CN111551776B - 一种基于粒子群算法的双通电导体电流测量方法、装置 - Google Patents

一种基于粒子群算法的双通电导体电流测量方法、装置 Download PDF

Info

Publication number
CN111551776B
CN111551776B CN202010605155.3A CN202010605155A CN111551776B CN 111551776 B CN111551776 B CN 111551776B CN 202010605155 A CN202010605155 A CN 202010605155A CN 111551776 B CN111551776 B CN 111551776B
Authority
CN
China
Prior art keywords
current
particle
magnetic sensor
conductor
magnetic induction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010605155.3A
Other languages
English (en)
Other versions
CN111551776A (zh
Inventor
刘仲
李鹏
孙宏棣
王志明
赵继光
田兵
尹旭
郭敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202010605155.3A priority Critical patent/CN111551776B/zh
Publication of CN111551776A publication Critical patent/CN111551776A/zh
Application granted granted Critical
Publication of CN111551776B publication Critical patent/CN111551776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
    • G01R15/14—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks
    • G01R15/20—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using galvano-magnetic devices, e.g. Hall-effect devices, i.e. measuring a magnetic field via the interaction between a current and a magnetic field, e.g. magneto resistive or Hall effect devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
    • G01R15/14—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks
    • G01R15/20—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using galvano-magnetic devices, e.g. Hall-effect devices, i.e. measuring a magnetic field via the interaction between a current and a magnetic field, e.g. magneto resistive or Hall effect devices
    • G01R15/205—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using galvano-magnetic devices, e.g. Hall-effect devices, i.e. measuring a magnetic field via the interaction between a current and a magnetic field, e.g. magneto resistive or Hall effect devices using magneto-resistance devices, e.g. field plates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
  • Measuring Instrument Details And Bridges, And Automatic Balancing Devices (AREA)

Abstract

本申请涉及一种基于粒子群算法的双通电导体电流测量方法、装置、计算机设备和存储介质。所述方法包括：获取第一单轴磁传感器检测到的第一磁感应强度、第二单轴磁传感器检测到的第二磁感应强度和第三单轴磁传感器检测到的第三磁感应强度；将第一通电导体的三个磁感应强度分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置和速度进行迭代计算，得到全局最优位置；根据全局最优位置对应的位置分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。采用本方法能够同时测量两个导体的电流。

Description

一种基于粒子群算法的双通电导体电流测量方法、装置
技术领域
本申请涉及线路检测技术领域，特别是涉及电力系统中基于粒子群算法的双通电导体电流测量方法、装置、计算机设备和存储介质。
背景技术
面对日益严峻的能源发展挑战，节能绿色、可持续发展的智能电网正成为世界电力系统的发展趋势。智能电网要求能够实现对电气设备电流的在线监测和实时监控，进而提高电能的利用率。为了满足这种需求，出现了各种电流测量方法，
目前电网中的电流测量方法，一般采用分流器、电流互感器、罗氏线圈电流传感器、光纤电流传感器、磁通门电流传感器、霍尔电流传感器、磁电阻电流传感器等设备，这些测量设备存在以下缺点：目前智能电网中存在分离导线、多芯电缆时，现有的电流测量方法每次只能测量一个导体的电流，存在测量效率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种基于粒子群算法的双通电导体电流测量方法、装置、计算机设备和存储介质。
一种基于粒子群算法的双通电导体电流测量方法，所述双通电导体包括第一通电导体和第二通电导体，所述方法包括：
获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到全局最优位置；
根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。
在其中一个实施例中，还包括：
各个所述单轴磁传感器的磁敏感方向平行，且与所述第一通电导体、所述第二通电导体中至少一个不平行。
在其中一个实施例中，所述将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到全局最优位置的步骤，包括：
获取初值，所述初值包括所述粒子群的种群规模、每个粒子的初始位置和每个粒子的初始速度；
确定粒子群中每个粒子的个体最优位置；其中，将所述粒子群中每个粒子的初始位置作为当前个体最优位置；
根据适应度函数计算每个粒子的适应值，取最小适应值对应的粒子位置作为整个粒子群的全局最优位置；
将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度；
根据所述更新后的每个粒子的当前位置和当前速度以及所述适应度函数更新每个粒子的当前个体最优位置和粒子群的当前全局最优位置；
判断是否满足迭代终止条件；所述终止条件为：所述当前全局最优位置对应的适应值达到设定的适应度要求，或者，迭代次数达到预设的最大迭代次数；
若是，停止迭代，输出所述当前全局最优位置；
若否，返回将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度的步骤。
在一个实施例中，所述根据适应度函数计算每个粒子的适应值，包括：
根据所述每个粒子的当前位置、以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第一通电导体的电流；
根据所述每个粒子的当前位置、所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度、得到所述每个粒子对应的第二通电导体的磁感应强度分量；
根据所述每个粒子对应的第二通电导体的磁感应强度分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第二通电导体的电流；
获取所述第一通电导体的电流与所述第二通电导体的电流的差值的绝对值，所述差值的绝对值即为所述每个粒子的适应值。
在一个实施例中，所述根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行迭代的步骤，包括：
根据所述粒子群中每个粒子的当前位置和当前速度，以及所述个体最优位置、所述粒子群的全局最优位置，结合粒子自身惯性影响量、自身历史经验学习影响量和群体历史经验学习影响量，计算得到每个粒子更新后的速度；
根据所述每个粒子更新后的速度和所述每个粒子的当前位置，计算得到每个粒子更新后的位置。
在一个实施例中，所述计算得到每个粒子更新后的速度，还包括：
以预设的速度区间范围[-vmax,vmax]为约束条件，计算得到每个粒子更新后的速度，若所述每个粒子更新后的速度小于-vmax，则更新为-vmax；若所述每个粒子更新后的速度大于vmax，则更新为vmax；
所述计算得到每个粒子更新后的位置，还包括：
所述每个粒子更新后的位置还需要处于预设的位置区间范围[xomin,xomax]内，若所述每个粒子更新后的位置小于xomin，则更新为xomin；若所述每个粒子更新后的速度大于xomax，则更新为xomax。
在一个实施例中，所述根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流，包括：
根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算得到所述第一通电导体的电流；
根据所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述全局最优位置，得到所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
根据所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量、以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律得到所述第二通电导体的电流。
一种基于粒子群算法的双通电导体电流测量装置，所述双通电导体包括第一通电导体和第二通电导体，所述装置包括：
参数获取模块，用于获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
磁感应强度分量计算模块，用于将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到全局最优位置；
电流测量模块，用于根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一种基于粒子群算法的双通电导体电流测量方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种基于粒子群算法的双通电导体电流测量方法的步骤。
上述基于粒子群算法的双通电导体电流测量方法、装置、计算机设备和存储介质，通过获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法进行迭代计算，得到全局最优位置，由此得到所述全局最优位置对应的第一分量、第二分量、第三分量；根据以上全局最优位置对应的第一分量、第二分量、第三分量，以及三个单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流，并继而得到第二通电导体分别在三个单轴磁传感器上产生的磁感应强度分量，通过计算得到所述第二通电导体的电流；实现了每次能同时测量两个导体电流的技术效果，提高了测量效率。
附图说明
图1为一个实施例中基于粒子群算法的双通电导体电流测量方法的应用环境图；
图2为一个实施例中基于粒子群算法的双通电导体电流测量方法的流程示意图；
图3为一个实施例中粒子速度迭代和位置迭代步骤的流程示意图；
图4为一个实施例中基于粒子群算法的双通电导体电流测量装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于粒子群算法的双通电导体电流测量方法，可以应用于终端或者服务器中。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以是独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，上述基于粒子群算法的双通电导体电流测量方法的应用环境还包括如图1所示的场景。其中，包括两个通电导体和三个单轴磁传感器。所述单轴磁传感器是指只能测量单一方向上磁感应强度的磁传感器。
可选地，所述两个通电导体中电流大小相等，方向相反，例如可以是双头插座导线或其他平行放置的通电导体，如图1中导体101和导体102所示。
可选地，本申请中的单轴磁传感器可以为隧道磁电阻(TunnelMegnetoresistance，TMR)传感器，隧道磁阻传感器是利用磁性多层膜材料的隧道磁电阻效应对磁场进行感应，比传统的各向异性磁阻(AMR)传感器和巨磁阻(GMR)传感器具有更大的电阻变化率，还具有更好的温度稳定性，更高的灵敏度，更低的功耗，更好的线性度，相对于传统技术中的霍尔元件不需要额外的聚磁环结构，相对于各向异性磁阻(AMR)元件不需要额外的set/reset线圈结构。
在一个实施例中，采用三个单轴隧道磁电阻(TMR)传感器，如图1中的103、104、105所示，三个单轴隧道磁电阻(TMR)传感器的中心都处于同一直线上，如图1中的x轴，
可选地，三个单轴隧道磁电阻(TMR)传感器的磁敏感方向同向，与x轴所在直线共线。
在一个实施例中，如图2所示，提供了一种基于粒子群算法的双通电导体电流测量方法，包括以下步骤：
步骤S202，获取第一单轴磁传感器检测到的针对双通电导体的第一磁感应强度B1、第二单轴磁传感器检测到的针对双通电导体的第二磁感应强度B2和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度B3；以及，获取第一单轴磁传感器、第二单轴磁传感器、第三单轴磁传感器两两之间的相对距离。
其中，可以使用距离传感器测得第一单轴磁传感器与第二单轴磁传感器之间的距离m、第一单轴磁传感器与第三单轴磁传感器之间的距离n，则第二单轴磁传感器与第三单轴磁传感器之间的距离可通过简单计算得到，例如，在本实施例中为(n-m)。
另外，第一通电导体101在第一单轴磁传感器、第二单轴磁传感器、第三单轴磁传感器上产生的磁感应强度分量依次为第一分量B11、第二分量B12、第三分量B13，相应地，第二通电导体102在第一单轴磁传感器、第二单轴磁传感器、第三单轴磁传感器上产生的磁感应强度分量依次为第一分量B21、第二分量B22、第三分量B23，上述B11、B12、B13、B21、B22、B23均为未知分量，它们与已测得的磁感应强度B1、B2、B3满足以下关系式(1)：
Figure GDA0002946756390000081
步骤S204，将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到所述粒子群的全局最优位置。
其中，粒子群算法，也称粒子群优化(PSO，particle swarm optimization)算法是计算智能领域中，除了蚁群算法、鱼群算法之外的一种群体优化算法，该算法最早由Kennedy和Eberhart在1995年提出的，该算法源自对鸟类捕食问题的研究。PSO算法首先在可行解空间中初始化一群粒子，每个粒子都代表极值优化问题的一个潜在最优解，用位置、速度和适应度值三项指标表示该粒子特征。粒子在解空间中运动，通过跟踪个体极值和群体极值更新个体位置，个体极值是指个体所经历位置中计算得到的适应度值最优位置，群体极值是指种群中的所有粒子搜索到的适应度最优位置。粒子每更新一次位置，就计算一次适应度值，并且通过比较新粒子的适应度值和个体极值、群体极值的适应度值更新个体极值和群体极位置。
在本实施例中，将上述第一分量B11、第二分量B12、第三分量B13作为待优化粒子群中的每个粒子的位置变量(B11、B12、B13、)，通过粒子群算法对每个粒子的位置进行迭代计算，得到粒子群中所有粒子的全局最优位置，所述全局最优位置对应的三个位置分量即为第一通电导体的三个磁感应强度分量的最优解。
步骤S206，根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。
在本实施例中，可根据全局最优位置对应的第一分量B11、第二分量B12、第三分量B13和第一单轴磁传感器与第二单轴磁传感器之间的距离m、第一单轴磁传感器与第三单轴磁传感器之间的距离n，通过计算得到第一通电导体的电流值；相应地，可根据第一磁感应强度B1、第二磁感应强度B2和第三磁感应强度B3以及全局最优位置，通过计算得到第二通电导体的三个磁感应强度分量，并结合第一单轴磁传感器与第二单轴磁传感器之间的距离m、第一单轴磁传感器与第三单轴磁传感器之间的距离n，通过计算得到第二通电导体的电流值。
上述实施例，通过获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法进行迭代计算，得到全局最优位置，由此得到所述全局最优位置对应的第一分量、第二分量、第三分量；根据以上全局最优位置对应的第一分量、第二分量、第三分量，以及三个单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流，并继而得到第二通电导体分别在三个单轴磁传感器上产生的磁感应强度分量，通过计算得到所述第二通电导体的电流；实现了每次能同时测量两个导体电流的技术效果，提高了测量效率。
在一个实施例中，上述步骤S204，包括：
获取初值，所述初值包括所述粒子群的种群规模、每个粒子的初始位置和所述每个粒子的初始速度；
可以预先设置迭代次数k＝0；设置粒子群的规模z，例如z＝50,即粒子群中有50个粒子，将种群中第i个粒子的位置xi＝(xi1,xi2,xi3)和速度vi＝(vi1,vi2,vi3)进行初始化处理，在本实施例中，将第一通电导体的三个磁感应强度分量(B11，B12，B13)作为粒子群中每个粒子的位置变量，并对每个粒子的位置分量和速度分量赋予初值；
确定粒子群中每个粒子的个体最优位置；其中，将所述粒子群中每个粒子的初始位置作为当前个体最优位置；
具体地，在迭代次数k＝0时，将每个粒子当前的初始化位置作为其个体最优位置Pi。
根据适应度函数计算每个粒子的适应值，取最小适应值对应的粒子位置作为整个粒子群的全局最优位置；具体地，预先设置适应度函数为F＝||I1|-|I2||，针对每个粒子当前的初始位置，计算其对应的第一通电导体的电流值I1，相应地，通过上述关系式(1)得到每个粒子对应的第二通电导体的磁感应强度分量，并继而通过计算得到第二通电导体的电流值I2，将I1与I2代入上述适应度函数F中得到每个粒子对应的适应值，在全部粒子群中，例如粒子群种群规模为50个粒子，选取最小适应值对应的粒子，将该粒子的位置作为全局最优位置Pg。
将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置Pi、所述粒子群的全局最优位置Pg，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度；
作为一个示例，将迭代次数k加1，根据以下公式对每个粒子的速度和位置进行迭代更新。
Figure GDA0002946756390000101
Figure GDA0002946756390000102
其中，k为迭代次数，δ为惯性权重，c1、c2为学习因子，r1、r2为在区间[0,1]变化的随机数，Vio表示粒子群中第i个粒子的第o维速度分量，xio表示粒子群中第i个粒子的第o维位置分量，Pio表示第i个粒子的个体最优位置的第o维上的分量，Pgo表示整个粒子群中全局最优位置对应的第o维位置分量。
根据所述更新后的每个粒子的当前位置和当前速度以及所述适应度函数更新每个粒子的当前个体最优位置和粒子群的当前全局最优位置；
具体地，根据每个粒子更新后的位置计算第一通电导体中的电流值I1和相应的第二通电导体中的电流值I2，通过适应度函数计算当前粒子对应的适应值，判断当前适应值是否小于前述个体最优位置对应的适应值，如果当前适应值小于个体最优位置对应的适应值，则将当前位置作为个体最优位置，否则不变；计算整个粒子群中每个粒子对应的适应值，选取其中最小的适应值，若该适应度值小于前述全局最优位置对应的适应值，则将该最小适应值对应的粒子位置作为全局最优位置Pg，否则Pg不变。
判断是否满足迭代终止条件；所述终止条件为：所述最优粒子，即全局最优位置对应的适应度达到设定的适应度要求，或者，迭代次数达到预设的最大迭代次数；具体地，判断是否达到计算终止条件，即更新后的全局最优位置Pg所对应的适应值是否达到设定的收敛精度ε，或迭代次数是否达到设定的最大迭代次数Kmax。
若是，停止迭代，输出当前全局最优位置；具体地，如果上述结果满足终止条件，则终止计算，输出当前全局最优位置，当前全局最优位置对应的三个位置分量即为第一通电导体的三个磁感应强度分量的最优解。
若否，返回将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度的步骤。
上述实施例通过设置粒子群的规模，并对粒子群中每个粒子的位置变量和速度变量进行初始化处理，将每个粒子的初始化位置作为个体最优位置；计算适应度值，选取其中一个粒子的位置作为全局最优位置；然后通过对速度和位置进行迭代计算更新每个粒子的速度、位置，通过计算适应度值并与更新前的适应度值比较确定当前个体最优位置和全局最优位置，直至得到满足终止条件的粒子位置。这种粒子群算法中，每个粒子的迭代速度能够根据自身和其他粒子的变化而协同调整，能够更快地得到待求解变量的最优解，也就是说，可以较快得到第一通电导体的三个磁感应强度分量的最优解，提高了运算效率。
在另一实施例中，上述步骤根据适应度函数计算每个粒子的适应值，包括：
根据所述每个粒子的当前位置、所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度、得到所述每个粒子对应的第二通电导体的磁感应强度分量；
根据所述每个粒子对应的第二通电导体的磁感应强度分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第二通电导体的电流
根据所述每个粒子的当前位置、以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第一通电导体的电流；
具体地，对于粒子群中的每个粒子，取当前位置对应的三个分量作为第一通电导体的三个磁感应强度分量(B11，B12，B13)，获取第一单轴磁传感器与第二单轴磁传感器之间的距离m、第一单轴磁传感器与第三单轴磁传感器之间的距离n，根据毕奥萨伐尔定律可推导出第一通电导体中的电流为：
Figure GDA0002946756390000121
其中，
Figure GDA0002946756390000122
Figure GDA0002946756390000123
b1＝m2，
Figure GDA0002946756390000124
d1＝B12B13，
Figure GDA0002946756390000125
b2＝n2，c2＝2n，
Figure GDA0002946756390000126
Figure GDA0002946756390000127
m为第一单轴磁传感器与第二单轴磁传感器之间的距离，n为第一单轴磁传感器与第三单轴磁传感器之间的距离。
根据所述每个粒子的当前位置、所述第一磁感应强度B1、所述第二磁感应强度B2、所述第三磁感应强度B3，得到所述每个粒子对应的第二通电导体的磁感应强度分量；具体地，将每个粒子的当前位置分量作为第一通电导体的三个磁感应强度分量(B11，B12，B13)，通过上述关系式(1)计算得到第二通电导体的三个磁感应强度分量(B21，B22，B23)。
根据所述每个粒子对应的第二通电导体的磁感应强度分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第二通电导体的电流；
具体地，根据第二通电导体的三个磁感应强度分量(B21，B22，B23)以及如下公式(3)计算得到第二通电导体I2的电流。
Figure GDA0002946756390000131
其中，
Figure GDA0002946756390000132
Figure GDA0002946756390000133
b3＝m2，
Figure GDA0002946756390000134
d3＝B22B23，
Figure GDA0002946756390000135
b4＝n2，c4＝2n，
Figure GDA0002946756390000136
Figure GDA0002946756390000137
m为第一单轴磁传感器与第二单轴磁传感器之间的距离，n为第一单轴磁传感器与第三单轴磁传感器之间的距离；
获取所述第一通电导体的电流与所述第二通电导体的电流的差值的绝对值，所述差值的绝对值即为所述每个粒子的适应值；
具体地，定义适应度函数为：
F＝||I1|-|I2||
将上述第一通电导体的电流值I1与第二通电导体的电流值I2，代入适应度函数F，得到第一通电导体的电流值与第二通电导体的电流值的差值的绝对值。
上述实施例通过设置符合当前场景的适应度函数，并将当前第一粒子位置与第二粒子的位置代入适应度函数，为后续筛选出符合适应度要求的最优解提供依据，通过这种方式可灵活配置需要的适应度函数，满足不同的场景需要。
在一实施例中，所述根据所述粒子群中每个粒子的当前位置和当前速度，以及每个粒子的个体最优位置、粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度的步骤，包括：
根据所述粒子群中每个粒子的当前位置和当前速度，以及所述个体最优位置、所述粒子群的全局最优位置计算得到每个粒子更新后的速度；所述每个粒子更新后的速度包括自身惯性影响下的速度分量、自身历史寻优经验影响下的分量和群体历史寻优经验影响下的分量；具体地，根据下面公式更新每个粒子的速度：
Figure GDA0002946756390000141
其中，k为迭代次数，δ为惯性权重，c1、c2为学习因子，r1、r2为在区间[0,1]变化的随机数，上述公式中，第一项是表示粒子在自身惯性影响下的速度分量，保证粒子具有记忆的能力。第二项表示粒子自身历史寻优经验影响下的分量。第三项表示粒子在群体历史寻优经验影响下的分量；
根据所述每个粒子的当前位置和所述每个粒子更新后的速度和计算得到每个粒子更新后的位置，每个粒子更新后的位置为：
Figure GDA0002946756390000142
可选地，惯性权重δ的设置可影响粒子的局部搜索能力和全局搜索能力，一般要求粒子在计算开始的时候具有较强的全局搜索能力，找到最优解的大概位置，然后随着迭代次数的增加，逐步增强粒子的局部搜索能力，对最优解进行精细地查找，这种搜索策略能够大大提高寻求到最优解的概率，因此，定义一个随着迭代次数增加而线性减小的δ，表达式如下：
Figure GDA0002946756390000143
其中，δmax为初始惯性权重，δmin为最终惯性权重，Kmax为最大迭代次数，k为当前迭代次数；
可选地，第一学习因子c1和第二学习因子c2，学习因子c1、c2也称作加速系数，分别表示粒子自身飞行经验和群体飞行经验对粒子速度的影响程度。如果c1＝c2＝0，那么粒子就只能记忆自身的飞行速度，它将会依靠自身惯性一直以初始速度飞行，直至搜索空间边界；如果c1＝0，那么粒子将失去对自身飞行经验的认知能力，只依赖群体经验，虽然收敛速度较快，但容易陷入局部最优；如果c2＝0，那么粒子将不再与其他粒子进行信息共享，单靠自身经验各自进行寻优，这样就难以得到整个待优化问题的最优解。对于一般的优化问题，通常取c1＝c2＝2。
本实施例通过粒子群算法中的粒子速度和位置的关系对每个粒子的速度和位置进行迭代，由于每一次的迭代步长都在变化，可实现在全局搜索空间中快速搜索，在局部搜索空间中细致搜索的效果。进一步地，本实施例还通过设置惯性权重和学习因子c1、c2，可调整粒子群运算的全局搜索能力和局部搜索能力，使得算法能够更快得到最优解。
在一实施例中，所述步骤根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行迭代之后，还包括，
所述每个粒子更新后的速度还需要处于预设的速度区间范围[-vmax,vmax]内，若所述每个粒子更新后的速度小于-vmax，则更新为-vmax；若所述每个粒子更新后的速度大于vmax，则更新为vmax；
所述每个粒子更新后的位置还需要处于预设的位置区间范围[xomin,xomax]内，
若所述每个粒子更新后的位置小于xomin，则更新为xomin；若所述每个粒子更新后的速度大于xomax，则更新为xomax。
可选地，最大飞行速度vmax与搜索空间范围xomax之间存在如下关系：
vmax＝αxomax
其中，xomax为搜索空间上限，α为最大飞行速度与位置上限的比例系数。在优化问题中，xomax通常是已知的，那么就可以通过调整α的大小来控制粒子最大飞行速度vomax。如果vomax太大，粒子就可能飞过最优解；如果vomax太小，粒子的全局搜索能力就会降低，其陷入局部最优的可能性就会增大。在通常情况下，一般将比例系数α取为0.1。
本实施例，通过对每个粒子的速度和位置限制在预设的搜索空间内，可得到符合实际需要的最优解，避免得到多组理论值。进一步地，还可通过限制搜索空间提高搜索效率。
在一实施例中，所述根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流，包括：
根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算得到所述第一通电导体的电流；具体地，可参照上述公式(2)计算第一通电导体中的电流值；
根据所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述全局最优位置，得到所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；具体地，可通过上述关系式(1)得到第二通电导体的三个磁感应强度分量(B21，B22，B23)；
根据所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量、以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律得到所述第二通电导体的电流。
具体地，可根据上述公式(3)计算第二通电导体中的电流值。
本实施例根据上述各个分量的最优解，通过毕奥萨伐尔定律得到第一通电导体的电流值和第二通电导体的电流值，实现了同时得到两个导体的电流值。
应该理解的是，虽然图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一实施例中，如图4所示，提供了一种基于粒子群算法的双通电导体电流测量装置，包括参数获取模块901、磁感应强度分量计算模块902和电流测量模块903，其中：
参数获取模块901，用于获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
磁感应强度分量计算模块902，用于将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到全局最优位置；
电流测量模块903，用于根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。
上述装置实施例，获取双通电导体在三个单轴磁传感器上产生的第一磁感应强度、第二磁感应强度、第三磁感应强度，其中，第一磁感应强度包括第一分量，第二磁感应强度包括第二分量，第三磁感应强度包括第三分量，第一分量、第二分量、第三分量分别为第一通电导体依次在三个单轴磁传感器上产生的磁感应强度分量，将所述第一分量、所述第三分量、所述第五分量作为粒子群中每个粒子的位置变量，通过粒子群算法对每个粒子的位置变量进行迭代计算，得到全局最优位置，再根据全局最优位置及通过距离传感器获取的三个单轴磁传感器两两之间的距离计算得到第一通电导体的电流和第二通电导体的电流。通过本方案可同时测量两个导体的电流，并且单轴磁传感器体积小、安装简便，可以实现与待测导体的非接触测量，提高了测量效率。
在一个实施例中，所述磁感应强度分量计算模块902，还包括：初值获取单元、个体最优位置确定单元、全局最优位置确定单元、粒子位置和速度迭代单元、个体最优位置和全局最优位置更新单元、终止条件判断单元、全局最优位置输出单元。
其中初值获取单元用于获取初值，所述初值包括粒子群规模、每个粒子的初始位置和初始速度；个体最优位置确定单元用于确定每个粒子的个体最优位置；全局最优位置确定单元用于确定粒子群中所有粒子的全局最优位置；粒子位置和速度迭代单元用于根据所述粒子群中每个粒子的当前位置和当前速度，以及所述个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行迭代；个体最优位置和全局最优位置更新单元用于根据每个粒子的当前位置、当前速度和适应度函数计算每个粒子的适应值，并根据适应值更新每个粒子的个体最优位置和整个粒子群的全局最优位置；终止条件判断单元用于判断是否满足迭代终止条件；所述终止条件为：所述当前全局最优位置对应的适应值达到设定的适应度要求，或者，迭代次数达到预设的最大迭代次数；粒子位置输出单元用于在当前计算结果满足终止条件的情况下，停止迭代，输出整个粒子群的全局最优位置。
在一个实施例中，所述全局最优位置确定单元进一步用于：根据适应度函数计算每个粒子的适应值，包括：
根据所述每个粒子的当前位置、以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第一通电导体的电流；根据所述每个粒子的当前位置、所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度、得到所述每个粒子对应的第二通电导体的磁感应强度分量；根据所述每个粒子对应的第二通电导体的磁感应强度分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第二通电导体的电流；获取所述第一通电导体的电流与所述第二通电导体的电流的差值的绝对值，所述差值的绝对值即为所述每个粒子的适应值。
在一个实施例中，所述粒子位置和速度迭代单元进一步用于：根据所述粒子群中每个粒子的当前位置和当前速度，以及所述个体最优位置、所述粒子群的全局最优位置，结合粒子自身惯性影响量、自身历史经验学习影响量和群体历史经验学习影响量，计算得到每个粒子更新后的速度；
根据所述每个粒子更新后的速度和所述每个粒子的当前位置，计算得到每个粒子更新后的位置。
在一个实施例中，所述粒子位置和速度迭代单元更进一步用于：以预设的速度区间范围[-vmax,vmax]为约束条件，计算得到每个粒子更新后的速度，若所述每个粒子更新后的速度小于-vmax，则更新为-vmax；若所述每个粒子更新后的速度大于vmax，则更新为vmax；
和/或，
所述每个粒子更新后的位置还需要处于预设的位置区间范围[xomin,xomax]内，若所述每个粒子更新后的位置小于xomin，则更新为xomin；若所述每个粒子更新后的速度大于xomax，则更新为xomax。
在一个实施例中，所述电流测量模块903进一步用于：根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算得到所述第一通电导体的电流；具体计算方式可参照上述公式(2)；
根据所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述全局最优位置，得到所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；具体计算方式可参照上述关系式(1)；
根据所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量、以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律得到所述第二通电导体的电流；具体计算方式可参照上述公式(3)。
关于基于粒子群算法的双通电导体电流测量装置的具体限定可以参见上文中对于基于粒子群算法的双通电导体电流测量方法的限定，在此不再赘述。上述基于粒子群算法的双通电导体电流测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，也可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储粒子群算法中涉及到的模型参数和每个粒子的位置、速度以及个体最优位置、群体最优位置等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于粒子群算法的双通电导体电流测量方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于粒子群算法的双通电导体电流测量方法，其特征在于，所述双通电导体包括第一通电导体和第二通电导体，所述方法包括：
获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到所述粒子群的全局最优位置；具体包括：获取初值，所述初值包括所述粒子群的种群规模、每个粒子的初始位置和所述每个粒子的初始速度；
确定粒子群中每个粒子的个体最优位置；其中，将所述粒子群中每个粒子的初始位置作为当前个体最优位置；
根据适应度函数计算每个粒子的适应值，具体包括：根据所述每个粒子的当前位置、以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第一通电导体的电流；根据所述每个粒子的当前位置、所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度，得到所述每个粒子对应的第二通电导体的磁感应强度分量；根据所述每个粒子对应的第二通电导体的磁感应强度分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第二通电导体的电流；获取所述第一通电导体的电流与所述第二通电导体的电流的差值的绝对值，所述差值的绝对值即为所述每个粒子的适应值；
取所述粒子群中最小适应值对应的粒子位置作为整个粒子群的全局最优位置；
将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度；
根据所述更新后的每个粒子的当前位置和当前速度以及所述适应度函数更新每个粒子的当前个体最优位置和粒子群的当前全局最优位置；
判断是否满足迭代终止条件；所述终止条件为：所述当前全局最优位置对应的适应值达到设定的适应度要求，或者，迭代次数达到预设的最大迭代次数；
若是，停止迭代，输出所述当前全局最优位置；
若否，返回将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的当前全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度的步骤；
根据所述当前全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。
2.根据权利要求1所述的方法，其特征在于，
所述第一单轴磁传感器的磁敏感方向、所述第二单轴磁传感器的磁敏感方向和所述第三单轴磁传感器的磁敏感方向均相互平行，且与所述第一通电导体、所述第二通电导体中至少一个不平行。
3.根据权利要求2所述的方法，其特征在于，所述第一通电导体与所述第二通电导体的电流大小相等，且电流方向相反。
4.根据权利要求2所述的方法，其特征在于，所述第一单轴磁传感器、所述第二单轴磁传感器和所述第三单轴磁传感器均为隧道磁电阻传感器。
5.根据权利要求1所述的方法，其特征在于，所述步骤根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度，包括：
根据所述粒子群中每个粒子的当前位置和当前速度，以及所述个体最优位置、所述粒子群的全局最优位置，结合粒子自身惯性影响量、自身历史经验学习影响量和群体历史经验学习影响量，计算得到每个粒子更新后的速度；
根据所述每个粒子更新后的速度和所述每个粒子的当前位置，计算得到每个粒子更新后的位置。
6.根据权利要求5所述的方法，其特征在于，所述计算得到每个粒子更新后的速度，包括：
以预设的速度区间范围[-vmax,vmax]为约束条件，计算得到每个粒子更新后的速度，若所述每个粒子更新后的速度小于-vmax，则更新为-vmax；若所述每个粒子更新后的速度大于vmax，则更新为vmax；其中，所述-vmax为预设的每个粒子的最小飞行速度，所述vmax为预设的每个粒子的最大飞行速度；
所述计算得到每个粒子更新后的位置，还包括：
所述每个粒子更新后的位置还需要处于预设的位置区间范围[xomin,xomax]内，若所述每个粒子更新后的位置小于xomin，则更新为xomin；若所述每个粒子更新后的位置大于xomax，则更新为xomax，其中，所述xomin为预设的每个粒子的位置区间下限，所述xomax为预设的每个粒子的位置区间上限。
7.根据权利要求1至6任一所述的方法，其特征在于，所述根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流，包括：
根据所述全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算得到所述第一通电导体的电流；
根据所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述全局最优位置，得到所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
根据所述第二通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量、以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律得到所述第二通电导体的电流。
8.一种基于粒子群算法的双通电导体电流测量装置，其特征在于，所述双通电导体包括第一通电导体和第二通电导体，所述装置包括：
参数获取模块，用于获取第一单轴磁传感器检测到的针对所述双通电导体的第一磁感应强度、第二单轴磁传感器检测到的针对所述双通电导体的第二磁感应强度和第三单轴磁传感器检测到的针对所述双通电导体的第三磁感应强度；以及，获取所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离；其中，所述第一磁感应强度包括第一分量，所述第二磁感应强度包括第二分量，所述第三磁感应强度包括第三分量；所述第一分量、所述第二分量、所述第三分量依次为所述第一通电导体在所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器上产生的磁感应强度分量；
磁感应强度分量计算模块，用于将所述第一分量、所述第二分量、所述第三分量作为粒子群中每个粒子的位置变量，通过粒子群算法对所述粒子群中每个粒子的位置变量进行迭代计算，得到全局最优位置；具体包括：获取初值，所述初值包括所述粒子群的种群规模、每个粒子的初始位置和所述每个粒子的初始速度；
确定粒子群中每个粒子的个体最优位置；其中，将所述粒子群中每个粒子的初始位置作为当前个体最优位置；
根据适应度函数计算每个粒子的适应值，具体包括：根据所述每个粒子的当前位置、以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第一通电导体的电流；根据所述每个粒子的当前位置、所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度，得到所述每个粒子对应的第二通电导体的磁感应强度分量；根据所述每个粒子对应的第二通电导体的磁感应强度分量以及所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，通过毕奥萨伐尔定律计算所述第二通电导体的电流；获取所述第一通电导体的电流与所述第二通电导体的电流的差值的绝对值，所述差值的绝对值即为所述每个粒子的适应值；
取所述粒子群中最小适应值对应的粒子位置作为整个粒子群的全局最优位置；
将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度；
根据所述更新后的每个粒子的当前位置和当前速度以及所述适应度函数更新每个粒子的当前个体最优位置和粒子群的当前全局最优位置；
判断是否满足迭代终止条件；所述终止条件为：所述当前全局最优位置对应的适应值达到设定的适应度要求，或者，迭代次数达到预设的最大迭代次数；
若是，停止迭代，输出所述当前全局最优位置；
若否，返回将迭代次数加1，根据所述粒子群中每个粒子的当前位置和当前速度，以及所述当前个体最优位置、所述粒子群的当前全局最优位置，对所述粒子群中每个粒子的位置和速度进行更新，得到更新后的每个粒子的当前位置和当前速度的步骤；
电流测量模块，用于根据所述当前全局最优位置对应的第一分量、第二分量、第三分量，以及所述第一磁感应强度、所述第二磁感应强度、所述第三磁感应强度和所述第一单轴磁传感器、所述第二单轴磁传感器、所述第三单轴磁传感器两两之间的相对距离，得到所述第一通电导体的电流和所述第二通电导体的电流。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010605155.3A 2020-06-29 2020-06-29 一种基于粒子群算法的双通电导体电流测量方法、装置 Active CN111551776B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010605155.3A CN111551776B (zh) 2020-06-29 2020-06-29 一种基于粒子群算法的双通电导体电流测量方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010605155.3A CN111551776B (zh) 2020-06-29 2020-06-29 一种基于粒子群算法的双通电导体电流测量方法、装置

Publications (2)

Publication Number Publication Date
CN111551776A CN111551776A (zh) 2020-08-18
CN111551776B true CN111551776B (zh) 2021-04-27

Family

ID=72002319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010605155.3A Active CN111551776B (zh) 2020-06-29 2020-06-29 一种基于粒子群算法的双通电导体电流测量方法、装置

Country Status (1)

Country Link
CN (1) CN111551776B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113049874B (zh) * 2021-03-17 2022-03-08 南方电网数字电网研究院有限公司 电流传感器、电流测量设备、系统、装置和存储介质
CN113296045B (zh) * 2021-05-24 2022-03-18 长沙理工大学 基于传感阵列的微型电流传感器的误差校正方法
CN113820532B (zh) * 2021-09-23 2022-04-15 南方电网数字电网研究院有限公司 非接触式双芯电缆电流测量方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102099695A (zh) * 2008-07-22 2011-06-15 Abb研究有限公司 用于电流测量的磁阻传感器布置
CN104049129A (zh) * 2013-03-15 2014-09-17 英飞凌科技股份有限公司 用于残留电流检测的传感器、系统和方法
CN107328980A (zh) * 2017-07-13 2017-11-07 北京科技大学 多芯电缆非侵入式电流测量方法及测量装置
CN108008177A (zh) * 2017-11-22 2018-05-08 南方电网科学研究院有限责任公司 多轴磁阻电流测量方法、装置、设备和系统
CN108761171A (zh) * 2018-06-05 2018-11-06 南方电网科学研究院有限责任公司 一种线路电流的测量方法及装置
CN109283379A (zh) * 2018-09-28 2019-01-29 南方电网科学研究院有限责任公司 一种导线电流测量方法、装置、设备及可读存储介质
CN110222429A (zh) * 2019-06-10 2019-09-10 清华大学 多根线电流参数重建的优化方法
CN110261732A (zh) * 2019-06-03 2019-09-20 清华大学 一种基于电流磁场的三相输电线路参数测量方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102099695A (zh) * 2008-07-22 2011-06-15 Abb研究有限公司 用于电流测量的磁阻传感器布置
CN104049129A (zh) * 2013-03-15 2014-09-17 英飞凌科技股份有限公司 用于残留电流检测的传感器、系统和方法
CN107328980A (zh) * 2017-07-13 2017-11-07 北京科技大学 多芯电缆非侵入式电流测量方法及测量装置
CN108008177A (zh) * 2017-11-22 2018-05-08 南方电网科学研究院有限责任公司 多轴磁阻电流测量方法、装置、设备和系统
CN108761171A (zh) * 2018-06-05 2018-11-06 南方电网科学研究院有限责任公司 一种线路电流的测量方法及装置
CN109283379A (zh) * 2018-09-28 2019-01-29 南方电网科学研究院有限责任公司 一种导线电流测量方法、装置、设备及可读存储介质
CN110261732A (zh) * 2019-06-03 2019-09-20 清华大学 一种基于电流磁场的三相输电线路参数测量方法
CN110222429A (zh) * 2019-06-10 2019-09-10 清华大学 多根线电流参数重建的优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Optimization of magnetic sensor arrays for current measurement based on swarm intelligence and D-optimality;Zichi Zhang等;《COMPEL International Journal of Computations and Mathematics in Electrical》;20091231;摘要、第3节 *

Also Published As

Publication number Publication date
CN111551776A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN111551776B (zh) 一种基于粒子群算法的双通电导体电流测量方法、装置
Bo et al. A new nonlinear set membership filter based on guaranteed bounding ellipsoid algorithm
CN111965579B (zh) 微型电流传感器精度校准方法、装置、计算机设备和存储介质
Yang et al. The remaining useful life estimation of lithium-ion battery based on improved extreme learning machine algorithm
CN110445567B (zh) 一种电磁频谱地图的构建方法
CN111415379A (zh) 一种基于布谷鸟优化的三维点云数据配准方法
EP4160235B1 (en) Method and device with battery model optimization
CN111458573A (zh) 导线电力参数测量方法、装置、系统和计算机设备
CN112363099B (zh) 一种tmr电流传感器温漂与地磁场校正装置及方法
Liu et al. Gravity aided positioning based on real-time ICCP with optimized matching sequence length
CN115357065A (zh) 海上风机的远程智能除湿控制系统及其方法
CN106501868B (zh) 三轴地磁传感器实时校正方法
CN117074951A (zh) 锂电池荷电状态的估计方法、装置、设备及可读存储介质
CN113313330B (zh) 电磁环境参数区间预测方法、装置和计算机设备
KR20210081059A (ko) 배터리 상태 추정 방법 및 장치
CN103940392B (zh) 一种磁悬浮开关磁阻电机的转子位置/位移自检测方法
CN116184512A (zh) 一种基于磁矩不变量的矢量传感器网络实时定位方法及系统
CN115688535A (zh) 基于波形相似性分析的功率数据组合插值方法及系统
CN118033216B (zh) 三相电缆电压非接触测量方法、系统、设备和存储介质
CN113868916B (zh) 基于lfvpso-bpnn的多回路沟槽敷设电缆温升预测方法
CN111239615A (zh) 电池模型的参数的确定方法和装置、存储介质、计算机设备
Chai et al. State of charge estimation of lithium-ion battery with an adaptive fractional-order cubature Kalman filter considering initial value problem
Ramprasath et al. STCKF algorithm based SOC estimation of Li-Ion battery by dynamic parameter modeling
CN114528907B (zh) 工业异常数据检测方法及装置
Peng et al. Supplemented with reinforcement learning to improve the detection of passive remote sensing devices

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province

Applicant after: Southern Power Grid Digital Grid Research Institute Co.,Ltd.

Address before: Room 1301, Chengtou building, No. 106, Fengze East Road, Nansha District, Guangzhou City, Guangdong Province

Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd.

GR01 Patent grant
GR01 Patent grant