基于改進粒子群優化神經網絡的配電網故障診斷

李浩澤 徐康

摘要：為提高配電網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）優化BP網絡的進化神經網絡模型。首先用保護裝置和斷路器的動作信息作為神經網絡輸入，通過改進的粒子群算法對BP神經網絡的權值和閾值進行優化，最后將測試樣本輸入到訓練好的改進粒子群神經網絡（IPSO-BP）模型中進行配電網故障診斷。仿真試驗結果表明：該方法與傳統的BP、PSO-BP相比，在收斂速度和準確度方面都有明顯的提高。

關鍵詞：配電網;粒子群優化算法;神經網絡

0 引言

本文提出了一種改進的粒子群算法與BP神經網絡相結合的算法，將其應用到配電網故障診斷中，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，使得到的結果更接近期望值[1]。以4個基準函數對其算法進行測試，其仿真試驗結果表明，改進粒子群神經網絡優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

粒子群優化算法是一種基于群智能方法的進化計算技術，該算法源于對鳥群捕食的行為研究。假設在一個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解pbest和gbest來更新自己[2]。

1.2 ?IPSO算法

慣性權重w的引入，對PSO算法的發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重能夠幫助該算法達到全局尋優和局部探索之間的有效平衡。

2 ?基于IPSO-BP算法的配電網故障診斷

2.1 ?特征量的提取

對配電網進行故障分析，配電網分為5個故障區域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區域存在故障）、sec2-5、none（表示沒有故障）[3]。選取配電網的保護和斷路器的12個特征參數作為BP網絡的輸入，以8個故障征兆區域作為網絡的輸出，形成訓練樣本，為配電網故障特征值訓練樣本。

2.2 ?PSO-BP網絡參數及狀態編碼設置

根據上面的分析，建立3層BP網絡，12個特征參數對應的BP網絡的輸入，即輸入層節點數為12;以8個故障征兆區域作為網絡的輸出，即輸出層節點數為8;運用黃金分割原理的優化算法，求得的隱含層節點數為24。因此構成了結構為12-24-8的神經網絡模型。粒子群規模為20，c1和c2均取2.05，wmax為0.9，wmin為0.4，設定誤差標準e為10-3，最大迭代次數為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 ?結語

本文運用IPSO算法對BP網絡的權值和閾值進行優化，克服了傳統BP算法的學習速度慢、容易陷入局部最優等缺陷，并將IPSO-BP算法應用到配電網故障診斷中;仿真結果表明，IPSO-BP算法相對于傳統的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故障診斷搜索算法[J].電力自動化設備，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，劉會金，傅志偉.基于神經網絡模式的配電網故障定位[J].湖北電力，2004，28（1）：9-10.

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