【技术实现步骤摘要】
基于PSO及蚁群-遗传算法的电网故障探测点部署方法
本专利技术涉及基于PSO及蚁群-遗传算法的电网故障探测点部署方法，属于电网探测点部署
技术介绍
电网是经济社会发展的重要基础产业，是国家能源产业链的重要环节。电网主要包含变电、输电和配电三个单元。而在城市中的配电网主要由配电变电所、高压配电线路、配电变压器、低压配电线路以及相应的保护设备组成。当电网中的这些设备出点故障，若不能及时发现并处理，可能会引发连锁故障乃至大面积的停电，从而造成不可挽回的损失，因此电网的故障检测尤为重要。而由于电网结构复杂并且设备较多，如果对电网中的每个设备都部署一个探测点来进行监测，所造成的成本消耗过高。基于此，将电网视为一个网络整体，将设备视为网络中的节点，选取合适的节点来部署探测点使得整个网络中的节点都能够被覆盖的情况下减少探测节点的部署个数，能够有效的减少部署费用和成本。近些年来，一般将电网故障的探测点部署问题映射为最小集合覆盖问题，其经典的求解方法是贪婪算法以及遗传算法等，但由于贪婪算法在对探测点部署问题进行求解时，总是做...
【技术保护点】
1.基于PSO及蚁群-遗传算法的电网故障探测点部署方法，其特征在于：所述方法的具体步骤如下：/nStep1、根据电网系统中电网的结构，获取电网各节点以及网络拓扑的连接方式，并利用无向图G(V,E)对电网各节点及网络拓扑进行建模；/n其中，V＝(v
【技术特征摘要】
1.基于PSO及蚁群-遗传算法的电网故障探测点部署方法，其特征在于：所述方法的具体步骤如下：
Step1、根据电网系统中电网的结构，获取电网各节点以及网络拓扑的连接方式，并利用无向图G(V,E)对电网各节点及网络拓扑进行建模；
其中，V＝(v1,v2,…,vm)表示电网节点集合，E＝(e1,e2,…,en)表示节点之间的路径的集合，m＝|V|和n＝|E|分别表示节点和路径的数量；
Step2、使用Etr和Ers分别表示电网中的任意一节点s到距离为d的另一节点t发送和接收N字节数据的能耗成本，则电网中探测点监测各节点的能耗成本模型表示为：
Ers＝N×Eelec
其中Eelec表示每接收或发送1字节数据所需的能耗成本，d0为距离界限，εfs、εmf表示分别表示在不同情况下电网能耗成本模型的传输放大系数；
Step3、根据Step1中得到的电网结构的无向图模型，在电网的无向图模型中使用PSO算法结合节点能耗成本模型选取探测部署节点；
Step4、利用蚁群-遗传算法寻找与探测部署节点最近的非探测部署节点，使得任一非探测部署节点到探测部署节点的路径最优，得到探测部署节点到非探测部署节点的最短路径，使得选取的探测部署节点全局能耗最低。
2.根据权利要求1所述的基于PSO及蚁群-遗传算法的电网故障探测点部署方法，其特征在于：所述Step3中使用PSO算法结合能耗成本模型选取探测部署节点的具体步骤如下：
Step3.1、初始化PSO算法中的各个参数；记无向图G中的节点总数为m，边的总数为n；从无向图的m个节点中随机选取k个节点作为初始的探测部署节点；设算法迭代的总次数为Tmax，惯性权重的最大值为最小值为初始化学习因子为C1和C2，适应度函数为：F＝D1f1+D2f2，根据节点能耗成本模型初始化适应度函数的权重系数为D1和D2，所需的粒子速度范围为[Vmin,Vmax]；其中，f1，f2分别表示为D1和D2分配的比重，f1+f2＝1；
Step3.2、根据初始化的适应度函数的权重系数，计算出这k个节点各自的适应度值F＝{F1,F2,F3,…,Fk}；
Step3.3、通过迭代更新每个探测部署节点的速度和位置，找到整个无向图G中的最优探测部署节点，当迭代次数达到上限时，停止迭代；其中，在迭代过程中，如果找到了最优探测部署节点，则此节点为当前最优探测部署节点，如果没找到继续迭代，若迭代次数达到所设定的上限时，则之前的最优探测部署节点为当前的最优探测部署节点。
3.根据权利要求1所述的基于PSO及蚁群-遗传算法的电网故障探测点部署方法，其特征在于：所述Step4中利用蚁群-遗传算法寻找与探测部署节点最近的非探测部署节点，使得任一非探测部署节点到探测部署节点的路径最优的具体步骤如下：
Step4.1、初始化蚁群-遗传算法的相关参数；假...
【专利技术属性】
技术研发人员：张志生，张冠豫，胡彩云，段怡，赵卫华，李阳芳，
申请(专利权)人：云南电网有限责任公司信息中心，
类型：发明
国别省市：云南;53
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。