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
【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。