[发明专利]基于遗传算法及属性支持度的变压器状态知识获取方法及设备

权利要求书

1.一种基于遗传算法及属性支持度的变压器状态知识获取方法，其特征在于，所述方法包括以下步骤：

根据变压器故障案例构建决策表S，将变压器状态信息的异常征兆作为条件属性集C，变压器故障类型作为决策属性集D；

根据决策表S，建立推演状态知识所需的条件属性集C’，根据条件属性集C和决策属性集D基于遗传算法和属性支持度计算包括条件属性集C’的最优属性核R，包括以下步骤：

S1、采用长度为l＝card(C)-card(R)的二进制字符串表示遗传算法中每个个体编码，其中运算符card()表示计算集合中元素的个数，字符串中每个位置的编码对应集合L＝C-C’中各条件属性，编码为“1”时表示该个体保留集合L中对应位置条件属性，编码为“0”时表示该个体不保留集合L中对应位置条件属性；采用借位算法生成初代个体作为初始种群；

S2、根据适应度函数F(r)计算每个个体适应度，适应度函数F(r)为：

其中，lr表示该个体编码中1的个数，属性核R’由条件属性集C’和个体编码中保留集合L中对应位置的条件属性组成，γ_R’(D)表示属性支持度，计算方式如下：

其中，Pos_R’(D)表示决策属性集对属性核R’和的正域，card(S)表示决策表中决策规则个数；

S3、根据个体的适应度对初始种群进行遗传操作生成新一代个体，反复计算新一代个体的适应度和进行遗传操作，直到不低于迭代次数Max，保留最后一代个体中最优的属性核R’即为最优属性核R，其中最后一代个体中最优的属性核R’满足条件：

其中所述步骤S3包括：

S3-1、设置最大迭代次数Max，单点交叉法的交叉概率pc，基本位变异方法的变异概率pm，迭代次数f＝f+1；

S3-2、计算初始个体适应度F(r)，轮盘赌方法保留最优个体；

S3-3、计算所有个体γ_R’(D)，提取个体中所有满足γ_R’(D)＝1的个体，转S3-4；若无个体满足γ_R’(D)＝1，直接转S3-5；

S3-4、迭代次数f＝f+1，判断是否超过最大迭代次数Max，如果是转S3-6；如果不是转S3-5；

S3-5、利用单点交叉法和基本位变异方法处理S3-3中不满足γ_R’(D)＝1的个体形成新一代个体，新一代个体还包括S3-3中所有满足γ_R’(D)＝1的个体，新一代个体转S3-3重新计算所有个体γ_R’(D)；

S3-6、提取使得max((l-lr)/l)的个体，此个体编码种保留集合L中对应位置的条件数据和条件属性集C’组成算法结果最优属性核R；

根据最优属性核R优化决策表S，形成新决策表S’，获得变压器状态知识，其中新决策表S’由决策表S中各决策规则仅保留最优属性核R中的条件属性构成，所述变压器状态知识包括：基础状态知识，由新决策表S’中条件属性集C’组成的决策规则构成；以及扩充知识，由新决策表S’中R-C’后剩余的条件属性组成的决策规则构成。