基于改進粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)故障診斷

李浩澤 徐康

摘要：為提高配電網(wǎng)故障診斷的準確性和快速性，本文提出了基于改進粒子群算法（IPSO）優(yōu)化BP網(wǎng)絡(luò)的進化神經(jīng)網(wǎng)絡(luò)模型。首先用保護裝置和斷路器的動作信息作為神經(jīng)網(wǎng)絡(luò)輸入，通過改進的粒子群算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化，最后將測試樣本輸入到訓練好的改進粒子群神經(jīng)網(wǎng)絡(luò)（IPSO-BP）模型中進行配電網(wǎng)故障診斷。仿真試驗結(jié)果表明：該方法與傳統(tǒng)的BP、PSO-BP相比，在收斂速度和準確度方面都有明顯的提高。

關(guān)鍵詞：配電網(wǎng);粒子群優(yōu)化算法;神經(jīng)網(wǎng)絡(luò)

0 引言

本文提出了一種改進的粒子群算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的算法，將其應(yīng)用到配電網(wǎng)故障診斷中，同時引用了遺傳算法的變異思想，在粒子群算法中引入變異操作，使得到的結(jié)果更接近期望值[1]。以4個基準函數(shù)對其算法進行測試，其仿真試驗結(jié)果表明，改進粒子群神經(jīng)網(wǎng)絡(luò)優(yōu)化算法具有更好的性能和全局搜索能力。

1 ?PSO算法及IPSO算法簡介

1.1 標準PSO算法

粒子群優(yōu)化算法是一種基于群智能方法的進化計算技術(shù)，該算法源于對鳥群捕食的行為研究。假設(shè)在一個D維的目標搜索空間中，有m個粒子，其中第i個粒子（i=1，2，…，m）的位置和速度分別為Xi=（xi1，xi2，…，xiD）和Vi=（ vi1，vi2，…，viD），粒子在每一次迭代中通過跟蹤兩個最優(yōu)解pbest和gbest來更新自己[2]。

1.2 ?IPSO算法

慣性權(quán)重w的引入，對PSO算法的發(fā)展起到了重要的作用，其大小反映了對當前粒子速度繼承的多少，因此選擇合適的慣性權(quán)重能夠幫助該算法達到全局尋優(yōu)和局部探索之間的有效平衡。

2 ?基于IPSO-BP算法的配電網(wǎng)故障診斷

2.1 ?特征量的提取

對配電網(wǎng)進行故障分析，配電網(wǎng)分為5個故障區(qū)域sec1-sec5，分別配有過流保護CO，后備距離保護RR，QF表示斷路器，其中保護、斷路器在“1” 或“0”中取值，“1”表示保護動作或斷路器跳閘，“0”表示保護未動作或斷路器閉合。故障征兆將其分為8個部分，分別為線路sec1、sec2、sec3、sec4、sec5、sec3-4（表示sec3或sec4區(qū)域存在故障）、sec2-5、none（表示沒有故障）[3]。選取配電網(wǎng)的保護和斷路器的12個特征參數(shù)作為BP網(wǎng)絡(luò)的輸入，以8個故障征兆區(qū)域作為網(wǎng)絡(luò)的輸出，形成訓練樣本，為配電網(wǎng)故障特征值訓練樣本。

2.2 ?PSO-BP網(wǎng)絡(luò)參數(shù)及狀態(tài)編碼設(shè)置

根據(jù)上面的分析，建立3層BP網(wǎng)絡(luò)，12個特征參數(shù)對應(yīng)的BP網(wǎng)絡(luò)的輸入，即輸入層節(jié)點數(shù)為12;以8個故障征兆區(qū)域作為網(wǎng)絡(luò)的輸出，即輸出層節(jié)點數(shù)為8;運用黃金分割原理的優(yōu)化算法，求得的隱含層節(jié)點數(shù)為24。因此構(gòu)成了結(jié)構(gòu)為12-24-8的神經(jīng)網(wǎng)絡(luò)模型。粒子群規(guī)模為20，c1和c2均取2.05，wmax為0.9，wmin為0.4，設(shè)定誤差標準e為10-3，最大迭代次數(shù)為100次。

2.3 ?故障診斷試驗

運用三種算法進行10次測試，然后取平均值，利用IPSO-BP算法進行故障診斷比PSO-BP算法、BP算法更接近期望輸出值，很大程度上提高了故障診斷精度。

3 ?結(jié)語

本文運用IPSO算法對BP網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化，克服了傳統(tǒng)BP算法的學習速度慢、容易陷入局部最優(yōu)等缺陷，并將IPSO-BP算法應(yīng)用到配電網(wǎng)故障診斷中;仿真結(jié)果表明，IPSO-BP算法相對于傳統(tǒng)的BP算法、PSO-BP算法，無論是從收斂速度上還是在診斷精度上都有顯著的提高，并且從實例中也驗證了該算法的準確性與可行性。

參考文獻：

[1] ?胡非，劉志剛，何士玉，楊紅梅.一種基于模型的配電網(wǎng)故障診斷搜索算法[J].電力自動化設(shè)備，2013，33（1）：81-84.

Hu Fei，Liu Zhigang，He Shiyu，Yang Hongmei.Model-based search algorithm of fault diagnosis for distribution system[J].Electric Power Automation Equipment，2013，33（1）：81-84（in Chinese）.

[2] ?李洪揚.一種用于配電網(wǎng)故障定位的粒群算法分析[J].重慶科技學院學報（自然科學版），2010，12（3）：127-130.

Li Hongyang.Analysis of Particle Swarm Optimization Algorithm for Distribution Fault Location[J].Chong Qing institute of technology（Natural Science），2010，12（3）：127-130（in Chinese）.

[3] ?廖犬發(fā)，劉會金，傅志偉.基于神經(jīng)網(wǎng)絡(luò)模式的配電網(wǎng)故障定位[J].湖北電力，2004，28（1）：9-10.

Liao Quanfa，Liu Huijin，F(xiàn)u Zhiwei.Fault-locating for Distribution Network Based on Neuro-net Model[J].Hu Bei electric power，2004，28（1）：9-10（in Chinese）.