[发明专利]一种基于改进人工鱼群的局部放电定位的方法

说明书

本发明涉及AFSA算法技术领域，尤其涉及一种基于改进人工鱼群的局部放电定位的方法，包括：设置人工鱼群算法初始化参数；计算初始鱼群各个体的适应度值，并将最优值在公告板中记录；根据迭代次数计算自适应Visual和Step；判断是否满足食物浓度的条件，从而执行觅食行为或执行侦查行为；将觅食行为、追尾行为、侦查行为和聚群行为的适应度值与公告板的适应度值进行比较；根据预设的最大迭代次数，判断执行输出最优值还是再次迭代。本发明将人工蜂群算法中的侦查行为引入到AFSA中，并且采用动态参数，并将改进的AFSA运用到GIS设备的局部放电定位当中，提高局部放电定位的精度。

技术领域

本发明涉及AFSA算法技术领域，尤其涉及一种基于改进人工鱼群的局部放电定位的方法。

背景技术

GIS设备的运行状态关系到电网是否能安全运行，而局部放电是GIS设备绝缘劣化或击穿的主要原因之一，严重影响着GIS设备乃至电网的稳定运行。GIS设备内部发生局部放电时会产生超声波信号，向四周辐射，这为局部放电的定位提供了理论依据，在对局部放电进行定位时，定位算法对定位的准确性起着关键作用。

邹康等人的《人工鱼群算法研究综述》，人工鱼群算法(artificial fish swarmalgorithm，AFSA)具有良好的全局并行能力和结构简单、收敛速度快的特点，但也存在算法后期收敛速度减慢、早熟的缺点，将其运用到局部放电定位当中，所达到的精度较低。

徐艳春等人的《SA-APSO算法及其在变压器油中局部放电超声定位中的应用》，提出了一种融入模拟退火思路的自适应粒子群混合算法(simulated annealing-adaptiveparticle swarm optimization algorithm，SA-APSO)，虽然解决了基本粒子群算法(particle swarm optimization algorithm，PSO)局部寻优能力差及易早熟收敛的情况，但是定位精度还有待近一步提高。

发明内容

针对现有算法的不足，本发明针对AFSA的缺点，将人工蜂群算法中的侦查行为引入到AFSA中，并且采用动态参数，有利于跳出局部极值并增强算法的寻优性能，并将改进的AFSA运用到GIS设备的局部放电定位当中，提高局部放电定位的精度。

本发明所采用的技术方案是：一种基于改进人工鱼群的局部放电定位的方法包括以下步骤：

A1、人工鱼群算法参数初始化设置，包括：最大迭代次数K_max、种群规模N、每条人工鱼的初始位置、人工鱼的初始视野Visual₁和步长Step₁、拥挤度因子δ、重复次数try_number；

A2、计算初始鱼群各个体的适应度值F(x_p,y_p,z_p)，并将最优值在公告板中记录；

适应度值计算包括：

在GIS局部放电定位的数学模型中设置多个传感器，计算参考传感器和其他传感器之间的相对距离，公式为：

其中，其它传感器坐标为(x_i,y_i,z_i)，i＝1,2,3…，(x₀,y₀,z₀)为参考传感器坐标，放电源P的位置为(x_p,y_p,z_p)；

放电源P的超声波信号到达其它传感器的时间与到达参考传感器的时间差为τ_i(i＝1,2,3…n)，超声波的速度为v，则有Δl_i≈τ_iv，其中，v为超声波的速度；

适应度函数公式为：