基于双态二进制粒子群优化算法的配电网故障定位

发布时间：2024-06-12 02:27

　　针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。

【文章页数】：6 页

【部分图文】：

图1双态粒子群模型Fig.1Bi-stateparticleswarmmodelPBPSO

vi,d(t+1))函数饱和，一般假设速度在[-4，4]范围内。1.2BBPSO的基本原理由粒子群在解空间搜索轨迹可知，粒子群总是沿着前一次迭代的速度方向进行快速搜索。当某一粒子在当前解空间内搜索到了最优解，其周围的粒子将快速地聚集到最优解的位置。若该最优解的位置为局部最优点，那....

流程图2简单配电网络Fig.2SimpledistributionnetworkCB1S1S2S3L1L2L3L42.3BBPSO应用的

第31卷钟建伟等：基于双态二进制粒子群优化算法的配电网故障定位·31·函数；hpg,d为处于探索状态的粒子在解空间内搜索的全局最优；sign(r)为符号函数；r为随机数；T1为进入探索状态后所需的最大迭代次数；t1为进入探索状态后的当前迭代次数。1.3BBPSO的改进措施针对BP....

图3IEEE33节点配电网络Fig.3IEEE33-busdistributionnetwork232425（23）（24）（25）5

图4单点故障信息完整时两种算法比较

第31卷钟建伟等：基于双态二进制粒子群优化算法的配电网故障定位·33·BPSO算法。对于少数故障信息发生畸变的情况，BPSO算法在100次运算后仍然没有找到全局最优解，而BBPSO算法在运算到11次时已经找到了全局最优解。3.2多点故障仿真假设多馈线区段（10，20）、（10，2....

本文编号：3993084