CN117217044A - 一种基于粒子群算法的换流站内优化电场测量位置设计方法 - Google Patents

Abstract

本发明公开了一种基于粒子群算法的换流站内优化电场测量位置设计方法，包括构建有限元仿真模型，同时建立光学电场传感器模型，计算空间电场分布情况；根据空间电场分布情况，基于粒子群算法以光学电场传感器作为粒子群算法的粒子，并将换流站地面区域作为粒子群算法的搜索空间；采用粒子群算法优化光学电场传感器的放置位置，并以最优电场均匀度的全局粒子位置作为最优光学电场传感器的测量位置；根据得到的最优光学电场传感器的测量位置布置非接触式电场传感器设备后进行电场测量。本发明通过以寻找电场测量位置为目标，通过对复杂电场环境建立有限元仿真模型，得出最优位置，提升光学电场传感器测量电场的准确度与安全性。

Description

一种基于粒子群算法的换流站内优化电场测量位置设计方法

技术领域

本发明涉及电力系统测量技术领域，特别涉及一种基于粒子群算法的换流站内优化电场测量位置设计方法。

背景技术

现有的电压测量技术通常有接入电网的电压互感器和非接触式电压传感器两种方式，其中，接入电网的电压互感器安全稳定、使用寿命长但需接入电网中，安装位置受限，光学电场传感器是一种常见的非接触式电压传感器。该传感器通过晶体材料感知环境中的电场，并根据电场与电压的关系反演得到电压值。由于光学电场传感器的结构特性，对电场均匀度的要求较高，电场均匀度越好，测量准确度越高，然而换流站内结构复杂，电气设备分布不均匀，电场分布存在差异，因此电场均匀度较难保证，导致非接触式电压测量存在一定的误差。传统的电场传感器测量位置多采用经验和试验等方式来寻找，难以保证精度和效率。因此，需要提供一种可靠、精确、高效的寻找电场最均匀测量位置的方法，可以提高电场测量的精度和准确度。

现有的许多算法可用于优化此问题，例如共轭梯度法、遗传算法、蚁群算法、粒子群算法等。根据问题的特点和规模，适合寻找环境内电场最均匀测量位置这一问题的优化算法为粒子群算法。粒子群算法是一种常用于全局优化和搜索的算法，具有速度快且易于实现等优点。粒子群算法通过模拟粒子的移动过程来寻找最优解，在解空间中随机初始化位置和速度，并根据当前位置和历史最优位置的距离来更新速度和位置，不断寻找最优解。这种算法应用于寻找电场最均匀测量位置这一问题时，具有易于实现、搜索能力强等特点。

公告号为CN103413185A的发明专利公开了一种采煤机摇臂振动传感器优化布置方法，有效提高了传感器的灵敏度和测量精度的方法。该发明根据采煤机的使用过程中煤矿环境的复杂性，优化摇臂振动传感器的布置位置和布置数量，提升了传感器输出信号的稳定性，为采煤机的维护和安全管理提供了重要的支持，也提高了生产的效率和安全性。但该算法优化的过程中，由于适应度函数选取的问题，有时会丢失重要模态信息导致无法选到合适的检测点数。

发明内容

本发明的目的克服现有技术存在的不足，为实现以上目的，采用一种基于粒子群算法的换流站内优化电场测量位置设计方法，以解决上述背景技术中提出的问题。

一种基于粒子群算法的换流站内优化电场测量位置设计方法，包括以下步骤：

步骤S1、根据换流站的电气设备布置情况构建有限元仿真模型，同时建立光学电场传感器模型，计算光学电场传感器的空间电场分布情况；

步骤S2、根据光学电场传感器的空间电场分布情况，基于粒子群算法以有限元仿真模型中的光学电场传感器作为粒子群算法的粒子，并将换流站地面区域作为粒子群算法的搜索空间；

步骤S3、采用粒子群算法优化光学电场传感器的放置位置，并以最优电场均匀度的全局粒子位置作为最优光学电场传感器的测量位置；

步骤S4、根据得到的最优光学电场传感器的测量位置布置非接触式电场传感器设备后进行电场测量，并输出测量结果。

作为本发明的进一步的方案：所述步骤S1中的具体步骤为：

根据当前高压换流站内的切滤波器和断路器部分的电气参数构建有限元仿真模型；

并在有限元仿真模型内建立光学电场传感器模型，计算得到换流站内光学电场传感器所处位置的空间电场分布情况。

作为本发明的进一步的方案：所述步骤S2中的具体步骤为：

根据计算得到的换流站内光学电场传感器所处位置的空间电场分布情况，基于粒子群算法以有限元仿真模型中的光学电场传感器作为粒子群算法的粒子；以及

将换流站地面区域作为粒子群算法的搜索空间，同时以换流站的电气设备的安全距离为约束条件。

作为本发明的进一步的方案：所述步骤S2中粒子群算法的搜索空间的具体公式为：

X＝rand(N,D)*(X_max-X_min)+X_min；

Y＝rand(N,D)*(Y_max-Y_min)+Y_miin；

式中，rand是随机数函数，N为群体粒子个数，D为确定传感器位置所需的维数；

将换流站地面区域的二维平面设置为搜索空间，二维平面上X轴为换流站内导线方向平行的轴，Y轴为换流站内导线方向垂直的轴，其中，X_max、X_min是场内X轴上的搜索范围，Y_max、Y_min是场内Y轴上的搜索范围。

作为本发明的进一步的方案：所述步骤S3中的具体步骤为：

基于粒子群算法将粒子群算法的粒子模拟有限元仿真模型中的光学电场传感器所处位置；

预设较大的惯性因子ω，获得更强的全局寻优能力，降低局部最优的概率；

初始化粒子的位置和最优值，并建立数组储存粒子对应的适应度函数；

根据换流站空间大小设置最大迭代次数，若换流站空间较大，则设置更大迭代次数获得最优位置；

设置适应度函数用于反映粒子的优劣程度，并根据适应度函数的适应度值来调整粒子的位置和速度；

再计算第k+1代粒子群中第p个粒子的速度，公式为：

式中，为第k+1代粒子群中第p个粒子的速度，/>为第k代粒子群中第p个粒子的速度，ω为惯性因子，pbest为第k代粒子群中第d个变量的全局最优粒子，gbest为第k代粒子群中第d个变量的全局最优粒子，/>为第k代粒子群中第p个粒子的位置，c₁和c₂是学习因子，r₁和r₂是分布于[0,1]区间的随机数；

再计算第k+1代粒子群中第p个粒子的位置，公式为：

式中，为第k+1代粒子群中第p个粒子的速度，/>为第k代粒子群中第p个粒子的位置；

计算第k+1代粒子群中p个粒子的适应度，并与第k代的适应度进行比较，将较大适应度值对应的粒子作为第k+1代粒子群中p个粒子的局部最优粒子，并从第k+1代粒子群中选取最大适应度值对应的最优粒子作为第k+1代粒子群的全局最优粒子；

将k+1赋值给k，计算新一代粒子的适应度函数f，循环以上步骤，直到达到最大迭代次数或满足适应度函数f收敛条件，得到的全局最优粒子位置作为最优光学电场传感器的测量位置。

作为本发明的进一步的方案：所述适应度函数f为：

式中，E_av为光学电场传感器模型中重心处的电场强度，E_max为光学电场传感器模型上最大的电场强度，其中，函数f接近1，则光学电场传感器所处位置环境的电场均匀度越好。

与现有技术相比，本发明存在以下技术效果：

采用上述的技术方案，通过以寻找复杂电场环境中最均匀的电场测量位置为目标，通过对复杂电场环境建立有限元仿真模型，计算换流站内空间电场分布情况，并采用粒子群算法在换流站内寻找电场最均匀的测量位置。在寻优过程中将粒子群算法中的粒子作为非接触式电场传感器的位置，以电场传感器所处环境的均匀度为判据，辅以电气设备安全距离为约束条件，得出最优的电场传感器测量位置。从而实现可靠、精确、高效的寻找换流站内电场均匀的测量位置的方法，以提高电场传感器测量位置的均匀度，进而提升电压测量的准确率。

附图说明

下面结合附图，对本发明的具体实施方式进行详细描述：

图1为本申请公开实施例的测量位置设计方法的步骤示意图；

图2为本申请公开实施例的测量位置设计方法的流程框图。

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。

请参考图1和图2，本发明实施例中，一种基于粒子群算法的换流站内优化电场测量位置设计方法，包括以下步骤：

本实施例中，以电气环境为1100kV换流站内切滤波器断路器部分，采用符合现场环境的电气参数建模，具体还包括三相断路器导线、光学晶体模型，作为实施例进行说明；

步骤S1、根据换流站的电气设备布置情况，以切滤波器和断路器部分的电气参数构建有限元仿真模型，同时在有限元仿真模型内建立光学电场传感器模型，并计算得到换流站内光学电场传感器所处位置的空间电场分布情况；

本实施例中，考虑高压换流站内电气设备安全距离，得到传感器的可布置区域。通过对目标函数搜索空间限定保证测量位置安全，在海拔1000米及以下地区，将±500kV换流站内电气设备6米以外，限定为目标函数搜索空间即传感器布置位置；在海拔1000-2000米地区，将±500kV换流站内电气设备6.8米以外，限定为目标函数搜索空间即传感器布置位置；

步骤S2、根据光学电场传感器的空间电场分布情况，计算得到的换流站内光学电场传感器所处位置的空间电场分布情况，基于粒子群算法以有限元仿真模型中的光学电场传感器作为粒子群算法的粒子；以及

将换流站地面区域作为粒子群算法的搜索空间，同时以换流站的电气设备的安全距离为约束条件。

本实施例中，粒子群算法的搜索空间的具体公式为：

式中，rand是随机数函数，N为群体粒子个数，D为确定传感器位置所需的维数；

将换流站地面区域的二维平面设置为搜索空间，二维平面上X轴为换流站内导线方向平行的轴，Y轴为换流站内导线方向垂直的轴，其中，X_max、X_min是场内X轴上的搜索范围，Y_max、Y_min是场内Y轴上的搜索范围；

步骤S3、采用粒子群算法优化光学电场传感器的放置位置，并以最优电场均匀度的全局粒子位置作为最优光学电场传感器的测量位置，具体步骤为：

步骤S31、基于粒子群算法将粒子群算法的粒子模拟有限元仿真模型中的光学电场传感器所处位置；

步骤S32、以换流站地面作为粒子的搜索空间，并辅以电气设备安全距离为搜索空间的限制条件，搜索空间为公式(1)；

步骤S33、预设较大的惯性因子ω，获得更强的全局寻优能力，降低局部最优的概率；

步骤S34、初始化粒子的位置和最优值，并建立数组储存粒子对应的适应度函数；

步骤S35、根据换流站空间大小设置最大迭代次数，若换流站空间较大，则设置更大迭代次数获得最优位置；

步骤S36、设置适应度函数用于反映粒子的优劣程度，并根据适应度函数的适应度值来调整粒子的位置和速度，适应度函数f为：

式中，E_av为光学电场传感器模型中重心处的电场强度，E_max为光学电场传感器模型上最大的电场强度，其中，函数f接近1，则光学电场传感器所处位置环境的电场均匀度越好；

步骤S37、再利用下述公式(3)计算第k+1代粒子群中第p个粒子的速度，公式为：

式中，为第k+1代粒子群中第p个粒子的速度，/>为第k代粒子群中第p个粒子的速度，ω为惯性因子，pbest为第k代粒子群中第d个变量的全局最优粒子，gbest为第k代粒子群中第d个变量的全局最优粒子，/>为第k代粒子群中第p个粒子的位置，c₁和c₂是学习因子，r₁和r₂是分布于[0,1]区间的随机数；

步骤S38、再利用下述公式(4)计算第k+1代粒子群中第p个粒子的位置，公式为：

式中，为第k+1代粒子群中第p个粒子的速度，/>为第k代粒子群中第p个粒子的位置；

步骤S39、计算第k+1代粒子群中p个粒子的适应度，并与第k代的适应度进行比较，将较大适应度值对应的粒子作为第k+1代粒子群中p个粒子的局部最优粒子，并从第k+1代粒子群中选取最大适应度值对应的最优粒子作为第k+1代粒子群的全局最优粒子；

将k+1赋值给k，计算新一代粒子的适应度函数f，循环以上步骤，直到达到最大迭代次数或满足适应度函数f收敛条件，得到的全局最优粒子位置作为最优光学电场传感器的测量位置。

步骤S4、根据得到的全局最优粒子位置作为最优光学电场传感器的测量位置，布置非接触式电场传感器设备，在测量位置安装光学电场传感器设备后，并在设备正常工作状态下进行电场测量，并输出测量结果。

有益效果：

本实施例中提出的基于粒子群算法的非接触式电场测量位置优化方法，不同于传统的电场测量位置选取方法，通过粒子群算法寻找均匀的电场测量位置，可提高电场测量的精度，避免因电场均匀度导致的误差。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于粒子群算法的换流站内优化电场测量位置设计方法，其特征在于，包括以下步骤：

步骤S1、根据换流站的电气设备布置情况构建有限元仿真模型，同时建立光学电场传感器模型，计算光学电场传感器的空间电场分布情况；

步骤S2、根据光学电场传感器的空间电场分布情况，基于粒子群算法以有限元仿真模型中的光学电场传感器作为粒子群算法的粒子，并将换流站地面区域作为粒子群算法的搜索空间；

步骤S3、采用粒子群算法优化光学电场传感器的放置位置，并以最优电场均匀度的全局粒子位置作为最优光学电场传感器的测量位置；

步骤S4、根据得到的最优光学电场传感器的测量位置布置非接触式电场传感器设备后进行电场测量，并输出测量结果。

2.根据权利要求1所述一种基于粒子群算法的换流站内优化电场测量位置设计方法，其特征在于，所述步骤S1中的具体步骤为：

根据当前高压换流站内的切滤波器和断路器部分的电气参数构建有限元仿真模型；

并在有限元仿真模型内建立光学电场传感器模型，计算得到换流站内光学电场传感器所处位置的空间电场分布情况。

3.根据权利要求1所述一种基于粒子群算法的换流站内优化电场测量位置设计方法，其特征在于，所述步骤S2中的具体步骤为：

根据计算得到的换流站内光学电场传感器所处位置的空间电场分布情况，基于粒子群算法以有限元仿真模型中的光学电场传感器作为粒子群算法的粒子；以及

将换流站地面区域作为粒子群算法的搜索空间，同时以换流站的电气设备的安全距离为约束条件。

4.根据权利要求3所述一种基于粒子群算法的换流站内优化电场测量位置设计方法，其特征在于，所述步骤S2中粒子群算法的搜索空间的具体公式为：

X＝rand(N,D)*(X_max-X_min)+X_min；

Y＝rand(N,D)*(Y_max-Y_min)+Y_miin；

式中，rand是随机数函数，N为群体粒子个数，D为确定传感器位置所需的维数；

将换流站地面区域的二维平面设置为搜索空间，二维平面上X轴为换流站内导线方向平行的轴，Y轴为换流站内导线方向垂直的轴，其中，X_max、X_min是场内X轴上的搜索范围，Y_max、Y_min是场内Y轴上的搜索范围。

5.根据权利要求1所述一种基于粒子群算法的换流站内优化电场测量位置设计方法，其特征在于，所述步骤S3中的具体步骤为：

基于粒子群算法将粒子群算法的粒子模拟有限元仿真模型中的光学电场传感器所处位置；

预设较大的惯性因子ω，获得更强的全局寻优能力，降低局部最优的概率；

初始化粒子的位置和最优值，并建立数组储存粒子对应的适应度函数；

根据换流站空间大小设置最大迭代次数，若换流站空间较大，则设置更大迭代次数获得最优位置；

设置适应度函数用于反映粒子的优劣程度，并根据适应度函数的适应度值来调整粒子的位置和速度；

再计算第k+1代粒子群中第p个粒子的速度，公式为：

式中，为第k+1代粒子群中第p个粒子的速度，/>为第k代粒子群中第p个粒子的速度，ω为惯性因子，pbest为第k代粒子群中第d个变量的全局最优粒子，gbest为第k代粒子群中第d个变量的全局最优粒子，/>为第k代粒子群中第p个粒子的位置，c₁和c₂是学习因子，r₁和r₂是分布于[0,1]区间的随机数；

再计算第k+1代粒子群中第p个粒子的位置，公式为：

式中，为第k+1代粒子群中第p个粒子的速度，/>为第k代粒子群中第p个粒子的位置；

计算第k+1代粒子群中p个粒子的适应度，并与第k代的适应度进行比较，将较大适应度值对应的粒子作为第k+1代粒子群中p个粒子的局部最优粒子，并从第k+1代粒子群中选取最大适应度值对应的最优粒子作为第k+1代粒子群的全局最优粒子；

将k+1赋值给k，计算新一代粒子的适应度函数f，循环以上步骤，直到达到最大迭代次数或满足适应度函数f收敛条件，得到的全局最优粒子位置作为最优光学电场传感器的测量位置。

6.根据权利要求5所述一种基于粒子群算法的换流站内优化电场测量位置设计方法，其特征在于，所述适应度函数f为：

式中，E_av为光学电场传感器模型中重心处的电场强度，E_max为光学电场传感器模型上最大的电场强度，其中，函数f接近1，则光学电场传感器所处位置环境的电场均匀度越好。