区段定位配电线路的终端状态编码Ij, j = 1，2, 3. ..，D，D为终端总 数； 步骤S2 :以BPSOGA搜索空间解的维数作为待区段定位配电线路中终端总数D和区段 线路的总数，以空间解的维数状态值作为区段状态编码值，并对参数进行初始化：BPSO子 种群规模N1、惯性权重ω、学习因子(^和c 2;GA子种群规模N2、交叉概率PX、变异概率PM、 重插入因子GGAP、最大迭代次数1\取&= N2 = N ; 步骤S3 :BPS0子种群和GA子种群的初始化：随机初始化BPSO子种群中粒子位置 popl (i)和粒子速度Vi,并计算粒子适应度值f itl (i)、粒子最优位置popbest (i)及粒子最 大适应度值Pbest (i)、群体最优位置gpopbest及群体最大适应度值gbest;随机初始化GA子种 群个体解 p〇p2 (i)及个体适应度值fit2 (i)，i = 1，2, 3. · · N ;其中BPSO中粒子位置popl (i) 与GA中个体解pop2 (i)都用二进制编码，具有相同的维数，都表征配电线路中对应区段的 的区段状态编码； 步骤S4 :令k = 1，进行迭代运算； 步骤S5 :对BPSO子种群的粒子位置popl (i)和粒子速度\进行更新，形成新一代的 BPSO子种群，并更新所述新一代的BPSO子种群的粒子适应度值fitl (i);同时，对GA子种 群进行遗传操作，得到新一代的GA子种群，并更新所述新一代的GA子种群的个体适应度值 fit2(i)； 步骤S6 :比较新一代的BPSO子种群的粒子适应度值fitl (i)和对应的新一代的GA子 种群的个体适应度值fit2 (i)，取适应度值大的粒子或个体作为两个种群下一代进化的父 代粒子和父代个体：令j = 1，进行迭代运算； 步骤 S7 :判断如果 fitl(j) < fit2(j)，则 fitl(j) = fit2(j)、popl(j) = pop2(j)， 否则 fit2 (j) = fitl (j)、pop2 (j) = popl (j)，继续执行步骤 S8 ; 步骤S8 :进行BPSO子种群粒子最大适应度值的更新：比较BPSO子种群粒子适应度值 与粒子最大适应度值的大小：若 fitl (j) > pbest (j)，则 pbest (j) = fitl (j)、popbest(j)= popl (j)，继续执行步骤S9,否则转入执行步骤SlO ; 步骤S9 :进行BPSO子种群最大适应度值的更新：比较BPSO子种群粒子适应度值和群 体最大适应度值的大小：判断若 fitl (j) > gbest，则 gbest= fitl (j)、gpopbest = popl (j)， 继续执行步骤SlO ;否则直接执行步骤SlO ; 步骤SlO :令j = j+Ι，判断如果j > N，则执行步骤S11，否则返回执行步骤S7 ; 步骤Sll :令k = k+Ι，判断如果k < T，若满足，则返回执行步骤S5,继续进化；若不满 足，则结束进化，输出群体最优位置gpopbest。
2. 根据权利要求1所述的一种基于BPSO和GA的配电线路故障区段定位方法，其特征 在于：在所述步骤S3中，所述的BPSO子种群的粒子适应度值和GA子种群的个体适应度值 的计算过程如下： j 式中：Ij (s)为第j个终端的终端状态函数，j = 1，2, 3. . . D，D为终端总数，第j个终 端与电源之间的线路称为该终端的上游线路，与线路末端之间的线路称为该终端的下游线 路，Si为第i区段的区段状态编码，总共有D个区段线路，Π 为逻辑或运算，则上式表示为 第j个终端下游线路状态至少有一个为1时，^ (S)就为1，否则就为〇 ; 将上式代入下式适应度函数中：
式中：fit (η)表示第η个个体的适应度值，η = 1，2, 3. .. N，M取终端总数的两倍，即M =2D，η为[〇, 1]之间的正实数，称为权系数。
3. 根据权利要求1所述的一种基于BPSO和GA的配电线路故障区段定位方法，其特征 在于：在所述步骤S5中，对BPSO子种群的粒子位置popl(i)和粒子速度\进行更新，从而 形成新一代的BPSO子种群的过程为： 步骤SA51 :令i = 1，开始迭代运算； 步骤SA52 :根据上一代粒子最优位置popbest (i)、群体最优位置gpopbest及粒子位置 popl (i)计算新一代的BPSO种群个体的粒子速度Vi和粒子位置popl (i)，具体计算方法如 下：
式中：i = 1，2, 3. . . N、k表示当前迭代次数、ω为惯性权重、(^和c 2为学习因子、ξ i、 MP 都为区间[〇, 1]间的随机数，圪、/哪丨(/)分别表示第i个粒子迭代第k次时在 第d维的粒子速度和粒子位置；表示第i个粒子迭代第k次时在第d维的粒子 最优位置；表示迭代第k次时在第d维的群体最优位置；其中函数如 下：
步骤SA53 :将新一代的BPSO子种群的第i个粒子代入适应度值函数中计算粒子适应 度值 popl (i); 步骤SA54 :令i = i+Ι，判断如果i > N，则停止迭代，执行步骤S6 ;否则返回执行步骤 SA52〇
4. 根据权利要求1所述的一种基于BPSO和GA的配电线路故障区段定位方法，其特征 在于：在所述步骤S5中GA子种群的遗传操作的过程如下： 步骤SB51 :选择：从N个粒子中选出N*GGAP个个体，根据每个个体适应度值的大小，适 应值越大的个体被选择的概率越大，反之越小，一个个体被选择的概率由下式给出：
式中：fit⑴为第i个个体的个体适应度值，F(i)是该个体被选择的概率，i = 1, 2, 3. . . , N ； 步骤SB52 :交叉：将GA子种群中各个个体随机搭配成对，对每一对个体，以交叉概率 PX交换它们之间的部分染色体，产生子代个体； 步骤SB53 :变异：在GA子种群中随机选择一个个体，对于选中的个体以变异概率PM改 变某一些染色体基因座上的基因值为其他的等位基因； 步骤SB54 :重插入：基于适应度大小的排序将N*GGAP个子代个体插入到N个父代个体 中，代替最不适应的父代个体，从而形成新一代的种群； 步骤SB55 :将新一代的种群个体分别代入适应度函数中计算其个体适应度值。
【专利摘要】本发明涉及一种基于BPSO和GA的配电线路故障区段定位方法，该方法利用双种群进化和信息交换的策略实现二进制粒子群和遗传算法的混合，构成二进制混合算法。两个子种群有各自的个体规模，每一代的进化过程互不干扰，在每一代的进化完成后进行信息交换传递，选择最优个体分别进行两个种群下一代的寻优搜索，直至得出最优解。该算法能降低故障定位过程中出现“未成熟收敛”的概率，并且具有一定的容错性，与单独的二进制粒子群或遗传算法进行故障区段定位对比，收敛速度明显提高。
【IPC分类】G01R31-08
【公开号】CN104764980
【申请号】CN201510193324
【发明人】金涛, 李鸿南
【申请人】福州大学
【公开日】2015年7月8日
【申请日】2015年4月22日