基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法技术

本发明专利技术公开基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，在算法初期引入Sine混沌理论生成初始种群丰富种群多样性，为算法全局搜索奠定基础;其次，为避免最优蝠鲼个体陷入局部最优而导致整个群体出现搜索停滞，采用柯西反向学习技术生成其反向解，加快算法收敛速率，达到扩大搜索区域范围，增强算法全局勘探能力的目的。本发明专利技术对于含有DG的配电网发生单点故障、多点故障以及FTU上传的故障信息发生畸变或缺失时均能够快速的进行故障定位，均具有较强的容错性及极高的准确率。均具有较强的容错性及极高的准确率。均具有较强的容错性及极高的准确率。

【技术实现步骤摘要】
基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法


[0001]本专利技术涉及配电网故障定位技术，尤其涉及基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法。

技术介绍

[0002]目前存在一种基于智能算法的配电网故障区段定位技术，由于其容错能力强、具有实际工程意义备受广大学者关注。随着分布式电源在配电网接入规模的加大,传统的单电源网络结构将被打破，由多电源构成的复杂网络结构中，故障电流的流向不再唯一。传统的优化智能算法在基于智能算法的配电网故障区段定位技术中存在精确度低、容错性差的问题，其中最显著的缺点就是传统的智能算法全局搜索能力差、易陷入局部最优，收敛速度也影响了配电网线路运行状态实监测系统的时效性。

技术实现思路

[0003]本专利技术的目的在于提供基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法。
[0004]本专利技术采用的技术方案是：
[0005]基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，包括以下步骤：
[0006]步骤S1：建立含有分布式电源(distributed generatio本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，其特征在于：其包括以下步骤：步骤S1：建立含有分布式电源(distributed generation，DG)的配电网模型；步骤S2：使用MATLAB构建配电网拓扑模型；步骤S3：模拟FTU上传故障信息的过程，即输入开关节点的期望值；步骤S4：设置种群规模N，求解维度D，最大迭代次数T
max
，当前的迭代次数t；步骤S4：引入Sine映射初始化蝠鲼种群{X
i
，i＝1，2，...，N}，Sine混沌自映射的表数学达式为：式中：初始值x
n
不能为0，不在[
‑
1，1]内产生不动点和零点；当迭代一定次数时，系统输出将遍历整个解空间。步骤S5：生成初始种群X
i
的柯西反向种群COX
i
；步骤S6：选择{X
i
，COX
i
}中适应度较优的一半个体作为初始种群；步骤S7：选择{X
i
，COX
i
}中适应度值最小的个体作为当前最优解；步骤S8：参考合适的蝠鲼位置作为算法的初始最优解，最优蝠鲼的位置X
best
及其对应的全局最优适应度值F
best
。步骤S9：获取随机数rand，并调用循环体执行步骤S10；步骤S10：根据随机数rand的值选择蝠鲼的觅食方式，在链式觅食和旋风式觅食两种觅食策略中切换；即当rand≥0.5时，进行链式觅食并执行步骤S11；当rand＜0.5时，进行旋风式觅食策略并执行步骤S11；步骤S11：位置更新完成后，对所有的蝠鲼个体再次进行柯西反向学习计算；步骤S12：围绕着最优位置来更新位置进行筋斗式觅食策略，其数学模型表达如下：其中：S是决定筋斗范围的筋斗因子，r2、r3∈rand(0，1)；步骤S13：种群位置更新完成后，对所有的蝠鲼个体再次进行适应度值计算；整个算法流程为最小值寻优过程，故当时，最优适应度值否则，G
best
不变；其中，G
best
为全局最优值，为第t代时最优值；步骤S14：判断是否达到最大迭代次数；是则，终止迭代输出当前最优解并执行步骤S15；否则，迭代次数加1并执行步骤S4；步骤S15：利用sigmoid函数将实数向量X＝[x1，x2，
…
x
n
]转化为一个二进制向量Y＝[y1，y2，
…
y
n
]，编码转换思想如下：式中，rand为[0，1]的随机数；
步骤S16：输出的二进制向量Y即为测试结果，完成配电网故障区段的定位。2.根据权利要求1所述的基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，其特征在于：步骤S1具体包括以下子步骤：步骤S101：设I
j
为开关节点状态的实际量测值，定义参考方向为系统主电源流向分布式电源或负荷的方向，并对每一个开关节点进行编码；步骤S102：当馈线终端单元(feeder terminal unit，FTU)监测到的过流与该节点定义的参考方向一致时，令I
j
＝1；反之，I
j
＝
...

【专利技术属性】
技术研发人员：刘丽桑，张荣升，
申请(专利权)人：福建工程学院，
类型：发明
国别省市：