一种量子变异多元宇宙优化的供电线路故障辨识方法技术

一种量子变异多元宇宙优化的供电线路故障辨识方法，涉及供电线路故障辨识领域；通过在传统多元宇宙优化算法中引入量子粒子群算法，并在算法中引入粒子平均最优位置，使算法具有更好的收敛精度与速度；采用柯西

【技术实现步骤摘要】
一种量子变异多元宇宙优化的供电线路故障辨识方法


[0001]本专利技术涉及供电线路故障辨识领域，尤其涉及一种量子变异多元宇宙优化的供电线路故障辨识方法。

技术介绍

[0002]煤炭仍然是中国最重要的能源煤炭作为我国人民生产生活的主要消耗能源，其开采工作常伴随频繁的安全事故，其中煤矿供电线路是故障发生率最高的部分之一，这主要是受到外力、线路老化等影响；为了加快保护装置清除故障后恢复正常运行的速度，尽快确定故障位置是非常重要的；在矿用供电线路中，目视检查非常耗时，延误了故障线路的维修，另一方面，故障定位方法的准确性取决于数据采集和处理的质量，包括先前的故障检测和分类结果，故障分类时故障辨识的最后一步，也是最为重要的一步，常用的故障分类方法有随机森林、支持向量机、极限学习机、核极限学习机等；随机森林已经被证明在某些噪音较大的分类或回归问题上会过拟，对于有不同取值的属性的数据，取值划分较多的属性会对随机森林产生更大的影响，所以随机森林在这种数据上产出的属性权值是不可信的。支持向量机对大规模训练样本难以实施，支持向量机的空间消耗主要是存储训练样本和核矩阵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量子变异多元宇宙优化的供电线路故障辨识方法，其特征在于，包括以下步骤：S1:收集输电线路故障电压信号；S2:对故障电压信号进行变分模态分解；选取变分模态分解后的模态分量瞬时频率的均值，绘制标准化瞬时频率均值曲线，得到变分模态分解算法中最优的K值；S3:利用VMD方法对故障电压信号进行分解，得到IMF分量；再利用PE计算各个本征模态分量的多尺度熵值；S4:将计算得到的各本征模态分量的排列列熵值组成特征向量；S5:在标准多元宇宙优化算法中采用量子粒子群算法，引入粒子平均最优位置Av(t)；引入柯西
‑
高斯变异策略构建量子变异多元宇宙优化算法；S6:利用量子变异多元宇宙算法优化核极限学习机的正则化系数和核函数参数；S7:构建线路故障模态分解熵与量子变异多元宇宙优化核极限学习机预测分类模型，判别出输电线路短路故障类型。2.如权利要求1所述的量子变异多元宇宙优化的供电线路故障辨识方法，其特征在于，所述多元宇宙优化算法运行方式如式(1)所示：其中，X
j
为目前最优宇宙的第j个变量ub
j
为第j个变量最大值，lb
j
为第j个変量最小值，为第i个宇宙的第j个变量,r2,r3,r4均为介于0和1的随机数；WEP表示虫洞存在可能性系数，如式(2)所示：其中，min为WEP最小值；max为WEP最大值；l为当前迭代次数；L为最大迭代次数；TDR表示旅程距离速率系数，如式(3)所示其中，p定义了随迭代次数改变的探测速度，p值越高，局部探测速度越快，用时越短。3.如权利要求1所述的量子变异多元宇宙优化的供电线路故障辨识方法，其特征在于，所述引入粒子平均最优位置Av(t)的具体过程为：将量子粒子群算法引入多元宇宙优化算法中，设定每一个粒子都具有量子行为，对于粒子i，其吸引势子表示为p
i
(p
i,1
,p
i,2
,
…
,p
i,n
)，考虑到粒子位置x
i,j
随时间变化由波函数描述其状态，则N维搜索空间基于δ势阱的量子粒子群算法中粒子进化方程如式(4)所示：其中，p
i,j
表示吸引势子p<...

【专利技术属性】
技术研发人员：付华，管智峰，包力铭，刘尚霖，陈子林，周文铮，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：