CN116500361A - 一种基于bto算法的避雷器老化在线监测方法、装置、设备及介质 - Google Patents
一种基于bto算法的避雷器老化在线监测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116500361A CN116500361A CN202310473006.XA CN202310473006A CN116500361A CN 116500361 A CN116500361 A CN 116500361A CN 202310473006 A CN202310473006 A CN 202310473006A CN 116500361 A CN116500361 A CN 116500361A
- Authority
- CN
- China
- Prior art keywords
- lightning arrester
- algorithm
- bto
- aging
- antelope
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 69
- 230000032683 aging Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 239000003990 capacitor Substances 0.000 claims abstract description 7
- 241000282817 Bovidae Species 0.000 claims description 45
- 230000002431 foraging effect Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013508 migration Methods 0.000 claims description 12
- 230000005012 migration Effects 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 7
- 230000019637 foraging behavior Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 244000309466 calf Species 0.000 claims description 3
- 244000144980 herd Species 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 241000283899 Gazella Species 0.000 claims 4
- 238000013459 approach Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000009434 installation Methods 0.000 abstract description 5
- 230000001617 migratory effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 235000015278 beef Nutrition 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 241001502381 Budorcas taxicolor Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种基于BTO算法的避雷器老化在线监测方法、装置、设备及介质,该方法包括:根据能够反映避雷器老化状态的参数(即非线性系数k、α和电容C)建立适合的等效简化模型;搭建求解避雷器模型参数的BTO算法模型系统;获取避雷器的电压数据和泄漏电流数据;采用BTO算法模型系统寻求避雷器模型参数k、α、C的最优值;将求解出的模型参数最优值与避雷器初始安装时算法求解的模型参数值进行对比,即可对避雷器的老化情况做出准确评估。本发明采用的避雷器老化在线监测技术能够完全消除电网中谐波电压、电压波动和频率波动的干扰,所求解参数k、α、C的误差全部为0,具有优良的抗干扰性和稳定性,显著提高了避雷器老化在线监测的精度。
Description
技术领域
本发明涉及避雷器在线监测技术领域,具体为一种基于BTO算法的避雷器老化在线监测方法、装置、设备及介质。
背景技术
金属氧化物避雷器(metal oxide arrester,MOA)是一种广泛应用于电网系统中对电气设备进行过电压保护的装置。MOA在电网系统的建设与发展中具有重要作用,但其在实际运行过程中不仅会受到过电压影响,还会受湿度、温度和化学污染等环境因素的影响,从而加速MOA发生老化,严重时将对电网系统安全产生较大影响。
目前,MOA监测技术主要为在线监测和离线检测两种方式。离线检测方法能够更好地分析MOA的内部情况,但需要对安装在电气设备旁的MOA进行拆卸与测试,存在周期长、费用高等缺点;而现存的在线监测技术在电网系统谐波电压、电压波动和频率波动的影响下,存在抗干扰性弱的缺点。因此,研究具有优良抗干扰能力和稳定性的MOA老化在线监测技术对电力系统的安全运行具有重要意义。
发明内容
为了解决现有避雷器离线检测存在无法实时掌握避雷器老化情况且耗时耗资问题,以及在线监测技术存在抗干扰性弱的缺陷与不足之处,本发明提供了一种基于BTO(budorcas taxicolor optimization;羚牛优化)算法的避雷器老化在线监测方法、装置、设备及介质。本发明提供的BTO算法具有强大的全局寻优能力,能够快速准确地求解出避雷器模型参数k、α和C的最优值,从而及时对避雷器老化状态做出精准评估。
本发明提供了一种基于BTO算法的避雷器老化在线监测方法,包括:
1)根据能够反映避雷器老化状态的参数(即非线性系数k、α和电容C)建立适合的避雷器等效简化模型;
2)搭建求解等效简化模型参数k、α、C的最优值的BTO算法模型系统;
3)获取在运避雷器的两端电压数据和泄漏电流数据;
4)采用BTO算法模型系统搜索求解等效简化模型参数k、α、C的最优值;
5)将求解出的模型参数k、α、C的最优值与避雷器初始安装时算法求解的模型参数值进行对比,从而对避雷器的老化情况做出准确评估。
优选的,所述步骤1)的避雷器等效简化模型具体为非线性电阻R与电容C并联而成的模型结构,所述避雷器等效简化模型的数学模型具体为:
其中,ix表示避雷器的泄漏电流;ir、ic分别表示泄漏电流中的阻性电流分量和容性电流分量;u为避雷器两端电压;k、α表示避雷器等效简化模型中的非线性系数;C为等效电容;Iref和Uref分别是参考电流和参考电压。
优选的,所述步骤2)的BTO算法模型系统是受羚牛的觅食行为和迁徙行为启发而建立,具体为:
所述羚牛觅食行为的数学模型表示为:
其中,Xn(k+1)=[x1,x2...,xd]n,n=1,2,...,N表示觅食羚牛群中第n只羚牛在第(k+1)次觅食时的位置向量,N为觅食羚牛群数目;表示第n只羚牛在整个觅食过程中的最佳位置;R=[r1,r2,...,rd]n表示第n只羚牛的觅食感知半径,d是位置向量维度且第i维度的感知半径为:/>其中/>表示第n只羚牛在第i维度下的最佳位置,/>表示整个觅食羚牛群中第j只羚牛在第i维度下的最佳位置;w为(-1,1)的随机数;Kmax为最大迭代数。
所述羚牛迁徙行为的数学模型表示为:
其中,Xm(k+1)=[x1,x2...,xd]m,m=1,2,...,M表示迁徙羚牛群中第m只羚牛在第(k+1)次迁徙状态时的位置向量,M表示迁徙羚牛数目;X*表示整个羚牛群中的最佳位置;β=2exp(-20(k/Kmax))2;γ=[γ1,γ2,...,γd]m,γi∈{-1,1};η=[η1,η2,...,ηd]m,其中ηi为[1,N]区间的随机数;Xα,α∈[1,N]表示觅食羚牛群中的一个随机位置向量。
优选的,所述步骤4)BTO算法模型系统求解避雷器模型参数的目标优化函数为:
其中,i表示BTO算法计算所得的泄露电流值;ix表示避雷器的泄漏电流实测值;T表示在线监测时间;ε表示算法计算所得的泄露电流与实测值之间的差值平方和;优选的,所述目标函数在离散情况下则表示为:
其中,N表示避雷器的泄露电流实际采样点数目。
本发明提供了一种基于BTO算法的避雷器老化在线监测装置,包括:
数据获取模块,用于获取在运避雷器的两端电压数据和泄漏电流数据;
参数计算模块,用于根据采集的避雷器两端电压数据和泄露电流数据,采用BTO算法模型迭代搜索求解避雷器等效简化模型参数k、α、C的最优值;
性能评估模块,用于将求解的模型参数k、α、C的最优值与避雷器初始安装时算法求解的模型参数值进行对比,以分析评估避雷器的性能状况;
结果显示模块,用于输出可视化在运避雷器的老化情况。
本发明提供了一种基于BTO算法的避雷器老化在线监测设备,包括:处理器和用于存储处理器可执行程序的存储器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现所述避雷器老化在线监测方法。
本发明提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现所述的避雷器老化在线监测方法。
本发明提供了一种基于BTO算法的避雷器老化在线监测方法、装置、设备及介质,所述方法采用的技术方案包括:根据能够反映避雷器老化状态的参数(即非线性系数k、α和电容C)建立适合的避雷器等效简化模型;搭建求解避雷器模型参数最优值的BTO算法模型系统;获取在运避雷器的两端电压数据和泄漏电流数据;采用BTO算法模型系统搜索求解避雷器模型参数k、α、C的最优值;将求解出的模型参数k、α、C的最优值与避雷器初始安装时算法求解的模型参数值进行对比,即可对避雷器的老化情况做出准确评估。
与现有的避雷器离线预防性试验和在线监测技术相比,本发明提供的避雷器老化在线监测方法具有如下有益效果:
(1)本发明提供的一种基于BTO算法的避雷器老化在线监测方法,通过BTO算法强大的全局寻优能力,能够快速准确地求解出避雷器模型参数k、α、C的最优值,从而实现对避雷器老化状态的精准评估。此外,避雷器泄露电流中的阻性分量也可通过BTO算法精确计算获得。
(2)本发明提供的一种基于BTO算法的避雷器老化在线监测方法,所采用的BTO算法在电网系统中存在谐波电压、电压波动和频率波动的干扰下,具备优异的抗干扰能力和稳定性,所求解的避雷器模型参数k、α、C的误差全部为0,显著提高了避雷器老化在线监测的精度,为电力系统的安全运行提供了重要技术保障。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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BTO算法的避雷器老化在线监测方法的流程示意图;
图2为本发明实施例提供的一种避雷器等效简化模型结构示意图;
图3为本发明实施例提供的BTO算法运行流程示意图;
图4为本发明实施例提供的一种基于BTO算法的避雷器老化在线监测装置的模块示意图。
具体实施方式
为了更加清楚地说明本发明技术方案,下面将结合附图和实施例对本发明技术方案进行清楚完整地描述。应当理解,所述的实施例仅是本发明实施例中的一部分,而不是全部实施例。基于本发明中的实施例,本领域的技术人员在没有做出创造性劳动的前提下所获得的其他所有实施例,都应当属于本发明保护的范围。
实施例一
图1为本发明实施例一提供的一种基于BTO算法的避雷器老化在线监测方法的流程图,本实施例适用于辅助电工人员检测避雷器性能状况的情况,该方法可通过避雷器老化在线监测装置来执行。如图1所示,该方法包括:
S1、根据能够反映避雷器老化状态的参数(即非线性系数k、α和电容C)建立适合的避雷器等效简化模型。示例性的,避雷器可等效为一个非线性电阻和电容相并联的模型,所述避雷器等效简化模型如图2所示。所述避雷器等效简化模型的数学模型具体为:
其中,ix表示避雷器的泄漏电流;ir、ic分别表示泄漏电流中的阻性电流分量和容性电流分量;u为避雷器两端电压;k、α表示避雷器等效简化模型中的非线性系数;C为等效电容;Iref和Uref分别是参考电流和参考电压。示例性的,参考值Iref设为1mA,Uref设为1pu。
S2、搭建求解避雷器模型参数k、α、C最优值的BTO算法模型系统;所述BTO算法模型系统的运行流程如图3所示。具体的,包括:
S21、BTO算法执行种群初始化操作,包括:初始化觅食种群数N、迁徙种群数M、种群维度d、最大迭代数Kmax以及种群的初始随机位置。示例性的,种群维度d设为3。
S22、BTO算法执行种群信息更新操作,所述种群信息更新操作具体为:在每次算法迭代中,计算种群当前的适应度并进行降序排序;将具有较高最佳适应度的前N只羚牛作为觅食种群,最佳适应度较低的后M只羚牛作为迁徙种群。
S23、BTO算法执行觅食行为操作,所述觅食行为的数学模型表示为:
其中,Xn(k+1)=[x1,x2...,xd]n,n=1,2,...,N表示觅食羚牛群中第n只羚牛在第(k+1)次觅食时的位置向量,N为觅食羚牛群数目;表示第n只羚牛在整个觅食过程中的最佳位置;R=[r1,r2,...,rd]n表示第n只羚牛的觅食感知半径,d是位置向量维度且第i维度的感知半径为:/>其中/>表示第n只羚牛在第i维度下的最佳位置,/>表示整个觅食羚牛群中第j只羚牛在第i维度下的最佳位置;w为(-1,1)的随机数;Kmax为最大迭代数。示例性的,N可以为20,Kmax可以为500,本发明实施例对此不进行限制。
S24、BTO算法执行迁徙行为操作,所述迁徙行为的数学模型表示为:
其中,Xm(k+1)=[x1,x2...,xd]m,m=1,2,...,M表示迁徙羚牛群中第m只羚牛在第(k+1)次迁徙状态时的位置向量,M为迁徙羚牛数目;X*为整个羚牛群中的最佳位置;β=2exp(-20(k/Kmax))2;γ=[γ1,γ2,...,γd]m,γi∈{-1,1};η=[η1,η2,...,ηd]m,其中ηi为[1,N]区间的随机数;Xα,α∈[1,N]表示觅食羚牛群中的一个随机位置向量。示例性的,M可以为10,本发明实施例对此不进行限制。
S25、BTO算法输出条件判断,若算法满足收敛条件则算法运行结束,否则重新计算。示例性的,收敛条件目标值可为10-9,本发明实施例对此不进行限制。
S3、获取在运避雷器的两端电压数据和泄漏电流数据;
S4、采用BTO算法模型系统搜索求解避雷器模型参数k、α、C的最优值;所述避雷器模型参数k、α、C的最优值需通过建立目标函数进行求解,所述目标函数具体为:
其中,i表示BTO算法计算所得的泄露电流值;ix表示避雷器的泄漏电流实测值;T表示在线监测时间;ε表示算法计算所得的泄露电流与实测值之间的差值平方和;所述目标函数在离散情况下则表示为:
其中,N表示避雷器的泄露电流实际采样点数目。
S5、将求解出的模型参数k、α、C的最优值与避雷器初始安装时算法求解的模型参数值进行对比,从而对避雷器的老化情况做出准确评估。示例性的,当求解的模型参数值大于初始模型参数值则说明避雷器发生老化,模型参数的相对差值则可说明避雷器的老化程度。
实施例二
本发明实施例二提供了一种基于BTO算法的避雷器老化在线监测装置,所述避雷器老化在线监测装置模块示意图如图4所示,包括:
数据获取模块10,用于获取在运避雷器的两端电压数据和泄漏电流数据;
参数计算模块20,用于根据所述采集的避雷器电压和泄露电流数据,采用BTO算法模型迭代搜索求解避雷器模型参数k、α、C的最优值;
性能评估模块30,用于将所述求解的模型参数k、α、C的最优值与避雷器初始安装时算法求解的模型参数值进行对比,以分析评估避雷器的性能状况;
结果显示模块40,用于输出可视化在运避雷器的老化情况。
实施例三
本发明实施例三提供了一种基于BTO算法的避雷器老化在线监测设备。包括:处理器和用于存储处理器可执行程序的存储器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现所述避雷器老化在线监测方法。
实施例四
本发明实施例四提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现所述的避雷器老化在线监测方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。本文中以上描述的方法、系统和计算机程序产品的各种实施方式可以在数字电子电路系统、集成电路系统、负载可编程逻辑设备、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
本发明采用的计算机可读存储介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质包括但不限于硬盘、光学储存设备、随机存取存储器(RAM)、只读存储器(ROM)或上述的任何合适组合。
应该理解,以上所述的各种形式的流程可重新排序、增加或删除步骤。例如,本发明中所述的各步骤可顺序执行或并行执行,本文对此不进行限制。
上述实施例并不构成对本发明保护范围的限制。本领域的普通技术人员应当理解:其他的任何在本发明的精神和原则之内进行的修改、等同替换和改进等,均包含在本发明的保护范围之内。
Claims (9)
1.一种基于BTO算法的避雷器老化在线监测方法,其特征在于,包括:
建立反映避雷器老化状态的等效简化模型;
搭建求解避雷器等效简化模型参数k、α、C的最优值的BTO算法模型系统;其中k、α为非线性参数,C为等效电容;
获取在运避雷器的两端电压数据和泄漏电流数据;
采用BTO算法模型系统搜索求解等效简化模型的参数k、α、C的最优值;
将求解出的等效简化模型参数k、α、C的最优值与避雷器初始安装时BTO算法模型系统求解的模型参数值进行对比,从而对避雷器的老化情况做出准确评估。
2.根据权利要求1所述的一种基于BTO算法的避雷器老化在线监测方法,其特征在于,所述避雷器等效简化模型具体为非线性电阻R与等效电容C并联而成的模型结构,所述避雷器等效简化模型的数学模型具体为:
其中,ix表示避雷器的泄漏电流;ir、ic分别表示泄漏电流中的阻性电流分量和容性电流分量;u为避雷器两端电压;k、α表示避雷器等效简化模型中的非线性系数;C为等效电容;Iref和Uref分别是参考电流和参考电压。
3.根据权利要求1所述的一种基于BTO算法的避雷器老化在线监测方法,其特征在于,所述BTO算法基于羚牛觅食行为和迁徙行为提出,所述羚牛觅食行为具体为羚牛会寻找一个合适的进食位置并在其最佳区域处进行进食;所述羚牛觅食行为的数学模型描述为:
其中,Xn(k+1)=[x1,x2...,xd]n,n=1,2,...,N表示觅食羚牛群中第n只羚牛在第(k+1)次觅食时的位置向量,N为觅食羚牛群数目;表示第n只羚牛在整个觅食过程中的最佳位置;R=[r1,r2,...,rd]n表示第n只羚牛的觅食感知半径,d是位置向量维度且第i维度的感知半径为:/>其中/>表示第n只羚牛在第i维度下的最佳位置,表示整个觅食羚牛群中第j只羚牛在第i维度下的最佳位置;w为(-1,1)的随机数;Kmax为最大迭代数。
4.根据权利要求3所述的一种基于BTO算法的避雷器老化在线监测方法,其特征在于,所述羚牛迁徙行为是羚牛在觅食过程中会不时地发出低沉的吼声来引导羚牛群中的其他个体成群地向它靠近或者改变迁徙方向,使得处于不利位置的羚牛寻找到更好的进食位置;所述羚牛的迁徙行为用如下数学模型表示:
其中,Xm(k+1)=[x1,x2...,xd]m,m=1,2,...,M表示迁徙羚牛群中第m只羚牛在第(k+1)次迁徙状态时的位置向量,M表示迁徙羚牛数目;X*表示整个羚牛群中的最佳位置;β=2exp(-20(k/Kmax))2;γ=[γ1,γ2,...,γd]m,γi∈{-1,1};η=[η1,η2,...,ηd]m,其中ηi为[1,N]区间的随机数;Xα,α∈[1,N]表示觅食羚牛群中的一个随机位置向量。
5.根据权利要求4所述的一种基于BTO算法的避雷器老化在线监测方法,其特征在于,所述BTO算法的种群位置和群体分布的更新过程为:在每次迭代中,计算BTO算法种群当前的适应度并进行降序排序;将最佳适应度较高的前N只羚牛作为觅食种群,最佳适应度较低的后M只羚牛作为迁徙种群。
6.根据权利要求5所述的一种基于BTO算法的避雷器老化在线监测方法,其特征在于,所述BTO算法求解避雷器等效简化模型的参数k、α、C需建立目标函数,所述目标函数具体为:
其中,i表示BTO算法计算所得的泄露电流值;ix表示避雷器的泄漏电流实测值;T表示在线监测时间;ε表示算法计算所得的泄露电流与实测值之间的差值平方和;所述目标函数在离散情况下则表示为:
其中,N表示避雷器的泄露电流实际采样点数目。
7.一种避雷器老化在线监测装置,其特征在于,包括:
数据获取模块,用于获取在运避雷器的两端电压数据和泄漏电流数据;
参数计算模块,用于根据采集的避雷器两端电压数据和泄露电流数据,采用BTO算法模型迭代搜索求解避雷器等效简化模型的参数k、α、C的最优值;
性能评估模块,用于将求解的模型参数k、α、C的最优值与避雷器初始安装时BTO算法求解的模型参数值进行对比,以分析评估避雷器的性能状况;
结果显示模块,用于输出可视化在运避雷器的老化情况。
8.一种避雷器老化在线监测设备,包括处理器和用于存储处理器可执行程序的存储器,其特征在于,所述存储器上存储有如权利要求1-6中任一项所述方法对应的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述的避雷器老化在线监测方法。
9.一种计算机可读存储介质,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1-6中任一项所述的避雷器老化在线监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310473006.XA CN116500361A (zh) | 2023-04-27 | 2023-04-27 | 一种基于bto算法的避雷器老化在线监测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310473006.XA CN116500361A (zh) | 2023-04-27 | 2023-04-27 | 一种基于bto算法的避雷器老化在线监测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116500361A true CN116500361A (zh) | 2023-07-28 |
Family
ID=87324410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310473006.XA Pending CN116500361A (zh) | 2023-04-27 | 2023-04-27 | 一种基于bto算法的避雷器老化在线监测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116500361A (zh) |
-
2023
- 2023-04-27 CN CN202310473006.XA patent/CN116500361A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558295B (zh) | 一种性能指标异常检测方法及装置 | |
CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
Zhang et al. | An age-and state-dependent nonlinear prognostic model for degrading systems | |
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
US7912669B2 (en) | Prognosis of faults in electronic circuits | |
CN110532119B (zh) | 动力系统运行异常点检测方法 | |
CN111458661A (zh) | 一种配电网线变关系诊断方法、装置及系统 | |
CN112330488B (zh) | 基于迁移学习的电网频率态势预测方法 | |
CN111737249A (zh) | 基于Lasso算法的异常数据检测方法及装置 | |
CN113723861A (zh) | 异常用电行为检测方法、装置、计算机设备和存储介质 | |
CN116070302A (zh) | 一种电缆绝缘状态的预测方法及装置 | |
CN114970665A (zh) | 模型训练方法、电解电容剩余寿命预测方法及系统 | |
CN113758604B (zh) | 电气设备运行状态的检测方法、装置、设备及存储介质 | |
CN114266284A (zh) | 开关柜绝缘缺陷类型检测方法、装置、设备和程序产品 | |
CN117347916A (zh) | 一种基于参数辨识的绕组结构故障定位方法及装置 | |
CN107463486B (zh) | 系统性能分析方法、装置及服务器 | |
CN111413564B (zh) | 一种超级电容器失效预警方法、系统以及设备 | |
RU2364926C2 (ru) | Способ контроля состояния многопараметрического объекта | |
CN113189513A (zh) | 一种基于纹波的冗余电源均流状态识别方法 | |
CN110007174B (zh) | 一种数据中心的动力管控检测方法 | |
CN116500361A (zh) | 一种基于bto算法的避雷器老化在线监测方法、装置、设备及介质 | |
CN113933725B (zh) | 一种基于数据驱动确定动力电池荷电状态的方法 | |
CN116662771A (zh) | 电容式电压互感器自适应pca误差定量评价的方法及系统 | |
CN116679139A (zh) | 电缆更换监测系统及方法 | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 |
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 |