[发明专利]一种基于改进粒子群优化算法的电力系统故障诊断方法

说明书

技术领域

本发明涉及一种电力检测，具体是一种基于改进粒子群优化算法的电力系统故障诊断方法。

背景技术

现代电网的规模、容量和覆盖范围越来越大，电力系统故障诊断系统为供电的可靠性和连续性提供了有力的保障。电力系统故障诊断系统利用采集信息尽可能识别故障元件和误动作的保护与断路器，其中故障元件的识别是关键问题。因此，国内外的研究工作主要集中在故障元件的识别方面。目前故障诊断的方法有逻辑处理方法、专家系统方法(基于Petri网的专家系统方法)、人工神经元网络方法和基于优化技术的方法等。其中基于优化技术的方法又包括遗传算法、混沌算法、模拟退火算法等。这些方法中专家系统方法直观，解释能力强，但是难以获取完备的知识库，无学习能力，容错能力较差。人工神经元网络方法的故障诊断的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。此外，对于不同的故障元件引起相同的保护和断路器动作的情况，这种方法只能给出其中的一个解，局限性较大。一般的模糊系统采用了与专家系统类似的结构，所以它也具有专家系统的一些固有的优缺点，但增加了容错能力。遗传算法(Genetic Algorithm，GA)从优化的角度出发基本上可以解决故障诊断问题，尤其是在复故障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可能的诊断结果，但是稳定性差、速度较慢。

发明内容

本发明的目的在于提供一种能够正确诊断，而且具有很好的收敛速度和稳定性的改进粒子群优化算法的电力系统故障诊断方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于改进粒子群优化算法的电力系统故障诊断方法，所述粒子群优化算法的电力系统故障诊断步骤如下：

①初始化粒子，粒子个数，pbest，gbest，迭代次数，w，C₁，C₂；

②若未达到最大迭代次数，则根据(2)式计算每个粒子的f(S)适应值，更新pbest和gbest；若达到最大迭代次数，则跳转到步骤7执行；

x_i+1＝x_i+V_i+1    (2)

其中，下标i表示迭代次数，x₁表示第i次迭代时的粒子空间位置，V₁表示第i次迭代时的粒子速度。

③为防止陷入局部最优，若某个粒子的位置等于最佳位置，则对该粒子重新初始化赋值；

④根据式(4)计算H，若H小于Δ时在速度更新方程中加入负扰动项以改变粒子运动方向，即用式(4)和(5)产生新的速度，并更新粒子群的位置；若H大于或等于Δ，则用式(3)和(4)产生新的速度，并更新粒子群的位置；

H＝f(t-1)/f(t)    (3)

式中：H为速度因子。