基于改进粒子群优化神经网络的配电网故障诊断

李浩泽 徐康

摘要：为提高配电网故障诊断的准确性和快速性，本文提出了基于改进粒子群算法（IPSO）优化BP网络的进化神经网络模型。首先用保护装置和断路器的动作信息作为神经网络输入，通过改进的粒子群算法对BP神经网络的权值和阈值进行优化，最后将测试样本输入到训练好的改进粒子群神经网络（IPSO-BP）模型中进行配电网故障诊断。仿真试验结果表明：该方法与传统的BP、PSO-BP相比，在收敛速度和准确度方面都有明显的提高。

关键词：配电网;粒子群优化算法;神经网络

0 引言

本文提出了一种改进的粒子群算法与BP神经网络相结合的算法，将其应用到配电网故障诊断中，同时引用了遗传算法的变异思想，在粒子群算法中引入变异操作，使得到的结果更接近期望值[1]。以4个基准函数对其算法进行测试，其仿真试验结果表明，改进粒子群神经网络优化算法具有更好的性能和全局搜索能力。

1  PSO算法及IPSO算法简介

1.1 标准PSO算法

粒子群优化算法是一种基于群智能方法的进化计算技术，该算法源于对鸟群捕食的行为研究。假设在一个D维的目标搜索空间中，有m个粒子，其中第i个粒子（i=1，2，…，m）的位置和速度分别为Xi=（xi1，xi2，…，xiD）和Vi=（ vi1，vi2，…，viD），粒子在每一次迭代中通过跟踪两个最优解pbest和gbest来更新自己[2]。

1.2  IPSO算法

惯性权重w的引入，对PSO算法的发展起到了重要的作用，其大小反映了对当前粒子速度继承的多少，因此选择合适的惯性权重能够帮助该算法达到全局寻优和局部探索之间的有效平衡。

2  基于IPSO-BP算法的配电网故障诊断

2.1  特征量的提取

對配电网进行故障分析，配电网分为5个故障区域sec1-sec5，分别配有过流保护CO，后备距离保护RR，QF表示断路器，其中保护、断路器在“1” 或“0”中取值，“1”表示保护动作或断路器跳闸，“0”表示保护未动作或断路器闭合。故障征兆将其分为8个部分，分别为线路sec1、sec2、sec3、sec4、sec5、sec3-4（表示sec3或sec4区域存在故障）、sec2-5、none（表示没有故障）[3]。选取配电网的保护和断路器的12个特征参数作为BP网络的输入，以8个故障征兆区域作为网络的输出，形成训练样本，为配电网故障特征值训练样本。

2.2  PSO-BP网络参数及状态编码设置

根据上面的分析，建立3层BP网络，12个特征参数对应的BP网络的输入，即输入层节点数为12;以8个故障征兆区域作为网络的输出，即输出层节点数为8;运用黄金分割原理的优化算法，求得的隐含层节点数为24。因此构成了结构为12-24-8的神经网络模型。粒子群规模为20，c1和c2均取2.05，wmax为0.9，wmin为0.4，设定误差标准e为10-3，最大迭代次数为100次。

2.3  故障诊断试验

运用三种算法进行10次测试，然后取平均值，利用IPSO-BP算法进行故障诊断比PSO-BP算法、BP算法更接近期望输出值，很大程度上提高了故障诊断精度。

3  结语

本文运用IPSO算法对BP网络的权值和阈值进行优化，克服了传统BP算法的学习速度慢、容易陷入局部最优等缺陷，并将IPSO-BP算法应用到配电网故障诊断中;仿真结果表明，IPSO-BP算法相对于传统的BP算法、PSO-BP算法，无论是从收敛速度上还是在诊断精度上都有显著的提高，并且从实例中也验证了该算法的准确性与可行性。

参考文献：

[1]  胡非，刘志刚，何士玉，杨红梅.一种基于模型的配电网故障诊断搜索算法[J].电力自动化设备，2013，33（1）：81-84.

Hu Fei，Liu Zhigang，He Shiyu，Yang Hongmei.Model-based search algorithm of fault diagnosis for distribution system[J].Electric Power Automation Equipment，2013，33（1）：81-84（in Chinese）.

[2]  李洪扬.一种用于配电网故障定位的粒群算法分析[J].重庆科技学院学报（自然科学版），2010，12（3）：127-130.

Li Hongyang.Analysis of Particle Swarm Optimization Algorithm for Distribution Fault Location[J].Chong Qing institute of technology（Natural Science），2010，12（3）：127-130（in Chinese）.

[3]  廖犬发，刘会金，傅志伟.基于神经网络模式的配电网故障定位[J].湖北电力，2004，28（1）：9-10.

Liao Quanfa，Liu Huijin，Fu Zhiwei.Fault-locating for Distribution Network Based on Neuro-net Model[J].Hu Bei electric power，2004，28（1）：9-10（in Chinese）.