《【电力期刊】混沌免疫遗传算法在电力系统故障诊断中应用.pdf》由会员分享，可在线阅读，更多相关《【电力期刊】混沌免疫遗传算法在电力系统故障诊断中应用.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第2 7 卷第5 期 2 0 0 7 年5 月 电 力 自 动 化 议 备E l e c t ri c Pow e r A u t o m a t i o nE q u i P m e n tVo l.2 7N o.5M ay2 0 0 7.混沌免疫遗传算法在电力系统 故障诊断中应用孟祥萍，潘莹2，耿卫星，霍 飞2，高 燕(1.长 春工 程学院 电气与 信息学院，吉林 长 春 13 001 2;2.东北电力大学 信息工程学院，吉林 吉林 13201 2)摘要:针对电力系 统 故障 诊断问 题，提出了 一种新的 免疫 遗传算法 混沌 免疫 遗传算法。该算法 将免疫算法、混沌 与 遗 传算法 相结
2、 合，利用 混沌 运 动的 遍历 性、随 机性产生 初始种 群，加快 搜索 的 速度;利用 免疫 原理的浓 度计算 及调整加入新的 混沌 序列 补充 种群，增加种群的多 样性，避免陷 入局部最 优;交叉变 异结束后在最优解附近再用混沌进行局部寻优提高解的精度。它能从保护和断 路器的拒动和误动中，快速找到故障点。实验结果表明，该算法能快速寻找到最优解，保证系统的实时性和准确性，较好地实现了对电力系 统的故障 诊断。关键词:故障诊断;混沌;遗传算法;免疫算法中图分类号:T M7 6文献标识码:A文章编号:1 0 0 6 一 6 0 4 7 2 0 0 7)0 5 一 0 0 8 1 一 0 30
3、引言 近年来，电 力系统的 安全稳定运行已 经越来越引起人们的重视。通常，电 力系统的故障诊断就是尽可能地利用采集信息识别故障元件和误动作的保护和断路器，其中，故障元件的识别是关键问题。目前，国内外对电 力系统的故障诊断从总体上主要分为以下几种:专家系统 一“、逻辑方法，一 4 、人工神经网络5 一 5 以及遗传算法9 一 2 等方法。目 前，专家系统方法应用较多，但是难以获取完备的知识库、推理过程时间较长、无学习能力、实时效果较差。基于人工神经元网络方法的故障诊断性能取决于样本集是否完备，对于大型的电力系统要形成完备的样本集极其困 难，因 而其诊断结果的 正确性在原理上无法保证。遗传算法从优
4、化的角度出发基本上可以解决故障诊断的问 题，但实际 应用中 还有许多问 题有待进一步完善。从理论上分析，尽管该算法在一定条件下具有全局收敛特性，但算法的交叉、变异和选择等操作一般都是在一定的概率意义下随机进行，因此，在为群体中的个体提供进化机会的同时，又不可避免地出现了退化现象。对于大规模的电力系统问题，遗传算法易于陷人局部最优解。现从提高故障诊断的可靠性和实时性出发，提出了一种基于混沌的免疫遗传算法混沌免疫遗传算法(MG A)。混沌免疫遗传算法是利用混沌运动的遍历性、随机性来减少种群中的数据冗余，加快搜索速度。其基本思想是将实际求解问题的目 标函收稿日 期:2 0 0 6 一 0 9 一 2
5、 0;修回日 期二 2(X)7 一 0 1 一 1 6基金项目:吉林省自 然科学基金资助项目(2 004 0 5 3 9);吉林省 教育科学基金项目(2005一 81)数和相应问题的解分别看作是免疫系统的抗原和抗体，而将免疫系统的自 我调节机制和用混沌进行局部寻优，迅速地寻找到问题的最优解或近似最优解。利用混沌的局部寻优，可加快搜索速度，利用抗体的多样性保持功能，可提高全局搜索能力，避免未成熟收敛。因此，它克服了寻优过程难应付的“早熟”问题，最终求得全局最优解。1 混沌免疫遗传算法原理 遗传算法(G A)是一类基于自 然选择和遗传学原理的有效概率搜索算法，它通过模拟生物进化来进行搜索和优化，在
6、搜索过程中自 动获取和积累有关搜索空间的知识，并自 适应地控制搜索过程以求得问题的最优解。本算法是将遗传算法、免疫算法和混沌相结合，将待求解的问题作为抗原，将问题的解作为抗体。通过抗原和抗体的亲和力描述可行解与最优解的逼近程度。对外界抗原侵人，系统通过混沌产生抗体，通过抗体浓度的判断及调整，实现对环境的自 适应。利用混沌在最优解附近进行局部寻优，提高解的精度，加快收敛的速度。所提算法主要特点是在初始种群的产生和在最大值附近进行局部寻优。1.1 初始种群的产生 免疫和遗传算法都是随机初始化种群，算法中引人了 混 沌，一 4 ，由 于 混沌运动 具有遍历性、随 机性等特点，混沌运动能在一定范围内
7、按照其自 身的规律不重复地遍历所有的状态。因此，如果利用混沌原理产生初始种群，数字取值会均匀地分布在解的空间中，减少了可能出 现的数据冗余，并且在开始迭代就能产生较好的解，加快搜索的速度。在此利用著名的l og is ti C 方程产生 初始种群。该 方 程 定义为万方数据函电 力自 动 化 议 备第 2 7卷 x n+，=拜 x n(1 一 x)(1)其中，二 是变量，二 0，1 ，n=0，1，2，。拼为控制参数，当拼。3.5 699，4 时，映射处于混沌状态。本算法中n 代表抗体数，x，代表第n 个抗体，x n+l代表第n+1 个抗体。由于混沌序列的空间为 0，1 ，状态空间也可为 0，1
8、 ，可以直接转化为二进制编码形式。1.2 最大值附近进行局部寻优 交叉、变异结束后，对新种群抗体和抗原的亲和性排序找出最优解值。把最优解对应的二进制域转为原问题域x，按式(1)进行混沌迭代，找到好的值替代最优值:，然后再转化为二进制域。1.3 算法的基本步骤及流程图 a.抗原输人及参数设定。b.初始抗体的 产生。把变量作为抗体，由 l og ist ic映射产生N个个体，形成初始群。c.亲和力及浓度计算。d.终止条件判断。若当前群体中包含最佳个体，则算法停止运行并输出结果，否则继续运行。e.多样性计算及判断。若种群的多样性低于阑值，则采取措施提高种群多样性。f.多样性调整。由l og ist
9、i C 映射产生m个个体，替代从进化群中随机选出的m个个体，直到多样性超过阂值。9对当 前的 种群进行交叉、变异操作得到新一代种群。h.对新种群抗体和抗原的亲和性排序找出最优解，在最优解附近进行局部寻优。1.群体更新。算法的流程图如图1 所示。中第1 个元素5，表示第1 个元件的状态。5 =0 或 1分别表示第1 个元件的正常或故障状态。R为一个n r 维向量，表示n r 个保护的实际状态。R中第k个元素R、表示第k个保护的实际状态。R*=0 或1 分别表示第k 个保护处于未动作或动作状态。R(S)为一个n r 维向量，表示n r 个保护的期望状 态，R (5)中 第k 个 元素斌(5)表 示
10、第k 个 保护的期望状态。如第k 个保护应该动作R 厂(5)二 1，否则R 宕(5)=0。R 宕(5)状 态由5 状 态 决 定。C为一个n。维向量，表示n c 个断路器的实际状态，C中 第j 个元素C，表 示第j 个断 路器的 实际 状态。C，=0 或1 分 别 表 示 第j 个断 路 器的 分 合 状 态。C (5，R)为一个n。维向量，表示n。个断路器的期望 状态，c 厂(S，R)表 示 第j 个断 路器的 期望 状态。如应跳闸c 户(5 皿)=0，否则c 厂(5 火)=1。c (5 火)状态由5和R状态决定。用一比较简单典型的例子说明如何根据保护和断路器的动作原理确定期望值，如图2 所
11、示。匹1 坠L，坠1 9 凡 图2简单示例 F i g.ZS i m p l ee x a m p l e 保护期望状态的确定:主保护=元件状态 主后备保护=元件状态x(1 一 主保护)第2 后备保护二 1 一 1 一 关联元件1 的 状态值x(1-关联路径上的断路器1 的状态值)x(1 一 关联路径上的断路器2 的状态值)x.二 x 1 一 关联元件2 的状态值x(1 一 关联路径上的断路器1 的状态值)x(1 一 关联路径上的断路器2 的状态值)x.二 x1 一 关联元件3 的状态值x(1 一 关联路径上的断路器1 的状态值)x x 断路器期望状态C 户(S，R)的确定:cj*(S，R 卜
12、M A x 图 1算法流程图 F i g.IFlo w c h a rto f a l g o ri t h m2 电力系统故障诊断的数学模型 根据元件故障与保护动作和断路器跳闸之间的逻辑关系，把电力系统的故障诊断问题表示为如下求最小值的目标函数:f(5)=艺1尺、一 尺 宕(5)+全 cj 一 c j*(5，双)(2)式中 n r 为保护总数目;n。为断路器总数目。5为一个n 维向量，表示系统中元件的状态，5 其中，“关联路径”指一个元件到另一个元件，从系统结线图上看，经过的一个或多个断路器的排列。在期望值确定之后，为便于用混沌免疫遗传算法实现求解过程，将前面的目 标函数改为如下的适应度函数
13、形式:f 5)=功 一 鑫 1 R 厂 R 宕(5)1 一 乌 Icj 一“5，R，1(3，其中，二 为任意给 定的 正数，其目 的 保证f(S)为正值，这里取功=104。确定了 f(S)的表达式之后，运用混沌免疫遗传算法求解使f(5)成为 最大 值的5值，即为故障元件。万方数据第 5期孟祥萍，等:混沌免疫遗传算法在电力系统故障诊断中应用由3 实例 根据以上混沌免疫遗传算法的流程，编制了故障诊断目 标函数的生成及混沌免疫遗传算法程序，并截取吉林新立地区的一个环形网进行了测试，如图3 所示。图 3被测试的环形网F i g 3R i n gn e t fo rt e s t 针对可能出现的故障，测
14、试了10种故障情况，结果表明，都能快速正确地诊断出系统中的故障元件，并得到系统最优解。给出系统诊断的部分结果，如 表1 所 示(表中肠 C。为玩线 路中 的 一 种 保 护)。表 4诊断结果T a b.4D i a g n o s t i cre s u l t s动作的保护动作的断路器程序诊断结果 即故障元件几、L，mA m、C 二、T 骊、L lmT、L l m、1 闷 C pC m、T l.、T 加、T 知、S m、玩C p Q F7、Q Fg、Q F，。、Q F 12Q F I、Q F7、Q Fg、Q F;0、Q F 12 Q r 7、Q Fg、Q F lo、Q F，2Q F I、Q
15、F Z、Q 瓦、Q 凡、Q F 7、Q F:、Q F g、Q F 10、Q F 12 毛、5A、C、T 3、5叭、5、玩C、T。、T 3、54 结论 在电力系统的故障诊断中引人混沌免疫遗传算法，免疫遗传算法是把问题的空间和对应的解空间对应于抗原和抗体，并通过浓度控制来控制局部最优解的繁殖，。在此基础上，在初始种群和多样性调节中引人了混沌，加快了搜索速度。在最优解附近进行局部寻优，提高了解的精度。可以对电力系统正常运行时出 现的故障作出 快速反应，为故障的及时诊断、恢复提供了有力的保证，确保了电力系统安全稳定运行，增强了供电的可靠性和连续性，保证了生产生活的正常有序进行。参考文献:3 P A R
16、 KYM，K I Mcwang 一 w o n，S o H NJ i n 一 m a n.Al o g i cb as e d e 却e rts y s t e m(L B E S)fo rfaul td i a g n o s i so fp owe rs y s t e m仁 J .I E E ET ra n so nP o w e r s y s t e m s，1 9 9 7，1 2(1):3 6 3 一 3 6 9.4 s I D H urrs，c R tj n E Ro，H U F FGJ.A nabd u c t i v ei nfere n c e t e c h n i q
17、u e fo r faul t d i a 邵o s i s i ne l e c t ri c 以p owe r t r a n s m i s s i o nn e t-w o r k s J .I E E ET ra n s o nP o w e r D e l i v e 详，1 9 9 7，1 2(1):5 1 5 一 5 2 2 5 李小慧，丛望，刘勇.电力系统故障诊断神经网络专家系统的一 种实现方式 J .船电技术，2 0 0 1，5(6):3 2 一 3 5.L IX i a o 一 h u i，C O N G Wa n g，L I U Y o n g.O n ere al i
18、 z a t i o nw 叮 Of n e u r al n e two r ke x p e rts y s t e m i ne l e c t ri c 习 p owe rs y s t e m faul t d i a g l lo s i s J .S h i pE l e c t ri c i t yTec h n o l o 群，2 0 0 1，5(6):3 2 一 3 5.6 c H E NK o k 一 y e n g，L I MC h e e 一 P e n g，LAI W e n g 一 k i n.F au l t d e t e c-t i o na n dd i
19、a 邵o s i su s i n gt h efu z 叮 m i n 一 m ax n e u ral n e t w o rkw i t h ru l e e x t ra c t i o n M .B e rl i n:C o m p u t e r s c i e n c e s p ri n 邵 r 一 V e rl 铭，2 0()4.t 7 M AL i a n g 一 y u，M AY o n g 一 即a n g，M AJ i n.Fau l t d i a g n o s i sfo r t h e fe e d w at e rh e a t e rs y s t e m
20、of a3 0()M W c o al一 fi re dp o w e r罗 n e-rati n gu n i t b a s e do nR B Fn e u ra l n e t wor k M .H e i d e l b e 笔:C o m-p u t e r s c i e n c es p ri n g e r 一 V e rl ag，2(X)6.81杨勇.人工神经网络在电力系统中的应用与展望 J .电力系统 及其自 动化学报，2 0()l，1 3(1):4 1 一 4 5.Y A N G Y o n g.A p p l i c a t i o n and p ro s p e
21、c to farti fi c i al n e u ral n e t w o rk si ne l e c t ri cp o w e rs y s t e m s J .1、。c e e d i n g s oft h e E P S A，2 0 0 1，1 3(1):4 1 一 4 5.9 z H E N cz h a n g，H J A N GW e i 一 h u a，X I A OD e n g 一 m i n gF a u l t d e-t e c t i o no fp o w e rt ra n s fo rme r su s i n g罗n e t i cp ro 脚m
22、 m i n gm e t h o d c /vroc e e d i n g sof t h eThi rd I n t e rn a t i o n d C o nfer e n c e0 n M a c h i n e反arni n g andC y b o rn e t i c s.S h a n g h a i:s n.，2 0 04:26一 2 9.t 10 朱红霞，申 炯，王培红.基于免疫遗传算法的模糊优化控制及其 仿真J东 南 大 学学 报:自 然 科 学版，2 005，2 2(1):64一 68.Z H UH o n g 一 x i a，S H E NJ i o n g，W
23、A N GPei 一 h o n g.F u z 砂o p t i m i-z a t i o n c o n t ro lb as e d o n i m m u n e罗n e t i cal 即 ri t h m a n d i t s s i m u l a t i n gs t u d y J .J o u mal of s o u t h e a s tU n i v e rs i t y:N a t u ra l S c i e n c eE d i t i o n，2(X)5，2 2(1):64一 6 8.1 1 B I TS，N IYX，S H E NCM，e t al.An
24、 o v e l A N Nfaul t d i 嗯-n o s i ss y s t e mfo rP owe rs”t e m su s i n gd u al(;Al o o p si nA N N t r ai n in g c /I E E Ep owe rE n g i n e e ri n:S oc ie t yTr a n s m i s s i o n andD i s t ri b u t i o nC o n fe re n c e.S e a t t l e，U n i t e ds t a t e s:I E E E，2(X0:4 2 5一 4 3 0.12 邓宏贵，
25、罗安，曹建基，等 基因多点交叉遗传算法在变压器故 障诊断中的应用仁 J.电网 技术，2 0 04，2 8(2 4):1 一 4.D E N GH o n g 一 邵1，L U OA n，C A OJ i an一 j i，e tal.A p p l i c at i o nof m u l t i 一 p o i n tc ri s s 一 c ro s s部n e t i cal gori t h m i nt ra n s fo rme rfaul t d i a 罗0 5 1 5 J .P o w e r s y s t e mTec h n ol o 灯，2 0(科，2 8(24):1
26、一 4.1 3 G R A s s oF，M A N E 竹15，p I C C I R I LLIM C.A na p p ro ac ht o a n 己 o gfaul td i a，o s i su s i n gg e n e t i ca l 即 d t h m s C /I E E E M E L E C O N.D u b r o v n i k，C ro a t i a:I E E E，2 0 04:1 2 一 1 5.【14 吴样兴，陈忠.混沌学导论 M ，上海:上海科学技术出版社，1 9 9 7.仁 巧1 武晓今，朱仲英.基于模式记忆的免疫遗传算法 J.计算机仿 真，2
27、005，2 2(8):9 8 一 1 00.wux i ao一 j i n，z H uZ h o n g 一 y i n g.S c hem ac o n t rol fo ri m m u n e 罗n e t i c al g o ri t h m J .C o 呷u t e r s i m u l at i o n，2(X)5，2 2(8):9 8 一 1 0 0.(责任编辑:汪仪珍)川 A N G E L I C，A p p l i c at i o nofao1 一 ti m eex p 毗 s y s t em for faul t d i a g n o s i s 仁 M B
28、e rl i n:Lec t u reN o t e si nC o m p u t e rs c i e n c e，S p ri n-ger，2 0 00.仁 2 周明，任建文，李庚银，等.基于模糊推理的分布式电力系统故障 诊断专家系统【J 电力系统自 动化，2 0 0 1，2 5(24):3 3 一 3 6.Z H O U M i n g，R E N J i a n 一 w e n，ll G e n g 一 y i n，e tal.D i st ri b u t e d p o w e rs y s t e m fa u l td i a g I l0 s i se x p e rt s
29、 y s t e m b a s e d o n fu z z y i nfere n c e J .A u t o m a t i o n o fE l e c t ri cP o w e rs y s t e m s，2(X)1，2 5(2 4):3 3 一 3 6.作者简介:孟祥萍(1 9 61一)，女，吉林长春人，教授，主要研究方向为多A ge nt系 统、强化学习;潘 莹(1 9 7 9 一)，女，辽宁大石桥人，硕士研究生，主要研究方向为计算机应用及开发(E 一 m all:P Y 一 0 6 13 si na.c o m.c n);耿卫星(1 9 7 6 一)，男，山东济宁人，硕士
30、研究生，主要研究方向为电力系统安全与稳定。(下转第1 00 页c o n t i n u e do np a 邵 1 00)万方数据砌电 力 自 动 化 议 备第 2 7卷 re al i z a t i o nOfi n t e l l i g e n t d e c i s i o ns u p p o rts y s t e mfo rp o wer幼d d i s Patc h i n g J A u t o m a t i o nof E l e c t ri cl)。W e rs y s t e m s，2 D 0 6，3 0(1 2):7 9 一 8 3.口 汤磊，张伯明，孙宏斌
31、，等.电网操作票专家系统中的通用认知模 型 J .电力系统自 动化，2 0 0 1，2 5(2 2):6 一 9.T A N G 此1，Z H A N G B o 一 m i n g，S U N H o n g 一 b i n，e tal.G e n e ra l c o g n i t i v em o d e l so f p o w e rn e two rk i no p e rati n gc o mmande x p e rt s y s t e m J .A u t o m at i o no f E l e c t ri cP owe r s y s t e m s，2 0()
32、l，2 5(2 2):6 一 9.t s 周明，任建文，杨以涵.开关控制逻辑在操作票自 动生成系统中 的 应用 J .电 力系统自 动化，1 9 9 7，2 1(5):3 1 一 3 4.、Z H O UM i n g，R E NJ i a n 一 w e n，Y A N GY i 一 h a n.A P P l i c a t i o nof t h e s w i t c hc o n t r o ll o g i ct ot h eaut o m a t i c al l y邵n e ra t e do p e ra t i o n o rders y s t e m 仁 J .A u
33、t omat i o nof E l e c t ri cl 。W e rs y s t e m s，1 9 9 7，2 1(8):3 1 一 3 4.9 游波，邓祥力，刘志宏.一种在线操作票专家系统 J .电力情报，1 9 9 9(3):24 一 2 7.Y O UB o，D E N GX i a n g 一 1 1，LIUZ h i 一 hon g.A no n 一 l i n eo p e rati n g e x p e rts y s t e m J I nfoll l l a t l o no n曰e c t h cP o w e r，1 9 9 9(3):2 4 一 2 7.10
34、 陆芸，裴雯，陆杏全.智能化检修票和操作票系统的实时数据库 设计 J .电 力系统自 动化，2 005，2 9(13):8 4 一 86.LU Y u n，PEI W e n，L UX i n g 一 q u a n.D e s i g nofre al一 t i m ed a l a b a s e fo r i n t e l l i 罗n t m a i n t e n a n c ea n ds w i t c h i n gs c h e d u l i n g叮 s t e m J .A u t o m a t i o nof E l e c t ri cP 脚e r s y s
35、t e m s，2 0 0 5，2 9(1 3):8 4 一 8 6.1 1高阳，张东英，高署，等.电网 调度故障恢复操作票的研究 J 工 继电器，2 0 0 5，3 3(1 5):7 1 一 7 6.G A OY a n g，Z H A N GD o n g 一 y i n g，G A OS h u，e t al.R e s e archa n d d e v e l o p m e n tof o P e r a t i o no rd e ri nt h ere s t o ra t i o nof e l e c t ri c p owe r n e t workfa u l t d
36、i a g n o s i s J .R e l a y，2(X)5，3 3(1 5):7 1 一 7 6t 12 金华征，周丽，郑静.基于在线培训的仿真变电站操作票专家系 统 J 电力自 动化设备，2 003，2 3(1):4 5 一 4 5.J I N H u a 一 z h e n g，Z H O U h，Z H E N G J i n g.S wit c h i n gs e q u e n c e e x p e rts y s t e mb a s e do no n 一 l i n et ra i n i n go f s i m u l at i v es u b s t at
37、 i o n J I.E l e c t ri cp m，e r A u t o m a t i on E 卿i P，n t，2 003，2 3(1):4 5 一 4 8.13 王锋，朱永利，张涛，等.基于组件对象模型的变电站操作票专 家系统 J .电力自 动化设备，2 003，2 3(2):5 5 一 5 7.WA N G F e n g，Z H U Y o n g一 1 1，Z H A N G T a o，e ta l.S u b s t at i o n Swi t c h i n go r d e r 一 she etex P e rt叮 s t e mb a s e do nc o
38、m p one n t o bj ec t m o d e l J E l e c t ri cPow e r A u t o m at i o nE q u i p m e n t，2 0()3，2 3(2):5 5一 5 7.(责任编辑:汪仪珍)作者简介:朱兴柯(1 976 一)，男，云南会泽人，技术部主任，从事电力系 统电网 调度运行管理和生产技术管理工作(E 一 m a n:zh uxi ngk e 2 0()3 1 6 3.c o m);白 彪(1 978 一)，男，傣族，云南思茅 人，助理工 程师，从事电力系统调度自 动化和计算机信息工作。D e v e l o P m e n t
39、o fd i s P a t c h a n t i 一 m i s o P e r a t i o n s y s t e mZ H UX i n g 一 k e，B A IB i a o(S i m a oPOw e r s u p p l yB u re a u，Y u n n a nE l e c t ri cPOw e r G r i dC o.，Lt d.，S i m a o6 6 5 0 0 0，C h i n a)A b s t r a c t:C u rr e n t d i s p a t c ha n dt h ed i s p at c ho p e ra t i o
40、na u t o m a t i o ns y s t e m sn o r m al l yh a v en oa n t i 一 ml s 0 P e rat 1 0 nb l o c k i n gfun c t i o ns h e e t i sg e n e ra t e dm a n u a l l yd e p e n d i n gOnt h ea b i l i t ya n de x P e rie n C eo fd i s p a t c h e r，w h i c hc o u l dn o tp r e v e n tt h eml s o P e rat l o
41、 nt e c h n i c a l l y.D i s p a t c ha n t l 一 ml s 0 P e r a t l o nc h e c k sd i s p at c h e r so p e ra t i o na c c o r dI n g t ot h ee m b e d d e di n t e I l i g e n td i s p at c he x p e rtm l e s s y s t e ma n d t h er e s u l t o f P A Sc al c u l a t i o na n da n a l y51 5，a n dg
42、e n e rate se x e c u t a b l ed i s p a t c ho P e r a t l o ns h e e t a c c o 记i n gt oC 0 1 T e C to P e rat i n gs e q u e n c e 一 P r e V e n t l o n s y s t e mo fs u b s t a t i o n，i te m p has l Z eSV I C e，i n s t e a d o ft h o s edeP reV e n t l o nofl mP roP e rB e i n gd i ffere n t f
43、rom t h esd i s p a t c ho p e r at i o nfo rt h eb r e a k e r so ri s o l a t i o n s w i t c h e s，w h i c h red u c e ss t a t ec h a n 罗 of l a rsee v e n e l i mi n a t e s t h ep o s s i b i l i ty o fd i s p a t c hethofml s 0 P e rat l o n.K e yw o r d s:d i s p a t c hm i s o p e r at i o
44、np re v e n t i o n;a n l t 一 ml s o P e r a l l o nrul e s;appl iC at l o n(上接第8 3 页C o n t i n u e dfromp a g e8 3)Ch a 0 Sl lll l l l Uneg e n e t i ca l g o ri thm i nP o w e rs y s te m fa u l t d i a g n o s i sM E N GX i a n g 一 p i n g l，PANY i n g Z，G E N GW e i 一 x i n g Z，H U OF e i Z，G A
45、 OY a n l(1.C h a n g c h u nl n s t i t u t eo f T e c h n o l o 舒，C h a n g c h u n2.N o rt h e a s t D i a n l i U n i v e r s i t y，J i l i nl 3 2 0 1 2，1 3 0 0 1 2，C h i n a;C h i n a)A b stra c t:C o m b i n i n gi m m u n ea l 即ri t h m，c h ao sal 邵ri t h m and罗 n e t i cal 即 ri t h m t o 罗 t
46、 h e r，ac h ao si m m u n eg e n e t i ca l g o ri t h mi sP re s e n t e dfo r p o w e rs y s t e mfa u l t d i a g n o s i s.U s i n gt h eo v e r 一 s P r e a dc h a-r a c t e ra n dra n d o m i c i t yo fc h a o s，ac l u s t e ri si n i t i a t e dt oa c c e l e r a t et h es e a ro h，w h i c hi
47、st h e nr e-c ru i t e dw i t hn e wc h a o s s e q u e n c ea c c o r d i n gt ot h ec o n c e n t ra t i o nc al c u l a t i o na n dr e g u l a t i o no f i m m u n ep ri n c i P l e，e n h a n c i n gt h ec l u s t e rd i v e r s i t yt oa v o i dl o c al c o n v e r g e n c e.C h a o si su s e d
48、a g a i nafte rc ro s s o v e ra n dm u t a t i o ni nl o c a l o p t i m i z a t i o nro u n dt h eo p t i m a Is o l u t i o nt oi m p ro v ei t sp re c i s i o n.I tc a nfi n dt h efa u I t ys e c t i o nfl e e t l yfr o mt h em i s o p e r a t i o n s o f p ro t e c t i o na n db r e a k e r.T e
49、 s t re s u l t s s h o wt h at，t h ea p p ro a c hc a nfi n dt h eo p t i m a l s o l u t i o nq u i c k I y，g u a r a n t e e i n gt h ere a l 一 t i m ep e rforma n c ea n da c c u r a c yo f fa u l t d i a gno s i s.T hi sP r oj e c t iss u P P o 电db yt he N a tural Sci e n c eF o u n d at i o no f J ili nP r o v in ce(2(M)4 0 5 3 9)a n dt h eE d uca ti o nS c i e n c eF o und a t i o no fj ilinPro 讨nce(2 0 0 5 一 8 1).K e yw o r d s:fa u l t d i a g n o s i s;c h a o s;g e n e t i ca l g o ri t h m;i m m u n ea l g o ri t h m万方数据