[发明专利]基于快速自适应优化脉冲神经膜系统的故障诊断方法

权利要求书

1.基于快速自适应优化脉冲神经膜系统的故障诊断方法，包括步骤：

S10：从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；

S11：根据获取的信息识别出停电区域并确定停电区域内的可疑故障元件；

S12：根据可疑故障元件与保护装置的动作信息和断路器的跳闸信息之间的逻辑关系，将电力系统的故障诊断问题表示为0-1整数规划问题，即目标函数；

S13：构建快速自适应优化脉冲神经膜系统；

S14：利用快速自适应优化脉冲神经膜系统对目标函数进行求解，依据求解得到的结果确定故障元件；

其特征在于，所述构建快速自适应优化脉冲神经膜系统，包括步骤：

S131：输入学习概率值将脉冲串T_s重新排列成规则概率矩阵P_R，输入变异概率和初始迭代次数gen＝0；其中，1≤j≤m，m为规则概率矩阵P_R的列数，矩阵中的每一行概率值来自同一个ESNPS，用于表示优化问题的一个染色体或者一个个体；

S132：开始执行gen＝gen+1；

S133：行指示器i赋初始值为1。

S134：如果行指示器i大于其最大值H，则转至S1325；其中，H为规则概率矩阵P_R的行数；

S135：列指示器j赋初始值为1。

S136：如果列指示器j大于其最大值m，则转至S1312；

S137：产生一个随机数f_rand，如果随机数f_rand小于学习概率值则继续，否则，转至S1310；

S138：在H个染色体当中，选择不同于当前个体i的两个个体k₁和k₂，即k₁≠k₂≠i，如果个体k₁和k₂的适应度函数值f(C_k1)和f(C_k2)存在关系f(C_k1)＞f(C_k2)，则当前个体i向k₁学习，即b_j＝b_k1；否则，当前个体i向k₂学习，即b_j＝b_k2；其中，b_j、b_k1和b_k2分别是中间变量、第k₁个和第k₂个个体的第j位二进制码；

S139：如果b_j＞0.5，则当前规则概率值为否则当前规则概率值为其中，和分别为第j列0的个数和1的个数；

S1310：如果搜索到最好解的第j位二进制码为则当前规则概率值为否则

S1311：列指示器j增加1，转至S136继续；

S1312：行指示器i增加1，转至S134继续；

S1313：计算当前代全局最优值G_bestfit(gen)，当代样本多样性DP_average(gen)以及当代最好个体所对应的列标R_bestfit；

S1314：如果G_bestfit(gen)G_bestfit(gen-1)，则使P_cm1＝0；如果G_bestfit(gen)＝G_bestfit(gen-1)，则使其中，P_cm1和G_bestfit(gen-1)分别代表局部最优触发条件和前一代全局最优值；N_nimaxgen1且N_nimaxgen∈N，即取大于1的自然数；

S1315：计算样本多样性比值其中，DP_average(0)为初始样本多样性值；

S1316：如果同时满足触发条件rand₁(.)＜P_cm1和rand₂(.)＞P_cm2则继续，否则转至S1325；

S1317：令行指示器i＝1；

S1318：判断i是否大于H，如果是则继续，如果不是转至S1325；

S1319：如果i≠R_bestfit，则继续，否则转至S1424；

S1320：令列指示器j＝1；

S1321：如果j小于m，则继续，否则转至S1423；

S1322：如果随机自由量则当前概率值进行变异操作P_ij(gen)＝rand₄(.)，否则不进行变异操作；其中rand₃(.)和rand₄(.)是取自0～1之间的随机数；

S1323：列指示器j增加1，转至S1321继续；

S1324：行指示器i增加1，转至S1318继续；

S1325：如果gen≤gen_max则转至S132，否则转至S14；其中，gen_max为最大迭代次数。