一种考虑配电网拓扑特点的最小碰集算法制造技术

本发明专利技术公开了一种考虑配电网拓扑特点的最小碰集算法，包括如下步骤：步骤一、获取最小冲突集簇；步骤二、BPSOGA参数初始化；步骤三、根据现有的适应度函数构建出一种新适应度函数；步骤四、BPSO子种群和GA子种群进行信息交互；步骤五、构建新适应度函数的最小碰集判据，本发明专利技术优点是：首先分析了现有三类适应度函数的特点，通过加权融合，使构建的新适应度函数集中了三类适应度函数的优点，再通过分析配电网的拓扑结构，并得出配电网故障的最小冲突集簇的特点，利用此特点，提出了最小碰集判据，该最小碰集判据直接使最小碰集算法不再需要最小碰集保证策略，进而使求解速度大幅提高，准确率略微上升。

【技术实现步骤摘要】
一种考虑配电网拓扑特点的最小碰集算法
本专利技术涉及配电网故障诊断的
，更具体地说是涉及配电网最小碰集算法的

技术介绍
配电网是电力系统的重要组成部分，其主要作用是分配电能，是电力系统安全稳定运行的重要环节。在当下，基于人工智能的配电网故障诊断方法成为研究的热点。基于模型诊断[model-baseddiagnosis，MBD]作为人工智能的一个重要研究方向，在配电网故障诊断中引起了广泛关注。在基于模型诊断的方法中，诊断产生过程主要包括离线建立系统模型、搜索最小冲突集候选，在线识别最小冲突集、计算最小碰集、故障模式识。其中，在线计算最小碰集最为复杂、实耗最长，是影响整个基于模型诊断实时性的关键。因此，许多学者对最小碰集算法进行了研究。人工智能领域专家Reiter在1987年首次给出计算碰集的算法HS-TREE。后来，BHS-TREE、Boolean等方法相继被提出。但是，由于以上方法大都基于树或图，数据结构复杂且计算量大，不适合求解大规模的碰集问题。于是基于智能优算法的最小碰集算法成为发展趋势，这些方法主要包括：GA、BPSO、DE、IGA等。虽然这些智能算法已经用到很多实际问题当中，在配电系统中的应用也很多，但是这些方法都是普适性的，都只是单纯地将普适性的最小碰集算法应用到各个故障诊断中，并没有考虑实际问题的具体特点。因此，求解速度和准确率的提高都受到了极大的限制。若能将每个实际问题的特性考虑进去，形成每个问题所特有的最小碰集算法，求解速度和准确率将得到较大提高。
技术实现思路
本专利技术就是为了克服上述现有技术的不足，而提出的一种将配电网拓扑结构特点考虑进最小碰集算法中，可提高求解速度和准确率的考虑配电网拓扑特点的最小碰集算法。本专利技术所采用的技术方案是：一种考虑配电网拓扑特点的最小碰集算法，包括如下步骤：步骤一、获取最小冲突集簇：根据MBD的诊断步骤获取配电网故障的最小冲突集簇；步骤二、BPSOGA参数初始化，BPSOGA参数初始化包括二进制粒子群优化算法BPSO的参数初始化和遗传算法GA的参数初始化，二进制粒子群优化算法BPSO的参数初始化包括以下步骤：二进制粒子群优化算法BPSO按照如下公式进行速度和位置的迭代更新：其中，ω为惯性权重，c1和c2为学习因子，ξ1和ξ2为[0,1]上的随机数，分别表示第i个粒子第k次迭代时在d维的速度和位置；表示第i个粒子在第k次迭代是在d维的个体最优位置，表示第k次迭代是在d维的群体最优位置；公式与字体不再一条线上，请统一，其他位置类同遗传算法GA的参数初始化包括以下步骤：适应度线性排序、选择、交叉、变异、重插入；步骤三、根据现有的适应度函数构建出一种新适应度函数：其中，ω为权重系数，Ncx表示在最小冲突集簇C中，与当前粒子x有交集的冲突集数量，Nc表示最小冲突集簇C中的冲突集的数量，Lx表示粒子x的长度；BPSO子种群和GA子种群根据各自的方式更新粒子群位置，并根据构建的新适应度函数计算适应度值；步骤四、BPSO子种群和GA子种群进行信息交互，共同更新粒子个体最优和粒子群的全局最优，如果则否则如果则否则步骤五、构建新适应度函数的最小碰集判据：根据构建的最小碰集判据判定最小碰集MHS，若全局最优的适应度值Fit(xgbest)＝ωNc，则将最小碰集MHS的粒子添加到精英集；若Fit(xgbest)≠ωNc，则进行下次迭代。在所述步骤三中，根据现有的适应度函数，通过加权融合的方式，构建出新适应度函数。在所述步骤五中，分析配电网的拓扑特点，并将配电网的拓扑特点融入到最小碰集判据中。在所述步骤四中，利用BPSO与GA双种群进化，使BPSO子种群和GA子种群进行信息交互。本专利技术与现有技术相比有下列显著效果：首先分析了现有三类适应度函数的特点，通过加权融合，使构建的新适应度函数集中了三类适应度函数的优点，有效避免了三类适应度函数的缺点。在此基础上，通过分析配电网的拓扑结构，并得出配电网故障的最小冲突集簇的特点：最小冲突集之间没有交集。利用此特点，提出了最小碰集判据。该最小碰集判据直接使最小碰集算法不再需要最小碰集保证策略，进而使求解速度大幅提高，准确率略微上升。1)通过加权融合构建的新适应度函数使粒子直接朝着最小碰集迭代且不受种群和非碰集粒子的影响，于是最小碰集的计算速度和准确率得到提高。2)融入配电网拓扑特点的最小碰集判据，有效避免了最小碰集保证策略耗时过长的弊端。3)利用BPSO与GA双种群进化，利用GA与BPSO双种群信息共享策略进行优势互补，提高了求解效率，使算法兼顾了较强的全局寻优和个体寻优能力，最小碰集计算的准确率得到提高。附图说明图1为典型配电网拓扑结构；图2为14节点配电网模型；图3为求解时间对比图；图4为粒子维度对比图。具体实施方式一种考虑配电网拓扑特点的最小碰集算法，包括如下步骤：步骤一、获取最小冲突集簇：根据MBD的诊断步骤获取配电网故障的最小冲突集簇；在诊断的逻辑表示中，系统可以用一个三元组(SD，OBS，COMP)来表示，其中SD为系统的模型描述一阶语句，OBS为系统的观测值一阶语句，COMP为组成系统的元件集合。MBD领域中的常用基本概念介绍如下：冲突集(ConflictSet，CS)。集合为系统的一个冲突集，需要满足以下条件：最小冲突集(MinimumConflictSet，MCS)。若冲突集C的任意真子集都不是冲突集，那么它是一个最小冲突集。碰集(HittingSet，HS)。MCSs为最小冲突集簇，集合H为系统的一个碰集，需要满足以下条件：最小碰集(MinimumHittingSet，MHS)。若碰集H的任意真子集都不是碰集，那么它是一个最小碰集。C精英集(EliteSet，ES)。在算法迭代过程中，在产生的最小碰集装入一个集合中，这个集合就是精英集。步骤二、BPSOGA参数初始化，BPSOGA参数初始化包括二进制粒子群优化算法BPSO的参数初始化和遗传算法GA的参数初始化，二进制粒子群优化算法BPSO的参数初始化包括以下步骤：二进制粒子群优化算法BPSO按照如下公式进行速度和位置的迭代更新：其中，ω为惯性权重，c1和c2为学习因子，ξ1和ξ2为[0,1]上的随机数，分别表示第i个粒子第k次迭代时在d维的速度和位置；表示第i个粒子在第k次迭代是在d维的个体最优位置，表示第k次迭代是在d维的群体最优位置。遗传算法GA的参数初始化包括以下步骤：适应度线性排序、选择、交叉、变异、重插入。适应度线性排序采用以下公式将适应度值控制在[0,2]之间：其中，N为种群个体数，pos为个体根据目标值大小在种群中的排序位置；sp为最佳个体选中概率与平均选中概率的比值。选择采用轮盘赌方法确定：其中，f(xi)为个体的适应度；F(xi)为该个体被选择的概率；N为种群数量。交叉概率与变异概率的关系满足下式：PM＝PX/Lind(8)其中，PX为交叉概率；Lind为染色体长度；PM为基因变异概率。重插入是将旧种群N个个体和新种群N个个体合并，并且根据适应度值大小排序，取前N个个体形成新的种群。步骤三、根据现有的适应度函数构建出一种新适应度函数：配电网故障诊断的最小碰集算法采用的第一类适应度函数为：其中，P为粒子群X的规模，hnum为粒子群X中与最小本文档来自技高网...

【技术保护点】
1.一种考虑配电网拓扑特点的最小碰集算法，其特征在于包括如下步骤：步骤一、获取最小冲突集簇：根据MBD的诊断步骤获取配电网故障的最小冲突集簇；步骤二、BPSOGA参数初始化，BPSOGA参数初始化包括二进制粒子群优化算法BPSO的参数初始化和遗传算法GA的参数初始化，二进制粒子群优化算法BPSO的参数初始化包括以下步骤：二进制粒子群优化算法BPSO按照如下公式进行速度和位置的迭代更新：

【技术特征摘要】
1.一种考虑配电网拓扑特点的最小碰集算法，其特征在于包括如下步骤：步骤一、获取最小冲突集簇：根据MBD的诊断步骤获取配电网故障的最小冲突集簇；步骤二、BPSOGA参数初始化，BPSOGA参数初始化包括二进制粒子群优化算法BPSO的参数初始化和遗传算法GA的参数初始化，二进制粒子群优化算法BPSO的参数初始化包括以下步骤：二进制粒子群优化算法BPSO按照如下公式进行速度和位置的迭代更新：其中，ω为惯性权重，c1和c2为学习因子，ξ1和ξ2为[0,1]上的随机数，分别表示第i个粒子第k次迭代时在d维的速度和位置；表示第i个粒子在第k次迭代是在d维的个体最优位置，表示第k次迭代是在d维的群体最优位置；遗传算法GA的参数初始化包括以下步骤：适应度线性排序、选择、交叉、变异、重插入；步骤三、根据现有的适应度函数构建出一种新适应度函数：其中，ω为权重系数，Ncx表示在最小冲突集簇C中，与当前粒子x有交集的冲突集数量，Nc表示最小冲突集簇C中的冲突集的数量，Lx表示粒子x的长度；BPS...

【专利技术属性】
技术研发人员：向群，赵安安，张繁，刘伟，王波，罗立荣，
申请(专利权)人：湖北鄂电德力电气有限公司，
类型：发明
国别省市：湖北,42