周家婕，安长俊

（江海职业技术学院，江苏扬州，225000）

1 确定隶属度合适的函数

在确定合是的隶属度函数时，为了能够更加合理，以及充分的利用原始数据中所包含的信息，在对油中溶解气体原始数据进行预先处理的时候，就需要采用模糊的隶属度函数进行，虽然这中方法在实际的操作中是符合实际情况的，但如果没有对隶属度函数有一个合理的选取就将无法符合实际操作情况，由此可见，在用模糊隶属度函数对油中溶解气体原始数据进行预先处理时，其成功操作的关键在于如何做到对隶属度函数正确合理的选取。此外，考虑到多种人工智技术集成的电力变压器故障发展具有一定的连续性，以及在计算中具有归一化等特征要求，本文也就将以一种反正切型函数分布作为特征气体含量的隶属度函数。对于电力变压器而言，在电力变压器油中溶解气体的主要组成部分可分为七种。分别是 ：C2H2，C2H4，C2H6，CH4，H2，CO2，CO。为了确定合适的隶属函数，就可通过对这七种成分进行相应的分析，再将其分别记为x1，x2，x3，x4，x5，x6，x7，最后就可对其进行相应的计算，从而通过对比确定隶属度合适的函数即可。

2 利用进化规划优化权值初始值

在对网络的权值进行编码的时候，可利用二进制的方式，将所有的权值链接在一起，使之形成一个染色体，并在连接染色体的时候需要将每个染色体都对应一个网络。在连接染色体的时候最需要注意的一点就是，当网络比较大时，每个染色体的编码不能太长，如果染色体的编码太长的话不但会使搜索空间急剧加快，而且会在很大的程度上降低算法的搜索效率。此外，由于网络权值是实型值，所以如果采用遗传算法对离散值的网络权值进行计算，不仅会在极大的程度上影响数值的精确度，而且会因为某些实数权值无法近似表达而使网络的训练失败，本文也将用进化算法与遗传算法进行比较，并抛弃交叉运算，只用变异来维持上下两代之间的联系，而这样的计算方法也会在很大的程度上减少运算量，以及迭代次数，虽然这种方法整体上看起来十分的完善，但仔细对其进行观察研究仍然可以发现其中的不足，其主要就表现在收敛的精确度不高等方面，因本文只需要采用该方法对初始取值进行大致探索，而不是过于精确的搜索，故选用该方法进行论述。首先针对神经网络各层的权值，以及阈值赋初值的若干组进行算计的取数，再取数完成之后再输入样本数据并对其进行前向计算，在计算完成之后，可以明显的看出输出层的输出结果与相关人员所得到的结果是存在一定误差的。对此，就需要在遗传过程中，将误差最小的机组解保留下，并对这机组解的对应元素进行相应的计算，而这也就是权值的聚合度和聚合中心。定义聚合中心作为元素的算数平均数，聚合度为每个解距聚合中心的平方和，而对误差小的机组解进行变异。由于聚合度最小的权值可能在聚合中心附近，所以把权值变异为聚合中心，可符合正态分布的随机扰动。在遗传的下一代中，为了更好的增大其搜索范围，可对其都补充一些随机解。当迭代次数处于很大且没有得到满意的解时，就需要改变加权值。针对目前改进后的进化算法来看，如今相对完善的进化算法不但在使用，以及运算起来显得十分的简单，而且收敛的速度和精度也都在很大的程度上得到了相应的提升。

图1 算法流程图

3 集成人工智能技术用于变压器故障诊断的算法

上述针对利用进化规划优化权值初始值进行了相关的阐述，由此可见，改进后的进化算法不但完善了自身的不足，而且也在极高的程度上提高了自身的性能等。然而，对于集成人工智能技术用于变压器故障诊断的算法来看，集成人工智能技术用于变压器故障诊断的算法主要采用的就是隶属度函数在归一化的算法，但该方法除了使用隶属度函数在归一化的算法之外，还充分的考虑了故障发展的连续性，且充分的利用率进化算法的全局搜索能力。这三个方面的充分考虑与应用，也使得最终得到的结果相对其余计算法来看要准确许多。此外，为了更好的完善集成人工智能技用于变压器故障诊断的算法，可在上述所讲的三个方面中加入ANN的组学习能力，这样就可让其算法更加完善精确。

4 结束语

通过上文对多种人工智能技术在集成的电力变压器故障诊断研究来看，在网络的输入数据中，利用进化算法，以及合适的隶属度函数对其进行处理，不但可以减少样本数据之间的差异，而且可及时的反应出故障问题，并对网络的收敛性能进行有效的管理。此外，在进行网络权值初始值优化处理上，为了有效的避免网络陷入缺陷问题中，在进行处理计算上相关人员可采用改进之后的进化算法，这样不但可在一定程度上提高网络的分类能力，而且可进一步正确的确认故障问题。因此，相关人员需要加强对多种人工智能技术集成的电力变压器故障诊断研究，从而促使电力变压器得到更好的发展。