欢迎来到天天文库
浏览记录
ID:19949223
大小:278.00 KB
页数:5页
时间:2018-10-08
《基于改进遗传算法与分级处理的配电网故障定位方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、基于改进遗传算法与分级处理的配电网故障定位方法谭俊源,黄月婷,潘凯(佛山供电局,广东省佛山市528000)摘要:为了克服标准遗传算法容易出现的早熟收敛现象,增强算法的局部搜索能力,提出了一种改进的遗传算法。该算法使用一个助长算子来对种群中的个体进行一定概率下的助长,其遗传个体具有雄性和雌性两种不同的性别,融合了个体间的亲缘关系,异性个体进行严格的远缘繁殖。将改进的遗传算法应用于配电网故障定位中,并引入分级处理的思想,首先把整个配电网划分为主干支路和若干独立区域,再利用该算法分别对各独立区域进行故障定位,然后进行全局寻优,这样大大减少了可行解的维数,提高了定位速度。算例表明了该定位方法
2、的可行性,它对复杂配电网的故障定位尤为有效。关键词:遗传算法;分级处理;评价函数;配电网;故障定位0引言随着经济的发展和人们生活水平的提高,人们对供电可靠性也提出了更高的要求,在配电网发生故障后,对故障设备进行快速、准确的定位显得越来越重要和迫切了。目前解决故障定位的方法主要有:矩阵算法、专家系统、神经网络、蚁群算法、遗传算法等。矩阵算法计算速度快,但对上传故障信息的准确度要求比较高,容错性较差。专家系统通过将获取的故障信息与知识库中的记录进行比较来确定故障位置,定位准确率较高,但是专家系统中的专家知识库的建立与维护是一件烦琐和艰巨的工作,往往由于知识库的维护不到位使得专家系统在适应
3、网络结构变化方面不尽人意。神经网络算法具有较强的适应性,但它需要较完备的样本库,其结构和参数的确定往往依赖与人的经验,所以神经网络在配电网故障定位中的应用大多尚处于实验阶段,离实际应用还有一定的距离。蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和贪婪启发式搜索的特点。将蚁群算法用于配电网故障定位时,一般是把配电网故障定位问题转化为类似于TSP问题的模式,利用蚁群算法进行求解。由于蚁群算法容易出现停滞现象,即搜索进行到一定程度后,所有个体所发现的解完全一致,不能对解空间进一步进行搜索,不利于发现更好的解;而且蚁群中多个个体的运动是随机的,当群体规模
4、较大或网络结构较为复杂时,要找出一条较好的路径需要较长的搜索时间。所以,蚁群算法在配电网故障定位中的应用技术还有待成熟。遗传算法因其具有良好的鲁棒性、可并行性与全局优化性而在电力系统中获得了广泛的应用,在进行配电网故障定位时,它利用上传故障信息,依赖适应度函数,通过对种群的遗传操作,根据适应度的计算来进行全局最优化求解,从而实现对故障设备的定位。但是,在实际应用中,遗传算法的早熟收敛、局部搜索能力不足等缺陷没有从根本上消除,而且由于配电网络结构一般比较复杂,因此,通常存在计算量大的问题,从而导致定位速度较慢。本文为改善遗传算法的性能,提出了一种改进的遗传算法,并将其应用于配电网故障定
5、位中。在进行配电网故障定位时,引入分级处理的思想,首先把整个配电网划分为主干支路和若干独立区域,再利用改进的遗传算法分别对各独立区域进行故障定位,然后进行全局寻优,从而使计算量大大减少。1遗传算法及其改进遗传算法(GeneticAlgorithm)是模拟生物界自然选择和自然遗传机制进化过程来求解复杂问题的全局随机搜索算法,它以编码空间代替问题空间,以适应度函数为评价依据,以编码群体为进化基础,以对群体中个体位串的遗传操作实现选择和遗传机制,建立起一个迭代过程。在这一过程中,通过随机重组编码位串中重要的基因,使新一代的位串集合优于老一代的位串集合,群体的个体不断进化,逐渐接近最优解,最
6、终达到求解问题的目的。基本遗传算法的遗传操作包括选择、交叉和变异。由于传统遗传算法存在局部搜索能力不足、容易出现早熟收敛等缺点,本文对遗传算法进行如下改进:1.1改进选择方法采用两代竞争排序的选择方法来对遗传个体进行优选,遗传个体被区分为雄性和雌性两种不同的性别,把父代与子代的所有雄性个体与雌性个体分别进行重新排序,再按群体规模N分别从排序后的雄性个体集与雌性个体集中截取前N/2个优秀的个体进入匹配池,作为交叉操作的对象。这样不仅保证了交叉操作的个体能进行有效的配对,同时也可以使每一代的优秀个体得以保留,而淘汰那些不良的个体,从而使好的基因和模式不会丢失,有利于尽快找到全局最优解。1
7、.2加入助长操作为了加强算法跳出局部最优的能力,加速算法的收敛,本文算法使用一个助长算子来对种群中的个体进行一定概率下的助长。助长操作在选择操作之后及配对操作之前进行,其具体步骤如下:Step1:令;Step2:随机产生一个实数,使,如果,则执行Step3;否则,跳转到Step6;Step3:令;Step4:如果,则;但如果此时的适应度值降低,则维持;Step5:,如果,则执行Step6;否则,跳转到Step4;Step6:,如果,则执行Step7;否则,
此文档下载收益归作者所有