基于Powell算法和粒子群算法的雷电流波形参数识别方法技术

本发明专利技术提出的基于Powell算法和粒子群算法的雷电流波形参数识别方法，属于电工领域中雷电监测技术领域。该方法首先通过电流传感器获取实测雷电基底电流数据，确定雷电基底电流函数模型，根据实测雷电基底电流数据得到雷电基底电流的波形参数；然后结合Powell算法和粒子群算法，对实测雷电基底电流波形参数进行波形参数识别。本发明专利技术克服了传统的雷电流波形参数识别方法中采用粒子群算法容易停滞在局部最优结果这一缺点，并且相比于Nelder‑Mead单纯形法加粒子群算法，具有收敛迭代次数更小的优点，对实测雷电基底电流数据进行波形参数辨识，可以有效帮助实现电力电子系统雷电防护的数字化监测。

【技术实现步骤摘要】
基于Powell算法和粒子群算法的雷电流波形参数识别方法
本专利技术属于电工领域中雷电监测
，特别涉及一种基于Powell算法和粒子群算法的雷电流波形参数识别方法，。
技术介绍
雷电是十大自然灾害之一。它瞬间产生的大电流、高电压和强电磁场，不仅会造成人畜伤亡，对人类赖以生存的自然资源和人类创造的物质财富有巨大的破坏作用，而且还常给电力、通信、石油化工、航空航天、铁道交通，乃至金融证券等国民经济部门的设备设施带来损坏。因此，雷电现象、雷电物理、雷电预警与防护等问题仍是大气电学、电力系统、放电物理等领域的热点研究问题。雷电基底电流是指雷电通道最底端的雷电流，简称为雷电流。雷电基底电流是由闪电所产生的大电流，是影响建筑物和电子设备的主要源头，是雷电防护中的重点关注的对象，故了解雷电基底电流的特性是防雷的基础。通常，研究者们采用双指数函数或者Heidler函数来作为雷电基底电流的表达式，V.Javor于2011年在其文章《AChannel-BaseCurrentFunctionforLightningReturn-StrokeModeling》中提出了一种新的雷电基底电流表达式，简称为NCBC电流模型，其表达式见式(1)。此模型具有峰值雷电基底电流和其对应的峰值时间简单可调等优点。雷电流波形参数包含：雷电流幅值，即该雷电流的最大电流值；波头时间，从时间t＝0开始到达该雷电流最大电流值所需的时间；半波时间，从时间t＝0开始第二次到达该雷电流最大电流值一半所需的时间。雷电流波形参数决定了该雷电流的波形形状。当前，雷电监测设备逐渐数字化，自动化，故针对实测得到的雷电流数据，如何快速得到其波形参数，具有重要的工程应用价值。若利用实测的电流数据和电流函数去直接求解电流波形参数，通常很难得到理想的结果，故有研究者采用寻优算法，如粒子群算法，寻优得到雷电流的波形参数，但粒子群算法容易停滞在局部最优的结果，为了克服这一缺点，刘平等人于2009年在其文章《雷电流波形参数估计仿真研究》中提出采用Nelder-Mead单纯形法和粒子群算法对雷电流波形参数进行寻优估计，其方法结合了能用来全局寻优的粒子群算法和能用来局部寻优的Nelder-Mead单纯形法，一定程度上能克服只利用粒子群算法时出现停滞在局部最优结果的问题，但刘平等人提出的这个方法在达到最优精度(或最小误差)时需要的迭代步数(或时间)过长。与本
技术实现思路
相关的已有技术简介如下：雷电基底电流NCBC电流模型，表达式如下：式中，i是雷电基底电流，t是时间，中间参数tm是峰值雷电流对应的峰值时间，Im是峰值电流，a和bi(i＝1，2，…，n)分别为波头参数和波尾参数，ci为权重参数，n为波尾可调参数。粒子群算法：粒子群算法最早由社会心理学博士Kennedy和电子工程学博士Eberhart于1995年提出，在粒子群算法模型中，每一个粒子的自身状态都由一组位置和速度向量描述，分别表示问题的可行解和它在搜索空间中的运动方向。粒子通过不断地学习它所发现的群体最优解和邻居最优解，实现全局最优搜索。粒子的速度的位置更新方程是粒子群算法的核心，分别由以下两个公式描述：vij(k+1)＝w(k)vij(k)+c1r1(pbestij(k)-xij(k))+c2r2(gbestj(k)-xij(k))(0-2)xij(k+1)＝xij(k)+vij(k+1)(0-3)其中，c1，c2为学习因子，r1，r2为[0,1]的随机数，w(k)为进化调节参数。vij(k)表示粒子i在进化到k代时的第j维飞行速度分量。xij(k)表示粒子i在进化到k代时的第j维位置分量，pbestij(k)表示粒子i在进化到k代时的第j维个体最优位置pbesti分量，gbestj(k)表示进化到k代时整个粒子群的最优位置gbest的第j维分量。Powell算法：Powell算法又称方向加速法，它由Powell于1964年提出，是利用共轭方向可以加快收敛速度的性质形成的一种搜索方法。该方法不需要对目标函数进行求导，当目标函数的导数不连续的时候也能应用，因此，Powell算法是一种十分有效的直接搜索法。该算法具体步骤如下：1)选取初始向量X0，n个线性无关的初始方向向量{d0,d1,…,dn-1}(通常为单位方向向量)，寻优函数f(.)及精度ε>0和最大迭代次数MaxStep_Powell，迭代次数l＝1；2)将初始向量X0依次沿方向{d0,d1,…,dn-1}进行一维极小值搜索，每一次都得到更小的误差值和其对应的向量其中3)令方向向量按此方向进行一维极小值搜索，得到判断此时是否达到停止条件，若是则输出和若否则转步骤4)；4)求出Δm使得：以及计算：并判断下式是否同时成立：若是则转步骤5)，若否则转步骤6)；5)令dm-1＝dn，迭代次数l＝l+1，转步骤2)；6)若f2<f3，则否则转步骤2)；
技术实现思路
本专利技术的目的在于克服已有技术的不足之处，提出一种基于Powell算法和粒子群算法的雷电流波形参数识别方法。本专利技术克服了传统的雷电流波形参数识别方法中采用单一的粒子群算法容易停滞在局部最优结果这一缺点，并且相比于Nelder-Mead单纯形法加粒子群算法，具有收敛迭代次数更小的优点，对实测雷电基底电流数据进行波形参数辨识，可以有效帮助实现电力电子系统雷电防护的数字化监测。本专利技术提出的基于Powell算法和粒子群算法的雷电流波形参数识别方法，其特征在于，包括以下步骤：1)在人工引雷杆底部安装电流传感器，通过电流传感器获取实测雷电基底电流数据；2)确定雷电基底电流函数模型，根据步骤1)获取的实测雷电基底电流数据，得到雷电基底电流的波形参数；具体包括以下步骤：2-1)从实测雷电基底电流数据中截取N个采样点的波形段，起止点分别记为[j,j+N-1]，其中j点是雷电发生时雷电基底电流最先开始出现变化的第一个零点，得到该波形段的实测雷电基底电流片段Imeasure；2-2)采用NCBC电流模型作为雷电基底电流函数模型，模型函数表达式如式(1)所示：式中，i是雷电基底电流，t是时间，中间参数tm是峰值雷电流对应的峰值时间，Im是峰值电流，a和bi，i＝1，2，…，n，分别为波头参数和波尾参数；ci为权重参数，n为波尾可调参数，n为正整数，取值范围为[2，10]；则所需辨识的全部波形参数包括：Im，tm，a，bi，ci；3)结合Powell算法和粒子群算法，对步骤2)得到的实测雷电基底电流波形参数进行波形参数识别，具体步骤如下：3-1)设置粒子群算法的初始粒子个数，初始粒子值，速度值，最大迭代次数和满足停止条件的最小误差ermin；其中，初始粒子值即为所需辨识的波形参数Im，tm，a，bi，ci的初始值；3-2)针对第k次粒子群算法迭代中，利用式(2)-(3)对粒子种群进行粒子和速度更新：vij(k+1)＝w(k)vij(k)+c1r1(pbestij(k)-xij(k))+c2r2(gbestj(k)-xij(k))(2)xij(k+1)＝xij(k)+vij(k+1)(3)式中，c1，c2为学习因子，r1，r2为[0，1]的随机数，w(k)为进化调节参数，w(k)＝1-k/kmax，kmax是最大迭代次数，vi本文档来自技高网...

【技术保护点】
一种基于Powell算法和粒子群算法的雷电流波形参数识别方法，其特征在于，包括以下步骤：1)在人工引雷杆底部安装电流传感器，通过电流传感器获取实测雷电基底电流数据；2)确定雷电基底电流函数模型，根据步骤1)获取的实测雷电基底电流数据，得到雷电基底电流的波形参数；具体包括以下步骤：2‑1)从实测雷电基底电流数据中截取N个采样点的波形段，起止点分别记为[j,j+N‑1]，其中j点是雷电发生时雷电基底电流最先开始出现变化的第一个零点，得到该波形段的实测雷电基底电流片段I

【技术特征摘要】
1.一种基于Powell算法和粒子群算法的雷电流波形参数识别方法，其特征在于，包括以下步骤：1)在人工引雷杆底部安装电流传感器，通过电流传感器获取实测雷电基底电流数据；2)确定雷电基底电流函数模型，根据步骤1)获取的实测雷电基底电流数据，得到雷电基底电流的波形参数；具体包括以下步骤：2-1)从实测雷电基底电流数据中截取N个采样点的波形段，起止点分别记为[j,j+N-1]，其中j点是雷电发生时雷电基底电流最先开始出现变化的第一个零点，得到该波形段的实测雷电基底电流片段Imeasure；2-2)采用NCBC电流模型作为雷电基底电流函数模型，模型函数表达式如式(1)所示：式中，i是雷电基底电流，t是时间，中间参数tm是峰值雷电流对应的峰值时间，Im是峰值电流，a和bi，i＝1，2，…，n，分别为波头参数和波尾参数；ci为权重参数，n为波尾可调参数，n为正整数，取值范围为[2，10]；则所需辨识的全部波形参数包括：Im，tm，a，bi，ci；3)结合Powell算法和粒子群算法，对步骤2)得到的实测雷电基底电流波形参数进行波形参数识别，具体步骤如下：3-1)设置粒子群算法的初始粒子个数，初始粒子值，速度值，最大迭代次数和满足停止条件的最小误差ermin；其中，初始粒子值即为所需辨识的波形参数Im，tm，a，bi，ci的初始值；3-2)针对第k次粒子群算法迭代中，利用式(2)-(3)对粒子种群进行粒子和速度更新：vij(k+1)＝w(k)vij(k)+c1r1(pbestij(k)-xij(k))+c2r2(gbestj(k)-xij(k))(2)xij(k+1)＝xij(k)+vij(k+1)(3)式中，c1，c2为学习因子，r1，r2为[0，1]的随机数，w(k)为进化调节参数，w(k)＝1-k/kmax，kmax是最大迭代次数，vij(k)表示粒子i在进化到k次迭代时的第j维飞行速度分量，xij(k)表示粒子i在进化到k次迭代时的第j维位置分量，pbestij(k)表示粒子i在进化到k次迭代时的第j维个体最优位置pbesti分量，gbestj(k)表示进化到k次迭代时整个粒子群的最优位置gbest的第j维分量；将第k次更新得到的所有粒子值代入式(1)进行计算，得到寻优雷电基底电流Icalculate，并利用式(4)求得每个粒子值分别对应的误差值，从中选出最小的误差值Tbest...

【专利技术属性】
技术研发人员：何金良，杨滚，余占清，陈水明，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11