一种基于BFOA的故障定位算法及装置的制作方法

本发明涉及配电网故障定位技术领域，尤其涉及一种基于改进的细菌觅食算法(英文全称：Bacteria Foraging Optimization Algorithm，简称：BFOA)的故障定位算法及装置。

背景技术：

配电自动化是提高配电网运行智能化和自愈性的重要手段，其对于提高供电可靠性具有重要意义。当配电网出现故障后，各相关配电设备将实时的信息上传到控制中心，并由控制中心的故障区间定位软件根据配电设备实时上传的信息对配电设备进行故障定位，因此控制中心可以根据故障区间定位软件定位的故障配电设备的位置，迅速恢复因错误报警导致非故障失电负荷的配电设备，其中配电设备包括馈线终端设备或远程终端设备。因此，配电网故障区段精确定位是实现配电自动化的重要前提和保障。

目前配电网基于配电设备上报的故障信息进行故障定位的方法主要分为两类：一类是基于健全信息的故障定位方法，其原理是故障电流判别法，主要研究成果是矩阵算法。矩阵算法可以迅速实现配电网的故障定位，但是，配电设备多安装于户外，运行环境恶劣，使得故障信息漏报、误报的可能性较高，因此限制了基于健全信息的矩阵算法的应用；另一类是基于非健全信息的故障定位方法，主要研究成果是基于人工智能算法的故障定位方案，比如遗传算法和粒子群算法等。在配电网故障定位的应用中，遗传算法能进行全局寻优求解，具有良好的容错性，但是遗传算法在执行过程中，是随机地、没有指导的迭代搜索，结果容易陷入局部最优。而粒子群优化算法虽然搜索速度快、效率高，算法简单，但是对于离散的优化问题处理不佳，也容易陷入局部最优。

由上述可知，现有技术中配电网基于配电设备上报故障信息进行故障定位时，定位的精度不够。

技术实现要素：

本发明实施例提供的一种基于BFOA的故障定位算法及装置，解决了现有技术中配电网基于配电设备上报故障信息进行故障定位时，定位的精度不够的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面、本发明实施例提供一种基于BFOA的故障定位算法，包括：

获取预设配电网区段内i个配电设备上报的故障信息，其中i表示预设配电网区段内配电设备的总数且i为大于0的整数；

根据BFOA对第n个配电设备的故障信息进行趋向性操作，当第n个配电设备的故障信息的趋向性操作次数j大于或等于第一测试参数N_c时，根据BFOA对第n个配电设备的故障信息进行复制操作，其中N_c表示配电设备的故障信息进行趋向性行为的次数，n∈(1，i)，n为整数；

当第n个配电设备的故障信息的复制操作次数k大于或等于第二预设参数N_re时，根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解；其中，N_re表示配电设备的故障信息进行复制操作的次数，最优解是1的配电设备的故障信息为实际配电设备的故障状态。

具体的，该方法还包括：

当第n个配电设备的故障信息的趋向性操作次数j小于第一测试参数N_c时，根据BFOA对第n个配电设备的故障信息重复趋向性操作；

当第n个配电设备的故障信息的复制操作次数k小于第二预设参数N_re时，将趋向性操作次数初始化，并根据BFOA对第n个配电设备的故障信息重新进行趋向性操作。

具体的，根据BFOA对第n个配电设备的故障信息进行趋向性操作包括：

令第n个配电设备如下趋向一步：

对第n个配电设备的故障信息进行旋转，生成一个随机矢量Δ_m(i)；

第n个配电设备的故障信息沿旋转后随机产生一个方向的移动，移动的步长大小为c(i)，构造第n个配电设备的故障信息的运动方向函数：

其中，θⁱ(j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作的位置，c(i)表示向前移动的步长；

配电设备的故障信息的信号传递如下式：

其中，P(j,k,l)＝{θ(j,k,l)|i＝1,2,...,n}，J_cc(θ,P(j,k,l))表示目标函数值，P是将要被优化的变量的数量，d_attractant，w_attractant，h_repellant，w_repellant表示选择的不同系数；

更新适应度函数值J(i,j+1,k,l)＝J(i,j,k,l)+J_cc(θⁱ(j,k,l),P(j,k,l))；

其中，J(i,j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作后的适应度函数值；

选取第n个配电设备的故障信息最好的适应度函数值J_best，其中J_best＝J(i,j,k,l)；

当J(i,j+1,k,l)<J_best时，令J_best＝J(i,j+1,k,l)，并根据运动方向函数更新θⁱ(j+1,k,l)；

按照上述步骤继续对第n+1个配电设备的故障信息进行趋向性操作。

具体的，更新适应度函数值J(i,j+1,k,l)＝J(i,j,k,l)+J_cc(θⁱ(j,k,l),P(j,k,l))前，还包括：

根据获取的预设配电网区段内i个配电设备上报的故障信息，构造适应度函数：

其中，F_i(S_B)表示第i个故障状态解对应的适应度，S_B表示预设配电网区段内第i个配电设备是否处于正常状态，I表示预设配电网区段内第i个配电设备是否有过电流流过，表示预设配电网区段第i个配电设备的期望状态。

具体的，根据BFOA对第n个配电设备的故障信息进行趋向性操作前，还包括：

初始化参数i，N_c，N_re，c(i)；

初始化迁徙操作次数l、复制操作次数k、趋向性操作次数j。

具体的，根据BFOA对第n个配电设备的故障信息进行复制操作包括：

将预设配电网区段内i个配电设备按照适应度函数值按从小到大的顺序进行排列；

当第n个配电设备的故障信息的适应度函数值＞i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行高斯变异，当min{1,exp(-Δf/T)}>rand时，使用高斯变异后的第n个配电设备的故障信息代替高斯变异前的第n个配电设备的故障信息；

当min{1,exp(-Δf/T)}≤rand时，使用高斯变异前的第n个配电设备的故障信息，其中Δf表示高斯变异后的第n个配电设备的故障信息与高斯变异前的第n个配电设备的故障信息的能量差值，T表示退火温度；rand为(0,1)区间内的随机数。

当第n个配电设备的故障信息的适应度函数值≤i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行混沌扰动，当min{1,exp(-Δf/T)}>rand时，使用混沌扰动后的第n个配电设备的故障信息代替混沌扰动前的第n个配电设备的故障信息；

当min{1,exp(-Δf/T)}≤rand时，使用混沌扰动前的第n个配电设备的故障信息，其中Δf表示混沌扰动后的第n个配电设备的故障信息与混沌扰动前的第n个配电设备的故障信息的能量差值，T表示退火温度，rand为(0,1)区间内的随机数。

具体的，根据BFOA对第n个配电设备进行迁徙操作，输出第n个配电设备的最优解包括：

预设配电网区段内i个配电设备经过复制操作后，第n个配电设备的故障信息以概率P_ed被重新随机分布到寻优空间中，其中P_ed表示迁徙概率；

当等于基态温度T_g时，输出第n个配电设备的故障信息的最优解；

当小于基态温度T_g时，修改预设配电网区段内i个配电设备的故障信息的退火温度T，并初始化复制操作次数k和趋向性操作次数j，并重新进行趋向性操作。

第二方面、本发明实施例提供一种基于BFOA的故障定位装置，包括：

数据单元，用于获取预设配电网区段内i个配电设备上报的故障信息，其中i表示预设配电网区段内配电设备的总数且i为大于0的整数；

第一数据处理单元，用于根据BFOA对数据单元获取的第n个配电设备的故障信息进行趋向性操作；

第二数据处理单元，用于当第一数据处理单元对第n个配电设备的故障信息的趋向性操作次数j大于或等于第一测试参数N_c时，第二数据处理单元根据BFOA对第n个配电设备的故障信息进行复制操作，其中N_c表示配电设备的故障信息进行趋向性行为的次数，n∈(1，i)，n为整数；

第三数据处理单元，用于当第二数据处理单元对第n个配电设备的故障信息的复制操作次数k大于或等于第二预设参数N_re时，第三数据处理单元根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解；其中，N_re表示配电设备进行复制操作的次数，最优解是1的配电设备的故障信息为实际配电设备的故障状态。

具体的，第二数据处理单元，还用于当第一数据处理单元对第n个配电设备的故障信息的趋向性操作次数j小于第一测试参数N_c时，返回第一数据处理单元并根据BFOA对第n个配电设备的故障信息重复趋向性操作；

第三数据处理单元，还用于当第二数据处理单元对第n个配电设备的故障信息的复制操作次数k小于第二预设参数N_re时，返回第一数据处理单元，第一数据处理单元将趋向性操作次数初始化，并根据BFOA对第n个配电设备的故障信息重新进行趋向性操作。

具体的，第一数据处理单元，还用于：

令第n个配电设备的故障信息如下趋向一步；

对第n个配电设备的故障信息进行旋转，生成一个随机矢量Δ_m(i)；

第n个配电设备的故障信息沿旋转后随机产生一个方向的移动，移动的步长大小为c(i)，构造第n个配电设备的故障信息的运动方向函数：

其中，θⁱ(j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作的位置，c(i)表示向前移动的步长；

配电设备的故障信息的信号传递如下式：

其中，P(j,k,l)＝{θ(j,k,l)|i＝1,2,...,n}，J_cc(θ,P(j,k,l))表示目标函数值，P是将要被优化的变量的数量，d_attractant，w_attractant，h_repellant，w_repellant表示选择的不同系数；

更新适应度函数值J(i,j+1,k,l)＝J(i,j,k,l)+J_cc(θⁱ(j,k,l),P(j,k,l))；

其中，J(i,j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作后的适应度函数值；

选取第n个配电设备的故障信息最好的适应度函数值J_best，其中J_best＝J(i,j,k,l)；

当J(i,j+1,k,l)<J_best时，令J_best＝J(i,j+1,k,l)，并根据运动方向函数更新θⁱ(j+1,k,l)；

按照上述步骤继续对第n+1个配电设备的故障信息进行趋向性操作。

具体的，故障定位装置还包括：

第四数据处理单元，用于根据数据单元获取的预设配电网区段内i个配电设备的故障信息上报的故障信息，构造适应度函数：

其中，F_i(S_B)表示第i个故障状态解对应的适应度，S_B表示预设配电网区段内第i个配电设备是否处于正常状态，I表示预设配电网区段内第i个配电设备是否有过电流流过，表示预设配电网区段第i个配电设备的期望状态。

具体的，故障定位装置还包括：

第一初始化参数单元，用于初始化参数i，N_c，N_re，c(i)；

第二初始化参数单元，用于初始化迁徙操作次数l、复制操作次数k、趋向性操作次数j。

具体的，

第二数据处理单元，还用于将预设配电网区段内i个配电设备的故障信息按照第一数据处理单元获取的适应度函数值按从小到大的顺序进行排列；

当第n个配电设备的故障信息的适应度函数值＞i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行高斯变异，当min{1,exp(-Δf/T)}>rand时，使用高斯变异后的第n个配电设备的故障信息代替高斯变异前的第n个配电设备的故障信息；

当min{1,exp(-Δf/T)}≤rand时，使用高斯变异前的第n个配电设备的故障信息，其中Δf表示高斯变异后的第n个配电设备的故障信息与高斯变异前的第n个配电设备的故障信息的能量差值，T表示退火温度；

当第n个配电设备的故障信息的适应度函数值≤i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行混沌扰动，当min{1,exp(-Δf/T)}>rand时，使用混沌扰动后的第n个配电设备的故障信息代替混沌扰动前的第n个配电设备的故障信息；

当min{1,exp(-Δf/T)}≤rand时，使用混沌扰动前的第n个配电设备的故障信息，其中Δf表示混沌扰动后的第n个配电设备的故障信息与混沌扰动前的第n个配电设备的故障信息的能量差值，T表示退火温度，rand为(0,1)区间内的随机数。

具体的，

第三数据处理单元，还用于当第二数据处理单元对预设配电网区段内i个配电设备的故障信息经过复制操作后，第n个配电设备的故障信息以概率P_ed被重新随机分布到寻优空间中，其中P_ed表示迁徙概率；

当等于基态温度T_g时，输出第n个配电设备的故障信息的最优解；

当小于基态温度T_g时，修改预设配电网区段内i个配电设备的故障信息的退火温度T，并初始化复制操作次数k和趋向性操作次数j，并重新进行趋向性操作。

本发明实施例提供的基于BFOA的故障定位算法及装置，通过将BFOA应用于配电网中故障定位，利用BFOA在全局信息交换时的计算效率和求解精度，经过对上报故障信息的第n个配电设备的故障信息的趋向性操作、复制操作以及迁徙操作，从而输出第n个配电设备的故障信息的最优解；其中，最优解是1的配电设备的故障信息为实际配电设备的故障状态，从而可以精确的找到实际故障的配电设备，解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于BFOA的故障定位算法的流程图；

图2为实际应用中在Ackley函数中BOFA算法、PSO算法以及GA算法的寻优结果对比图；

图3为实际应用中故障仿真类型图；

图4为实际应用中BOFA算法、PSO算法以及GA算法的收敛曲线对比图；

图5为实际应用中三电源开环运行的配电网结构图；

图6为实际应用中BOFA算法、PSO算法以及GA算法的定位正确率对比图；

图7为本发明实施例提供的一种基于BFOA的故障定位装置的结构示意图；

图8为本发明实施例提供的一种基于BFOA的故障定位装置的另一种结构示意图。

附图标记：

基于BFOA的故障定位装置-10；

数据单元-1010；

第一数据处理单元-1020；

第二数据处理单元-1030；

第三数据处理单元-1040；

第四数据处理单元-1050；

第一初始化参数单元-1060；

第二初始化参数单元-1070。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的基于BFOA的故障定位算法及装置，通过将BFOA应用于配电网中故障定位，利用BFOA在全局信息交换时的计算效率和求解精度，经过对上报故障信息的第n个配电设备的故障信息的趋向性操作、复制操作以及迁徙操作，从而输出第n个配电设备的故障信息的最优解；其中，最优解是1的配电设备的故障信息为实际配电设备的故障状态，从而可以精确的找到实际故障的配电设备，解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

实施例一、本发明实施例提供一种基于BFOA的故障定位算法，如图1所示包括：

S101、获取预设配电网区段内i个配电设备上报的故障信息，其中i表示预设配电网区段内配电设备的总数且i为大于0的整数。

S102、根据BFOA对第n个配电设备的故障信息进行趋向性操作。

S103、当第n个配电设备的故障信息的趋向性操作次数j大于或等于第一测试参数N_c时，根据BFOA对第n个配电设备的故障信息进行复制操作，其中N_c表示配电设备的故障信息进行趋向性行为的次数，n∈(1，i)，n为整数。

S104、当第n个配电设备的故障信息的复制操作次数k大于或等于第二预设参数N_re时，根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解；其中，N_re表示配电设备的故障信息进行复制操作的次数，最优解是1的配电设备的故障信息为实际配电设备的故障状态。

本发明实施例提供的基于BFOA的故障定位算法通过将BFOA应用于配电网中故障定位，利用BFOA在全局信息交换时的计算效率和求解精度，经过对上报故障信息的第n个配电设备的故障信息的趋向性操作、复制操作以及迁徙操作，从而输出第n个配电设备的故障信息的最优解；其中，最优解是1的配电设备的故障信息为实际配电设备的故障状态，从而可以精确的找到实际故障的配电设备，解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

实施例二、本发明实施例提供一种基于BFOA的故障定位算法，如图1所示包括：

S101、获取预设配电网区段内i个配电设备上报的故障信息，其中i表示预设配电网区段内配电设备的总数且i为大于0的整数。

S102、根据BFOA对第n个配电设备的故障信息进行趋向性操作。

S103、当第n个配电设备的故障信息的趋向性操作次数j大于或等于第一测试参数N_c时，根据BFOA对第n个配电设备的故障信息进行复制操作，其中N_c表示配电设备的故障信息进行趋向性行为的次数，n∈(1，i)，n为整数。

具体的，当第n个配电设备的故障信息的趋向性操作次数j小于第一测试参数N_c时，根据BFOA对第n个配电设备的故障信息重复趋向性操作。

S104、当第n个配电设备的故障信息的复制操作次数k大于或等于第二预设参数N_re时，根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解；其中，N_re表示配电设备的故障信息进行复制操作的次数，最优解是1的配电设备的故障信息为实际配电设备的故障状态。

具体的，当第n个配电设备的故障信息的复制操作次数k小于第二预设参数N_re时，将趋向性操作次数初始化，并根据BFOA对第n个配电设备的故障信息重新进行趋向性操作。

具体的，根据BFOA对第n个配电设备的故障信息的故障信息进行趋向性操作包括：

令第n个配电设备的故障信息如下趋向一步：

对第n个配电设备的故障信息进行旋转，生成一个随机矢量Δ_m(i)；

需要说明的是，每个元素Δ_m(i)，(m＝1,2,...,p都是分布在[-1，1]上的随机数)；

第n个配电设备的故障信息沿旋转后随机产生一个方向的移动，移动的步长大小为c(i)，构造第n个配电设备的故障信息的运动方向函数：

其中，θⁱ(j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作的位置，c(i)表示向前移动的步长；

配电设备的故障信息的信号传递如下式：

其中，P(j,k,l)＝{θ(j,k,l)|i＝1,2,...,n}，J_cc(θ,P(j,k,l))表示目标函数值，P是将要被优化的变量的数量，d_attractant，w_attractant，h_repellant，w_repellant表示选择的不同系数；

更新适应度函数值J(i,j+1,k,l)＝J(i,j,k,l)+J_cc(θⁱ(j,k,l),P(j,k,l))；

其中，J(i,j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作后的适应度函数值；

选取第n个配电设备的故障信息最好的适应度函数值J_best，其中J_best＝J(i,j,k,l)；

当J(i,j+1,k,l)<J_best时，令J_best＝J(i,j+1,k,l)，并根据运动方向函数更新θⁱ(j+1,k,l)；

按照上述步骤继续对第n+1个配电设备的故障信息进行趋向性操作。

具体的，更新适应度函数值J(i,j+1,k,l)＝J(i,j,k,l)+J_cc(θⁱ(j,k,l),P(j,k,l))前，还包括：

根据获取的预设配电网区段内i个配电设备上报的故障信息，构造适应度函数：

其中，F_i(S_B)表示第i个故障状态解对应的适应度，S_B表示预设配电网区段内第i个配电设备的故障信息是否处于正常状态，I表示预设配电网区段内第i个配电设备是否有过电流流过，表示预设配电网区段第i个配电设备的期望状态。

具体的，根据BFOA对第n个配电设备的故障信息进行趋向性操作前，还包括：

初始化参数i，N_c，N_re，c(i)。

初始化迁徙操作次数l、复制操作次数k、趋向性操作次数j。

具体的，根据BFOA对第n个配电设备进行复制操作包括：

将预设配电网区段内i个配电设备按照适应度函数值按从小到大的顺序进行排列。

当第n个配电设备的故障信息的适应度函数值＞i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行高斯变异，当min{1,exp(-Δf/T)}>rand时，使用高斯变异后的第n个配电设备的故障信息代替高斯变异前的第n个配电设备的故障信息。

当min{1,exp(-Δf/T)}≤rand时，使用高斯变异前的第n个配电设备的故障信息，其中Δf表示高斯变异后的第n个配电设备的故障信息与高斯变异前的第n个配电设备的故障信息的能量差值，T表示退火温度。

当第n个配电设备的故障信息的适应度函数值≤i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行混沌扰动，当min{1,exp(-Δf/T)}>rand时，使用混沌扰动后的第n个配电设备的故障信息代替混沌扰动前的第n个配电设备的故障信息。

当min{1,exp(-Δf/T)}≤rand时，使用混沌扰动前的第n个配电设备的故障信息，其中Δf表示混沌扰动后的第n个配电设备的故障信息与混沌扰动前的第n个配电设备的故障信息的能量差值，T表示退火温度，rand为(0,1)区间内的随机数。

需要说明的是，淘汰掉前S_r＝S/2个适应度函数值较小的配电设备，选择后S_r个适应度函数值较大的配电设备进行复制。

具体的，根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解包括：

预设配电网区段内i个配电设备的故障信息经过复制操作后，第n个配电设备的故障信息以概率P_ed被重新随机分布到寻优空间中，其中P_ed表示迁徙概率。

当等于基态温度T_g时，输出第n个配电设备的故障信息的最优解；

需要说明的是，在实际的运算中最优解的表现形式为[0 1 0 … 0 0]，解中的1所对应的设备也就是实际的故障设备。

当小于基态温度T_g时，修改预设配电网区段内i个配电设备的故障信息的退火温度T，并初始化复制操作次数k和趋向性操作次数j，并重新进行趋向性操作。

本发明实施例提供的基于BFOA的故障定位算法及装置，通过将BFOA应用于配电网中故障定位，利用BFOA在全局信息交换时的计算效率和求解精度，经过对上报故障信息的第n个配电设备的故障信息的趋向性操作、复制操作以及迁徙操作，从而输出第n个配电设备的故障信息的最优解；其中，最优解是1的配电设备的故障信息为实际配电设备的故障状态；在全局信息交换阶段引入模拟退火(Simulated Annealing，SA)，以改善全局信息交换时的计算效率和求解精度；在局部深度搜索中引入高斯变异和混沌扰动算子，以提高算法迭代后期跳出局部极值的能力、种群的多样性和收敛速度从而可以精确的找到实际故障的配电设备，解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

实施例三、本发明实施例提供一种基于BFOA的故障定位算法在实际应用中与标准测试函数Ackley算法基本粒子群算法(英文全称：Particle Swarm Optimization，简称：PSO)以及遗传算法(英文全称：Genetic Algorithm，简称：GA)的性能差异比较，如图2、图3、图4、图5以及图6所示包括：

(1)算法收敛性

Ackley函数表达式如下：

其全局最优点为x^*＝(0,…,0)，理论最优值为f(x^*)＝0，可接受解的阈值为0.1，搜索区域为x_i∈[-32,32]。Ackley函数是一种具有大量局部极值点的多模态函数，一般的优化算法易陷入局部极值点。三种算法的参数设置为：

(1)改进BFOA算法：细菌种群大小200，趋向性行为的次数10，最大步数4，复制性行为的次数10，迁徙性行为的次数2，迁徙概率0.2，向前游动的步长0.2，全局混合迭代次数1000。

(2)基本粒子群算法(PSO)：种群规模200，解的维数20，迭代次数1000，权重因子c₁＝c₂＝1.49445；3)遗传算法(GA)：种群规模200，解的维数20，迭代次数1000，交叉概率0.95，变异概率0.08。

对每个测试函数随机连续运行50次，得到了如图2所示的结果。其中，Max表示50次独立实验所得解的最大适应度值，Min表示50次独立实验所得解的最小适应度值，Mean表示50次独立实验所得解的平均适应度值；标准差Std反映算法的稳定性；收敛成功率SucRt表示50次独立实验中算法能达到可接受解阈值的几率。

从图2中可以看出，对于Ackley函数，BFOA则表现出极大的优越性，其寻优结果已相当接近理论最优值，并且算法稳定性高，而其它两种算法的寻优结果较差，基本粒子群算法(PSO)算法更是无法找到可接受解阈值内的可行解。

三种算法的收敛曲线如图4所示。其中，横坐标表示全局混合迭代次数，纵坐标表示平均最优适应度值的常用对数。对于Ackley函数，BFOA的优化性能最好，它利用随机更新策略保持算法迭代后期的种群多样性，种群个体之间可以进行有效的信息交流，使其跳出局部极值，避免出现早熟收敛的现象，与遗传算法(GA)相比，其收敛速度和精度均较好，而基本粒子群算法(PSO)在迭代后期种群多样性降低，跳出局部极值的能力较差，出现早熟收敛现象。

(2)故障定位性能分析

下面以三电源开环运行的配电网以图5为例来说明故障定位的效果。

如图5所示的闭环设计、开环运行的配电网中，S1、S7、S11为变电站变压器低压侧开关，S2、S3、S4、S5、S6、S8、S9、S10、S12为馈线分段开关，数字1-12代表馈线区段，方块代表断路器，实心圆圈代表负荷开关，空心圆圈代表联络开关。图5所示配电网区段4故障后，各开关上报故障信息序列按照开关顺序S1～S12排列为[0 0 0 1 1 1 1 0 0 0 0 0]。馈线自动化系统根据变电站变压器低压侧开关S1、S7、S11的故障信息，判断故障发生在Sub3的供电区域内，然后仅调用Sub3区域的故障定位程序。

进一步地，针对信息畸变、多重故障等情况，进行故障定位仿真测试，得到算法实现故障定位所需平均迭代次数，从而分析算法用于配电网容错故障定位的可行性。

需要说明的是，此处细菌算法参数设置为细菌种群大小10，趋向性行为的次数5，最大步数2，复制性行为的次数5，迁徙性行为的次数2，迁徙概率0.1，向前游动的步长0.1，全局混合迭代次数15。

按照图3的故障仿真类型对图5的电路进行仿真运算，程序连续运行50次，计算算法实现故障定位所需平均迭代次数。测试结果如图3所示，仿真结果表明BFOA算法经平均少于5次迭代即可给出正确的故障区段，快速实现了配电网的容错故障定位。

为了验证BFOA算法的优越性，将BFOA算法与应用较多的粒子群算法和遗传算法比较。在相同的算法参数设置下，对图5所示的配电网，按图3中的故障情况及收敛条件设置，应用BFOA算法、粒子群算法和遗传算法进行仿真实现故障定位。实验中，基本粒子群算法(PSO)的参数为种群规模10，迭代次数15，权重因子c₁＝c₂＝1.49445；遗传算法(GA)的参数为种群规模10，迭代次数15，交叉概率0.95，变异概率0.08。

图6所示为三种算法的定位正确率。在基本相同的参数设置下，实验重复50次。BFOA算法定位精确度要高于遗传算法(GA)和粒子群算法(PSO)。在单故障条件下，三种算法间的差异要远小于多故障下三种算法的差异。在多故障情况下，遗传算法(GA)和粒子群算法(PSO)的定位正确率下降比较明显，分别降低48％和38％。而且在有畸变的情况下，定位的正确率要小于无畸变的情况。但是，对于BFOA算法来说，这种差异比较小。

本发明实施例提供的基于BFOA的故障定位算法相比较模糊细菌觅食，在全局信息交换时的计算效率和求解精度以及提高算法迭代后期跳出局部极值的能力、种群的多样性和收敛速度更强；相比较国际上常用的标准测试函数Ackley，BFOA的优化性能最好，它利用随机更新策略保持算法迭代后期的种群多样性，种群个体之间可以进行有效的信息交流，使其跳出局部极值，避免出现早熟收敛的现象，与遗传算法(GA)相比，其收敛速度和精度均较好，而基本粒子群优化算法(PSO)在迭代后期种群多样性降低，跳出局部极值的能力较差，出现早熟收敛现象；相比较遗传算法(GA)和粒子群算法(PSO)，BFOA算法定位精确度要高；解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

实施例四、本发明实施例提供一种基于BFOA的故障定位装置10，如图7包括：

数据单元1010，用于获取预设配电网区段内i个配电设备上报的故障信息，其中i表示预设配电网区段内配电设备的总数且i为大于0的整数。

第一数据处理单元1020，用于根据BFOA对数据单元1010获取的第n个配电设备的故障信息进行趋向性操作。

第二数据处理单元1030，用于当第一数据处理单元1010对第n个配电设备的故障信息的趋向性操作次数j大于或等于第一测试参数N_c时，第二数据处理单元1030根据BFOA对第n个配电设备的故障信息进行复制操作，其中N_c表示配电设备的故障信息进行趋向性行为的次数，n∈(1，i)，n为整数。

第三数据处理单元1040，用于当第二数据处理单元1030对第n个配电设备的故障信息的复制操作次数k大于或等于第二预设参数N_re时，第三数据处理单元1040根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解；其中，N_re表示配电设备的故障信息进行复制操作的次数，最优解是1的配电设备的故障信息为实际配电设备的故障状态。

本发明实施例提供的基于BFOA的故障定位装置，通过将BFOA应用于配电网中故障定位，利用BFOA在全局信息交换时的计算效率和求解精度，经过对上报故障信息的第n个配电设备的故障信息的趋向性操作、复制操作以及迁徙操作，从而输出第n个配电设备的故障信息的最优解；其中，最优解是1的配电设备的故障信息为实际配电设备的故障状态，从而可以精确的找到实际故障的配电设备，解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

实施例五、本发明实施例提供一种基于BFOA的故障定位装置10，如图8包括：

数据单元1010，用于获取预设配电网区段内i个配电设备上报的故障信息，其中i表示预设配电网区段内配电设备的总数且i为大于0的整数；

第一数据处理单元1020，用于根据BFOA对数据单元1010获取的第n个配电设备的故障信息进行趋向性操作。

第二数据处理单元1030，用于当第一数据处理单元1010对第n个配电设备的故障信息的趋向性操作次数j大于或等于第一测试参数N_c时，第二数据处理单元1030根据BFOA对第n个配电设备的故障信息进行复制操作，其中N_c表示配电设备的故障信息进行趋向性行为的次数，n∈(1，i)，n为整数。

第三数据处理单元1040，用于当第二数据处理单元1030对第n个配电设备的故障信息的复制操作次数k大于或等于第二预设参数N_re时，第三数据处理单元1040根据BFOA对第n个配电设备的故障信息进行迁徙操作，输出第n个配电设备的故障信息的最优解；其中，N_re表示配电设备的故障信息进行复制操作的次数，最优解是1的配电设备的故障信息为实际配电设备的故障状态。

具体的，

第二数据处理单元1030，还用于当第一数据处理单元1020对第n个配电设备的故障信息的趋向性操作次数j小于第一测试参数N_c时，返回第一数据处理单元1020并根据BFOA对第n个配电设备的故障信息重复趋向性操作。

第三数据处理单元1040，还用于当第二数据处理单元1030对第n个配电设备的故障信息的复制操作次数k小于第二预设参数N_re时，返回第一数据处理单元1020，第一数据处理单元1020将趋向性操作次数初始化，并根据BFOA对第n个配电设备的故障信息重新进行趋向性操作。

具体的，

第一数据处理单元1020，还用于：

令第n个配电设备的故障信息如下趋向一步。

对第n个配电设备的故障信息进行旋转，生成一个随机矢量Δ_m(i)。

第n个配电设备的故障信息沿旋转后随机产生一个方向的移动，移动的步长大小为c(i)，构造第n个配电设备的故障信息的运动方向函数：

其中，θⁱ(j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作的位置，c(i)表示向前移动的步长。

配电设备间的信号传递如下式：

其中，P(j,k,l)＝{θ(j,k,l)|i＝1,2,...,n}，J_cc(θ,P(j,k,l))表示目标函数值，P是将要被优化的变量的数量，d_attractant，w_attractant，h_repellant，w_repellant表示选择的不同系数。

更新适应度函数值J(i,j+1,k,l)＝J(i,j,k,l)+J_cc(θⁱ(j,k,l),P(j,k,l))；

其中，J(i,j,k,l)表示第n个配电设备的故障信息在第j次趋向性操作、第k次复制操作和第l次迁徙操作后的适应度函数值。

选取第n个配电设备的故障信息最好的适应度函数值J_best，其中J_best＝J(i,j,k,l)。

当J(i,j+1,k,l)<J_best时，令J_best＝J(i,j+1,k,l)，并根据运动方向函数更新θⁱ(j+1,k,l)。

按照上述步骤继续对第n+1个配电设备的故障信息进行趋向性操作。

具体的，故障定位装置还包括：

第四数据处理单元1050，用于根据数据单元获取的预设配电网区段内i个配电设备的故障信息上报的故障信息，构造适应度函数：

其中，F_i(S_B)表示第i个故障状态解对应的适应度，S_B表示预设配电网区段内第i个配电设备是否处于正常状态，I表示预设配电网区段内第i个配电设备是否有过电流流过，表示预设配电网区段第i个配电设备的期望状态。

具体的，故障定位装置还包括：

第一初始化参数单元1060，用于初始化参数i，N_c，N_re，c(i)。

第二初始化参数单元1070，用于初始化迁徙操作次数l、复制操作次数k、趋向性操作次数j。

具体的，

第二数据处理单元1030，还用于将预设配电网区段内i个配电设备按照第一数据处理单元1020获取的适应度函数值按从小到大的顺序进行排列。

当第n个配电设备的故障信息的适应度函数值＞i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行高斯变异，当min{1,exp(-Δf/T)}>rand时，使用高斯变异后的第n个配电设备的故障信息代替高斯变异前的第n个配电设备的故障信息。

当min{1,exp(-Δf/T)}≤rand时，使用高斯变异前的第n个配电设备的故障信息，其中Δf表示高斯变异后的第n个配电设备的故障信息与高斯变异前的第n个配电设备的故障信息的能量差值，T表示退火温度。

当第n个配电设备的故障信息的适应度函数值≤i/2个配电设备的故障信息的适应度函数值时，对第n个配电设备的故障信息进行混沌扰动，当min{1,exp(-Δf/T)}>rand时，使用混沌扰动后的第n个配电设备的故障信息代替混沌扰动前的第n个配电设备的故障信息。

当min{1,exp(-Δf/T)}≤rand时，使用混沌扰动前的第n个配电设备的故障信息，其中Δf表示混沌扰动后的第n个配电设备的故障信息与混沌扰动前的第n个配电设备的故障信息的能量差值，T表示退火温度，rand为(0,1)区间内的随机数。

具体的，

第三数据处理单元1040，还用于当第二数据处理单元1020对预设配电网区段内i个配电设备的故障信息经过复制操作后，第n个配电设备的故障信息以概率P_ed被重新随机分布到寻优空间中，其中P_ed表示迁徙概率。

当等于基态温度T_g时，输出第n个配电设备的故障信息的最优解。

当小于基态温度T_g时，修改预设配电网区段内i个配电设备的故障信息的退火温度T，并初始化复制操作次数k和趋向性操作次数j，并重新进行趋向性操作。

本发明实施例提供的基于BFOA的故障定位算法及装置，通过将BFOA应用于配电网中故障定位，利用BFOA在全局信息交换时的计算效率和求解精度，经过对上报故障信息的第n个配电设备的故障信息的趋向性操作、复制操作以及迁徙操作，从而输出第n个配电设备的故障信息的最优解；其中，最优解是1的配电设备的故障信息为实际配电设备的故障状态；在全局信息交换阶段引入模拟退火(Simulated Annealing，SA)，以改善全局信息交换时的计算效率和求解精度；在局部深度搜索中引入高斯变异和混沌扰动算子，以提高算法迭代后期跳出局部极值的能力、种群的多样性和收敛速度从而可以精确的找到实际故障的配电设备，解决了现有技术中配电网基于馈线终端单元上报故障信息进行故障定位时，定位的精度不够的问题。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。