[發明專利]基于微分進化算法和BP神經網絡的避雷器均壓環優化法

有效

• 申請號: 201410437237.6
• 申請日: 2014-08-29
• 公開（公告）號: CN104200096B
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 陳圖騰;張義;程德保;曹繼豐
• 申請（專利權）人: 中國南方電網有限責任公司超高壓輸電公司昆明局
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/02
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

本發明涉及一種基于微分進化算法和BP神經網絡的避雷器均壓環優化。該方法是一種基于微分進化算法和BP神經網絡的混合智能尋優算法。對于用于改善避雷器電阻片表面電場分布的均壓環優化問題，該方法首先基于有限元仿真軟件，結合微分進化算法對均壓環的優化參數進行尋優計算，然后將尋優過程產生的計算數據作為BP神經網絡的訓練樣本數據，通過神經網絡擬合建立起優化自變量與因變量之間的多維非線性關系，用訓練好的BP神經網絡預測輸出，并結合微分算法實現了進一步尋優計算。通過大量優化數據對比表明，該方法簡單、執行效率高，魯棒性好，數據挖掘充分，并且對電磁場逆問題有一定的通用性。

技術領域

本發明屬于電磁場逆問題研究領域，尤其是涉及一種基于微分進化算法和BP神經網絡的避雷器均壓環優化法。

背景技術

現階段研究電磁場逆問題的方法主要有試驗測量方法，和基于有限元的數值計算方法?，F有技術分別有：

1、結合試驗測量和有限元計算分析了影響避雷器電位分布的多種因素；

2、結合試驗測量和有限元計算分析了影響避雷器電位分布的多種因素；采用不同的邊界處理方法解決了避雷器有限元計算的開域問題，計算并分析了影響電壓承擔率的各個因素，保證了有限元的優點和程序的通用性

隨著人工智能技術在理論和應用方面的突破性發展，有限元結合人工智能技術在對電氣設備的結構優化設計方面也得到廣泛應用，如以下文獻或以有限元法結合遺傳算法，或結合粒子群算法，或結合神經網絡進行尋優計算，均取得不錯的效果。

常用的人工智能算法包括支持向量機、BP神經網絡、人工神經網絡等，常用的仿生算法包括微分進化算法、粒子群算法、蟻群算法等。與仿生算法相比，人工智能算法具有簡單、靈活、有記憶性，能夠進行合理預測等特點，人工智能算法計算時間基本上可以忽略不計，只需用少量的時間計算一些樣本供訓練和驗證使用，大大縮短了優化過程的時間，但在全局收斂性方面較仿生算法差；仿生算法計算全局最優解受制于初始種群規模，且尋優迭代計算通常耗時較長，對計算機硬件要求較高。

為了適應尋優過程的需求，克服上述算法缺點，提出了混合智能算法的概念，并在工程領域有較多應用：基于對配電網中各個開關狀態的網絡重構問題優化研究，提出了結合遺傳算法(GA)中的進化思想和粒子群算法(PSO)中的群體智能技術，提出了一種混合遺傳粒子群優化算法(HGAPSO)解決配電網絡重構問題，結合3個不同規模的IEEE測試網絡的重構問題并做了多方面的比較，取得了令人滿意的效果，體現出較GA和PSO更好的尋優性能。在尋優過程中，部分個體以PSO方法迭代，其它個體進行GA中的交叉和變異操作，整個群體信息共享，同時采用自適應參數機制和優勝劣汰的思想進化；基于對電力系統無功優化算法的深入研究，提出將免疫遺傳算法與變尺度混沌優化算法進行結合，形成一種混合智能算法，從而解決了免疫遺傳算法易陷于局部最優和在接近全局最優解時搜索速度減慢的缺點，通過對IEEE-30節點系統和內蒙古巴盟地區實際電網無功優化計算表明，結合混合智能算法的電力系統無功優化方法具有良好的理論價值和實用價值；基于多目標風電場接入的輸電線路與電網的聯合優化規劃模型；針對目標權重未知、人工神經網絡(artificialneural network，ANN)收斂困難、無法合理決策等問題，采用方差最大化決策和分類逼近理想解的排序方法technique for order preference by similarity to an idealsolution，TOPSIS)縮小最優解的范圍，并在此基礎上提出了隨機模擬、神經元網絡和非劣排序遺傳算法II(non-dominated sorting genetic algorithm II，NSGA-II)相結合的混合智能算法；對增加風電場的改進IEEEGarver-6系統進行計算分析，結果表明該方法具有較高的決策效率和計算精度。

目前對于電磁場逆問題研究，多融合有限元法與單一智能算法進行尋優迭代計算，這些方法雖然很好的解決了某些電磁場逆問題中的開域問題，但迭代計算時間，全局收斂和最優解精度等方面的問題依然較為突出。

發明內容