，知识约简而获得知识的最小表达。关于RST的
详细资料可参阅文献[4]。 1.2知识约简
保留重要、核心信息并保证诊断结果的最小条