一种基于改进粒子群优化算法的电力系统故障诊断方法

摘要

本发明公开了一种基于改进粒子群优化算法的电力系统故障诊断方法，所述粒子群优化算法初始化为一群随机粒子，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个“极值”来更新自己：第一个极值就是粒子本身所找到的最优解，这个极值称为个体极值pbest；另一个极值是整个种群目前找到的最优解，这个极值是全局极值gbest。改进的粒子群优化算法在迭代过程引入进化速度因子H，寻求极小值时，令H为上一次迭代的全局最优值/当前迭代的全局最优值，计算粒子的进化速度，当H低于Δ时，在速度更新方程中加入负扰动项以改变粒子运动方向。与遗传算法方法相比，粒子群优化算法具有稳定性高、收敛特性好、运行速度快的突出优点。

主权项

一种基于改进粒子群优化算法的电力系统故障诊断方法，其特征在于，所述粒子群优化算法的电力系统故障诊断步骤如下：①初始化粒子，粒子个数，pbest，gbest，迭代次数，w，C₁，C₂；②若未达到最大迭代次数，则根据(2)式计算每个粒子的f(S)适应值，更新pbest和gbest；若达到最大迭代次数，则跳转到步骤7执行；x_i+1＝x_i+V_i+1     (2)其中，下标i表示迭代次数，x₁表示第i次迭代时的粒子空间位置，V₁表示第i次迭代时的粒子速度。③为防止陷入局部最优，若某个粒子的位置等于最佳位置，则对该粒子重新初始化赋值；④根据式(4)计算H，若H小于Δ时在速度更新方程中加入负扰动项以改变粒子运动方向，即用式(4)和(5)产生新的速度，并更新粒子群的位置；若H大于或等于Δ，则用式(3)和(4)产生新的速度，并更新粒子群的位置；H＝f(t‑1)/f(t)        (3)式中：H为速度因子。V_i+1＝W*V_i+C₁*rand()*(pbest‑x_i)+C₂*rand()*(gbest‑x_i)‑C_d*(pbest+gbest)/2      (4)式中cd为扰动因子，可在0.30～0.65之间取值；(pbest+gbest)为群体和个体最优解的平均值；惯性权重w采取线性递减策略。$f\left(S\right)=U-\underset{k=1}{\overset{n_r}{\Sigma }}|r_k-{r_k}^{*}\left(S\right)|+\underset{j=1}{\overset{n_c}{\Sigma }}|c_j-{c_j}^{*}(S,R)|---\left(5\right)$⑤由于粒子的位置只有0、1两种状态，因此对函数值以0.5为分界点进行离散化，x(t)<0.5取值为0，否则取为1；⑥迭代次数加1，返回步骤2；⑦输出结果。