【技术实现步骤摘要】
本专利技术涉及电网故障检测，特别涉及一种微电网故障预测方法和系统。
技术介绍
1、由于微电网存在不同类型发电和储能的节点，不同节点之间存在一定的电网连接关系，因此微电网之间的电路连接关系会因为各种原因导致微电网故障，现有的微电网故障通常需要人工识别，然而人工识别方式费时费力，且现有微电网组建方式包括大量的光伏发电设备等，现有技术中无法对每个微电网的端口设备配置处理器和通讯装置等以识别对应的故障信息，另外微电网故障初期可能存在一些相关特征无法准确识别，从而降低了微电网故障维护的效率和预测性能，因此现有微电网的故障预测和识别还是存在很多困难。
技术实现思路
1、本专利技术其中一个专利技术目的在于提供一种微电网故障预测方法和系统，所述方法和系统基于蝴蝶算法进行故障微电网节点的搜索查询，预测可能存在故障的微电网节点，从而提高了微电网故障维护效率，减少微电网故障对整个电网系统的影响。
2、本专利技术另一个专利技术目的在于提供一种微电网故障预测方法和系统，所述方法和系统获取微电网包括但不仅限于历史故障数据和维修数据进行蝴蝶算法的优化迭代，从而找到基于蝴蝶算法的最优故障预测模型，预测输出较高准确率的故障微电网。
3、本专利技术另一个专利技术目的在于提供一种微电网故障预测方法和系统，所述方法和系统获取不同微电网自身的状态参数、电网状态参数和微电网所在地区的环境参数构建蝴蝶算法的适应度函数，根据所述适应度函数计算所述蝴蝶算法的香味值，因此本专利技术中的微电网故障预测可以有效地
4、为了实现至少一个上述专利技术目的，本专利技术进一步提供一种微电网故障预测方法，所述方法包括：
5、获取不同微电网节点历史数据，从所述微电网节点历史数据中获取相同时间点的包括微电网节点自身的状态数据和微电网节点所连接市电网络的状态数据；
6、根据蝴蝶算法构建蝴蝶种群，获取对应微电网节点相同时间点的环境状态数据；
7、根据所述电网节点自身的状态数据、微电网节点所连接市电网络的状态数据和环境状态数据构建所述蝴蝶算法的适应度函数；
8、根据所述适应度函数构建所述蝴蝶种群的香味函数，利用所述香味函数驱动所述蝴蝶种群中的个体移动，迭代优化后得到最优蝴蝶个体为预测的故障微电网节点。
9、根据本专利技术其中一个较佳实施例，所述微电网节点历史数据包括：微电网节点的输出电压uout、输出电流iout、输出电压波动值δuout、输出电流波动值δiout，以及微电网所连接的市电网络的电压值uq，电流值iq、电压波动值δuq和电流波动值δiq，将所述微电网节点历史数据作为输入参数进行蝴蝶算法的搜索预测。
10、根据本专利技术另一个较佳实施例，所述环境状态数据包括微电网节点所在地点和对应时间的温度值t、气压值p和天气状态数据m，将所述天气状态数据转化数值数据，并将对应的温度值t、气压值p和天气状态数据m作为输入参数输入到蝴蝶算法中进行搜索预测。
11、根据本专利技术其中一个较佳实施例，所述微电网节点输出电压波动值δuout、输出电流波动值δiout和微电网所连接的市电网络的电压波动值δuq和电流波动值δiq的计算方法包括：根据所述微电网节点历史数据统计每个微电网节点自身的平均输出电压uout0，并获取对应微电网节点某一历史输出电压uout，进一步计算得到对应微电网节点历史数据的输出电压波动值δuout＝|uout-uout0|；对应的输出电流波动值δiout＝|iout-iout0|，其中iout0为微电网节点的历史平均输出电流；所述对应市电网络的电压波动值δuq＝|uq-uq0|，其中uq0为对应市电网络在相同时间节点微电网历史数据下的历史电压平均值；所述对应市电网络的电流波动值δiq＝|iq-iq0|，iq0为对应市电网络在相同时间节点微电网历史数据下的历史电流平均值。
12、根据本专利技术另一个较佳实施例，定义每一个输入参数类型值为xi，设置对应参数的标准值为yi，所述蝴蝶算法的适应度函数的计算方式包括：f(xt,xt+1)＝1-1/其中所述xt表示当前蝴蝶位置，xt+1为下一个蝴蝶位置。
13、根据本专利技术另一个较佳实施例，根据所述蝴蝶的适应度函数计算蝴蝶算法的香味函数其中δi为不同参数类型的权重参数，1-1/构成了所述蝴蝶算法香味值的刺激浓度，c为感觉因子，α为幂指数，初始化蝴蝶算法，计算所述蝴蝶种群中每个蝴蝶的香味值ft，并根据每个蝴蝶所获取的其它蝴蝶香味值ft+1，选取适应度函数最大的其它蝴蝶作为当前迭代的蝴蝶移动方向，多次迭代后查找到最优的蝴蝶解。
14、根据本专利技术另一个较佳实施例，所述最优蝴蝶解的计算方法包括如下步骤：根据上述适应度函数：得到当前蝴蝶种群中最优蝴蝶解g*，所述最优蝴蝶解具有所有蝴蝶种群中最大适应度值maxf(xt,xt+1)，进一步采用如下公式进行全局搜索：其中m和t分别表示在迭代次数和蝴蝶个体标识，r为取值0-1范围内的随机数，xt蝴蝶在m次迭代后的解为
15、根据本专利技术另一个较佳实施例，所述最优蝴蝶的计算方法包括如下步骤：根据上述适应度函数：并随机生成一个蝴蝶解采用如下公式进行局部最优搜索：其中和分别表示在第m次迭代后解空间中第j个蝴蝶和第k个蝴蝶的解。
16、为了实现至少一个上述专利技术目的，本专利技术进一步提供一种微电网故障预测系统，所述系统执行上述一种微电网故障预测方法。
17、本专利技术进一步提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算程序，所述计算程序被处理器执行以实现上述一种微电网故障预测方法。
本文档来自技高网...【技术保护点】
1.一种微电网故障预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述微电网节点历史数据包括：微电网节点的输出电压Uout、输出电流Iout、输出电压波动值ΔUout、输出电流波动值ΔIout，以及微电网所连接的市电网络的电压值Uq，电流值Iq、电压波动值ΔUq和电流波动值ΔIq，将所述微电网节点历史数据作为输入参数进行蝴蝶算法的搜索预测。
3.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述环境状态数据包括微电网节点所在地点和对应时间的温度值T、气压值P和天气状态数据M，将所述天气状态数据转化数值数据，并将对应的温度值T、气压值P和天气状态数据M作为输入参数输入到蝴蝶算法中进行搜索预测。
4.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述微电网节点输出电压波动值ΔUout、输出电流波动值ΔIout和微电网所连接的市电网络的电压波动值ΔUq和电流波动值ΔIq的计算方法包括：根据所述微电网节点历史数据统计每个微电网节点自身的平均输出电压Uout0，并获取对应微电网节点某一
5.根据权利要求1所述的一种微电网故障预测方法，其特征在于，定义每一个输入参数类型值为xi，设置对应参数的标准值为yi，所述蝴蝶算法的适应度函数的计算方式包括：其中所述xt表示当前蝴蝶位置，xt+1为下一个蝴蝶位置。
6.根据权利要求1所述的一种微电网故障预测方法，其特征在于，根据所述蝴蝶的适应度函数计算蝴蝶算法的香味值其中δi为不同参数类型的权重参数，构成了所述蝴蝶算法香味值的刺激浓度，c为感觉因子，α为幂指数，初始化蝴蝶算法，计算所述蝴蝶种群中每个蝴蝶的香味值ft，并根据每个蝴蝶所获取的其它蝴蝶香味值ft+1，选取适应度函数最大的其它蝴蝶作为当前迭代的蝴蝶移动方向，多次迭代后查找到最优的蝴蝶解。
7.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述最优蝴蝶解的计算方法包括如下步骤：根据上述适应度函数：得到当前蝴蝶种群中最优蝴蝶解g*，所述最优蝴蝶解具有所有蝴蝶种群中最大适应度值maxF(xt,xt+1)，进一步采用如下公式进行全局搜索：其中m和t分别表示在迭代次数和蝴蝶个体标识，r为取值0-1范围内的随机数，xt蝴蝶在m次迭代后的解为
8.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述最优蝴蝶的计算方法包括如下步骤：根据上述适应度函数：并随机生成一个蝴蝶解采用如下公式进行局部最优搜索：其中和分别表示在第m次迭代后解空间中第j个蝴蝶和第k个蝴蝶的解。
9.一种微电网故障预测系统，其特征在于，所述系统执行上述权利要求1-8中任意一项所述的一种微电网故障预测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算程序，所述计算程序被处理器执行以实现上述权利要求1-8中任意一项所述的一种微电网故障预测方法。
...【技术特征摘要】
1.一种微电网故障预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述微电网节点历史数据包括：微电网节点的输出电压uout、输出电流iout、输出电压波动值δuout、输出电流波动值δiout，以及微电网所连接的市电网络的电压值uq，电流值iq、电压波动值δuq和电流波动值δiq，将所述微电网节点历史数据作为输入参数进行蝴蝶算法的搜索预测。
3.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述环境状态数据包括微电网节点所在地点和对应时间的温度值t、气压值p和天气状态数据m，将所述天气状态数据转化数值数据，并将对应的温度值t、气压值p和天气状态数据m作为输入参数输入到蝴蝶算法中进行搜索预测。
4.根据权利要求1所述的一种微电网故障预测方法，其特征在于，所述微电网节点输出电压波动值δuout、输出电流波动值δiout和微电网所连接的市电网络的电压波动值δuq和电流波动值δiq的计算方法包括：根据所述微电网节点历史数据统计每个微电网节点自身的平均输出电压uout0，并获取对应微电网节点某一历史输出电压uout，进一步计算得到对应微电网节点历史数据的输出电压波动值δuout＝|uout-uout0|；对应的输出电流波动值δiout＝|iout-iout0|，其中iout0为微电网节点的历史平均输出电流；所述对应市电网络的电压波动值δuq＝|uq-uq0|，其中uq0为对应市电网络在相同时间节点微电网历史数据下的历史电压平均值；所述对应市电网络的电流波动值δiq＝|iq-iq0|，iq0为对应市电网络在相同时间节点微电网历史数据下的历史电流平均值。
5.根据权利要求1所述的一种微电网...
【专利技术属性】
技术研发人员：方丽全，张海东，张鹏，宁忠，周志强，
申请(专利权)人：浙江省邮电工程建设有限公司，
类型：发明
国别省市：
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。