[发明专利]基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法

说明书

本发明公开基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，在算法初期引入Sine混沌理论生成初始种群丰富种群多样性，为算法全局搜索奠定基础;其次，为避免最优蝠鲼个体陷入局部最优而导致整个群体出现搜索停滞，采用柯西反向学习技术生成其反向解，加快算法收敛速率，达到扩大搜索区域范围，增强算法全局勘探能力的目的。本发明对于含有DG的配电网发生单点故障、多点故障以及FTU上传的故障信息发生畸变或缺失时均能够快速的进行故障定位，均具有较强的容错性及极高的准确率。

技术领域

本发明涉及配电网故障定位技术，尤其涉及基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法。

背景技术

目前存在一种基于智能算法的配电网故障区段定位技术，由于其容错能力强、具有实际工程意义备受广大学者关注。随着分布式电源在配电网接入规模的加大,传统的单电源网络结构将被打破，由多电源构成的复杂网络结构中，故障电流的流向不再唯一。传统的优化智能算法在基于智能算法的配电网故障区段定位技术中存在精确度低、容错性差的问题，其中最显著的缺点就是传统的智能算法全局搜索能力差、易陷入局部最优，收敛速度也影响了配电网线路运行状态实监测系统的时效性。

发明内容

本发明的目的在于提供基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法。

本发明采用的技术方案是：

基于改进蝠鲼觅食优化算法的复杂配电网故障定位方法，包括以下步骤：

步骤S1：建立含有分布式电源(distributed generation,DG)的配电网模型；

步骤S2：使用MATLAB构建配电网拓扑模型；

步骤S3：模拟FTU上传故障信息的过程，即输入开关节点的期望值；

步骤S4：设置种群规模N，求解维度D，最大迭代次数T_max，当前的迭代次数t；

步骤S4：引入Sine映射初始化蝠鲼种群{X_i,i＝1,2,…,N}，Sine混沌自映射的表数学达式为：

式中：初始值x_n不能为0,不在[-1,1]内产生不动点和零点；当迭代一定次数时,系统输出将遍历整个解空间。

步骤S5：生成初始种群X_i的柯西反向种群COX_i；

步骤S6：选择{X_i,COX_i}中适应度较优的一半个体作为初始种群；

步骤S7：选择{X_i,COX_i}中适应度值最小的个体作为当前最优解；

步骤S8：参考合适的蝠鲼位置作为算法的初始最优解，最优蝠鲼的位置X_best及其对应的全局最优适应度值F_best。

步骤S9：获取随机数rand，并调用循环体执行步骤S10；

步骤S10：根据随机数rand的值选择蝠鲼的觅食方式，在链式觅食和旋风式觅食两种觅食策略中切换；即当rand≥0.5时，进行链式觅食并执行步骤S11；当rand＜0.5时，进行旋风式觅食策略并执行步骤S11；

步骤S11：位置更新完成后，对所有的蝠鲼个体再次进行柯西反向学习计算；

步骤S12：围绕着最优位置来更新位置进行筋斗式觅食策略，其数学模型表达如下:

其中:S是决定筋斗范围的筋斗因子,r₂、r₃∈rand(0,1)；