本發(fā)明專利技術(shù)公開了一種基于改進(jìn)蜻蜓算法的高壓直流輸電系統(tǒng)故障測距方法，涉及電力系統(tǒng)及高電壓技術(shù)領(lǐng)域，利用混沌初始化種群、雙向搜索、自適應(yīng)柯西變異改進(jìn)蜻蜓算法(LDACMDA)對高壓直流輸電線路發(fā)生的故障進(jìn)行測距。本發(fā)明專利技術(shù)包括：構(gòu)建高壓直流輸電系統(tǒng)模型與改進(jìn)蜻蜓算法模型；采集模型中暫態(tài)相互獨(dú)立的零模分量和線模分量并求取線模分量和零模分量首波頭模極大值比；分別構(gòu)建滿足收斂條件的可行解集和最優(yōu)解集；利用所收集數(shù)據(jù)對改進(jìn)蜻蜓算法模型進(jìn)行測試，得到高壓直流輸電線路故障距離預(yù)測結(jié)果，將其結(jié)果與真實(shí)結(jié)果對比分析表明，改進(jìn)蜻蜓算法在搜索精度與計算效率方面具有較大優(yōu)勢，對于高壓直流輸電線路故障測距具有重要價值。價值。價值。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于改進(jìn)蜻蜓算法的高壓直流輸電系統(tǒng)故障測距方法
[0001]本專利技術(shù)涉及電力
，具體涉及一種基于改進(jìn)蜻蜓算法的高壓直流輸電系統(tǒng)故障測距方法。
技術(shù)介紹
[0002]高壓直流輸電系統(tǒng)在我國發(fā)展迅速，并在西電東送工程和全國聯(lián)網(wǎng)中起著重要的作用，但由于高壓直流輸電線路距離長，跨越的地形復(fù)雜，氣候條件多變，當(dāng)發(fā)生線路故障時不容易巡線及排查。因此開展高壓直流輸電線路故障測距的研究，對于可靠，準(zhǔn)確地故障測距，及時修復(fù)故障線路，減小停電損失，保證供電可靠性和提高電力系統(tǒng)的安全穩(wěn)定經(jīng)濟(jì)運(yùn)行具有十分重要的意義。高壓直流輸電線路故障時，會產(chǎn)生行波沿線路傳播。行波信號屬于具有突變性質(zhì)的非平穩(wěn)信號，而其中的
″
突變點(diǎn)
″
包含有故障時刻，故障位置等信息，如果能對這些故障信息加以提取和分析就可以構(gòu)建出有效的故障測距方法。現(xiàn)有的故障定位技術(shù)還存在許多缺陷，例如阻抗法故障定位速度較慢，行波法故障定位精確度較低。
技術(shù)實(shí)現(xiàn)思路
[0003]為解決現(xiàn)有的故障定位不準(zhǔn)確，定位速度較慢問題，本專利技術(shù)通提供了一種基于改進(jìn)蜻蜓算法的高壓直流輸電系統(tǒng)故障測距方法，引進(jìn)了改進(jìn)蜻蜓算法，利用混沌初始化提高算法的解的質(zhì)量和收斂速度；利用雙向搜索方法提高算法的尋優(yōu)能力；利用自適應(yīng)柯西變異解決算法“早熟”陷入局部最優(yōu)的問題。由于改進(jìn)蜻蜓算法不需要了解問題的特殊信息，只需要對問題進(jìn)行優(yōu)劣的比較，通過各個蜻蜓個體的局部尋優(yōu)行為，最終在群體中使全局最優(yōu)值突現(xiàn)出來，有著較快的收斂速度。把高壓直流輸電系統(tǒng)的線模和零模分量帶入算法模型可以較為精確地求出故障距離。對于高壓直流輸電系統(tǒng)的故障測距具有重大的意義。
[0004]本專利技術(shù)具體采用以下技術(shù)方案：
[0005]一種基于改進(jìn)蜻蜓算法的高壓直流輸電系統(tǒng)故障測距方法，包括以下步驟：
[0006]Step1：在Matlab建立高壓直流輸電線路模型與改進(jìn)蜻蜓算法優(yōu)化模型，并在模型中模擬線路故障，獲取高壓直流輸電線路系統(tǒng)模型中暫態(tài)相互獨(dú)立的線模分量和零模分量，并且分別求取在各個尺度內(nèi)所描述線模分量和零模分量的首波頭模極大值比充當(dāng)算法優(yōu)化模型的樣本輸入值
[0007]Step2：采用Logistic混沌映射方法優(yōu)化蜻蜓種群的參數(shù)初始化，其迭代公式如下所示：
[0008]z
i
＝μz
i
(1
?
z
i
)(1)
[0009]式中：i為要算法產(chǎn)生序列長度，i＝0，1，2，...，L
?
1，L；μ為控制參數(shù)，μ∈(0，4]；z
i
∈[0，1]。當(dāng)3.5699456＜μ≤4時，Logistic映射處于一個混沌狀態(tài)，μ＝4時，呈現(xiàn)一個典型混沌特征。
[0010]Step3：分別計算該種群中各蜻蜓個體的目標(biāo)函數(shù)值大小。
[0011]Step4：選擇所有的可行解，基于Pareto支配關(guān)系來構(gòu)造當(dāng)前的Pareto最優(yōu)解集，并加入到外部檔案中。
[0012]Step5：判斷外部檔案的大小是否超過了最大容量范圍，如果超過了的話，則按照本專利技術(shù)提出的基于擁擠距離的外部檔案動態(tài)維護(hù)策略來剔除多余的值；否則，繼續(xù)執(zhí)行下一步。
[0013]Step6：為了能夠進(jìn)一步加快個體之間的信息傳遞速度，提高算法的尋優(yōu)能力，可在式(2)中加入歷史最優(yōu)解和當(dāng)前解的信息，通過差分運(yùn)算結(jié)果來進(jìn)一步引導(dǎo)解的收斂，使得當(dāng)前解的信息能夠得到充分的利用，極大增強(qiáng)了解的尋優(yōu)能力；同時，r作為方向控制因子，可取(
?
1，1)之間任意一個隨機(jī)分布的數(shù)，能夠控制搜索的方向，達(dá)到雙向搜索的目的，能夠進(jìn)一步提高解的收斂效率和尋優(yōu)能力，因此，本專利技術(shù)改進(jìn)的算法把式(2)改進(jìn)成了如下公式(3)所示：
[0014]x
t+1
＝x
t
+Δx
t+1
(2)
[0015]x
t+1，i
＝x
t，i
+Δx
t+1，i
+r(x
Food
?
x
t，i
)(3)
[0016]式中，x
t
是表示當(dāng)前第t代種群個位置，Δx
t+1
表示下一代種群位置更新步長，r是(
?
1，1)之間的隨機(jī)分布的數(shù)，服從均勻分布，x
Food
表示算法中當(dāng)前食物源的位置，即歷史最優(yōu)解，x
t，i
為當(dāng)前解的位置，t為當(dāng)前迭進(jìn)行的代次數(shù)。
[0017]Step7：根據(jù)式(4)和本專利技術(shù)在算法進(jìn)化迭代過程中采用自適應(yīng)柯西變異策略(ACM)來進(jìn)一步豐富種群多樣性，避免算法陷入局部最優(yōu)的問題。ACM綜合考慮到了蜻蜓個體極值點(diǎn)g
p
(最優(yōu)或最差極值點(diǎn))和當(dāng)前全局極值點(diǎn)z
p
(最優(yōu)或最差極值點(diǎn))的距離問題與進(jìn)化代數(shù)之間的關(guān)系，每次迭代后ACM對全局極值點(diǎn)z
p
進(jìn)行變異處理，產(chǎn)生變異若變異后優(yōu)于f(z
p
)，則用該值取而代之。自適應(yīng)柯西變異操作表達(dá)式如下所示：
[0018][0019][0020][0021]μ(j)為各維步長分量變異權(quán)重平均值，F(xiàn)(x
m
)為柯西變異操作表達(dá)式，為第i只蜻蜓在第j維度上的移動步長分量，N為蜻蜓個數(shù)，x
m
為變異種子；
[0022]Step8：終止條件判定：如果算法達(dá)到了最大迭代次數(shù)，則迭代次數(shù)加1處理，并轉(zhuǎn)至step2；否則執(zhí)行下一步處理。
[0023]Step9：最后輸出外部檔案中所有的解。
[0024]進(jìn)一步的，高壓直流輸電線路中模量的傳輸函數(shù)如下所示：
[0025][0026]其中A
j
(ω)為高壓直流輸電線路的模量傳輸函數(shù)，U
j1
(jω)是測距裝置安裝點(diǎn)在線路中檢測到的高頻分量，U
j
(jω)是從故障發(fā)生點(diǎn)接收到的高頻分量，γ
j
是高壓直流輸電線路中的模衰減系數(shù)，x是故障發(fā)生點(diǎn)與距測距裝置安裝位置之間的長度。
[0027]根據(jù)上述的高壓直流輸電線路模量傳輸函數(shù)公式(7)，可以進(jìn)一步推導(dǎo)出模量衰減特性和故障距離x之間的數(shù)學(xué)關(guān)系：
[0028][0029][0030]上式中a1為線模分量的衰減系數(shù)，a0為零模分量的衰減系數(shù)，而U1(jω)、U0(jω)分別為檢測裝置安裝點(diǎn)從故障處檢測到的線模分量和零模分量，U
d1
(jω)、U
d0
(jω)分別為故障發(fā)生點(diǎn)沒有經(jīng)線路衰減，直接測量到的線模分量和零模分量。
[0031]由公式(8)，(9)可得到暫態(tài)電壓線模分量和零模分量首波頭模極大值比與故障距離之間的近似公式為：
[0032][0033]在一個相同的故障下，的值為一個常數(shù)，由式(10)可以得到與故障距離x之間具有非線性關(guān)系。
[0034]根據(jù)上述得到的暫態(tài)電本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種基于改進(jìn)蜻蜓算法的高壓直流輸電系統(tǒng)故障測距方法，其特征在于：包括以下步驟：Step1：在Matlab建立高壓直流輸電線路模型與改進(jìn)蜻蜓算法優(yōu)化模型，并在模型中模擬線路故障，獲取高壓直流輸電線路系統(tǒng)模型中暫態(tài)相互獨(dú)立的線模分量和零模分量，并且分別求取在各個尺度內(nèi)所描述線模分量和零模分量的首波頭模極大值比充當(dāng)算法優(yōu)化模型的樣本輸入值；Step2：采用Logistic混沌映射方法優(yōu)化蜻蜓種群的參數(shù)初始化，其迭代公式如下所示z
i
＝μz
i
(1
?
z
i
)(1)式中：i為算法產(chǎn)生序列長度，i＝0,1,2,....,L
?
1,L；μ為控制參數(shù)，μ∈(0,4]；z
i
∈[0,1]；當(dāng)3.5699456＜μ≤4時，Logistic映射處于一個混沌狀態(tài)，μ＝4時，呈現(xiàn)一個典型混沌特征；Step3：分別計算該種群中各蜻蜓個體的目標(biāo)函數(shù)值大小；Step4：選擇所有的可行解，基于Pareto支配關(guān)系來構(gòu)造當(dāng)前的Pareto最優(yōu)解集，并加入到外部檔案中；Step5：判斷外部檔案的大小是否超過了最大容量范圍，如果超過了的話，則按照提出的基于擁擠距離的外部檔案動態(tài)維護(hù)策略來剔除多余的值；否則，繼續(xù)執(zhí)行下一步；Step6：在式(2)中加入歷史最優(yōu)解和當(dāng)前解的信息，通過差分運(yùn)算結(jié)果來進(jìn)一步引導(dǎo)解的收斂同時，方向控制因子，控制搜索的方向，改進(jìn)的算法把公式(2)改進(jìn)成了如下公式(3)所示:x
t+1
＝x
t
+Δx
t+1
(2)x
t+1,i
＝x
t,i
+Δx
t+1,i
+r(x
Food
?
x
t,i
)(3)式中，x
t
是表示當(dāng)前第t代種群個位置，Δx
t+1
表示下一代種群位置更新步長，r是(－1，1)之間的隨機(jī)分布的數(shù)，服從均勻分布，x
Food
表示算法中當(dāng)前食物源的位置，即歷史最優(yōu)解，x
t,i
為當(dāng)前解的位置，t為當(dāng)前迭代次數(shù)；Step7：根據(jù)式(4)在算法進(jìn)化迭代過程中采用自適應(yīng)柯西變異策略ACM來豐富...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：聶曉華，邱文浩，杜帥帥，朱宇濤，占美娟，
申請(專利權(quán))人：南昌大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。