蚁群算法在配电网故障定位中的应用文档格式.doc

蚁群算法在配电网故障定位中的应用文档格式.doc

《蚁群算法在配电网故障定位中的应用文档格式.doc》由会员分享，可在线阅读，更多相关《蚁群算法在配电网故障定位中的应用文档格式.doc（27页珍藏版）》请在冰点文库上搜索。

3.满足一定的阅读量。

时间：

2011年3月17日至2011年6月30日共12周

学习中心：

（或办学单位）电子科技大学厦门远洋中心

黄春水学号：

200910628990

专业：

电力系统及其自动化

指导单位或教研室：

电子科技大学厦门远洋中心

指导教师：

漆强 职称：

教授

电子科技大学

2011年06月16日

毕业设计（论文）进度计划表

日期

工作内容

执行情况

指导教师

签字

3月17日

至

4月12日

选题

4月18日

4月28日

开题报告

4月29日

5月23日

论文初稿

6月16日

6月30日

论文终稿

教师对进度计划实施情况总评

……

　　　　　　　　　　　　　　　　　签名

　　　　　　　　　　　　　　　　　　　　　　年月日

本表作评定学生平时成绩的依据之一

摘要

配电网是整个电力系统直接面向用户的最后环节。

随着社会经济的发展,电力用户对供电可靠性要求越来越高,配电自动化系统的推广和普及是一个必然趋势。

快速、准确的故障定位是迅速隔离故障区域、恢复非故障失电区域供电的基本前提。

蚁群算法是近年发展起来的一种仿生优化算法,具有分布式计算、快速正反馈、启发式搜索的特点。

用蚁群算法进行配电网故障定位,是本文的研究内容。

本论文主要阐述了对现有的配网故障定位的目标函数加以改进，将配电网故障定位问题转化为类似于TSP问题的模式，并采用分级处理的思想把整个配电网络分解为主干支路和多个独立区域，最后借助于蚁群算法进行局部、全局寻优。

文中充分利用配电网呈辐射状的特点，依据分级处理的思想，把整个配电网划分为主干支路和若干个独立区域，从而降低可行解的维数，使计算速度有较大的提高，然后利用蚁群算法良好的正反馈和容错性的特点进行局部及全局寻优，最后通过算例验证了该算法的有效性。

关键词：

配电网，故障定位，蚁群算法，分级处理

Abstract

Thedistributionnetworkistheentireelectricalpowersystemfacestheuserdirectlythefinallink.Alongwiththesocialeconomydevelopment,theelectricpoweruserismoreandmorehightothepowersupplyreliabilityrequest,thepowerdistributionautomatedsystempromotionandthepopularizationareaninevitabletrend.Fast,theaccuratebreakdownlocalizationistherapidisolationbreakdownregion,restoresthenon-breakdowntolosetheelectricityregionpowersupplythebasicpremise.Theantgroupalgorithmisonekindofbiologicalmodellingoptimizationalgorithmwhichtherecentyearsdeveloped,hadthedistributedcomputing,thefastregeneration,theheuristicsearchcharacteristic.Carriesonthedistributionnetworkbreakdownlocalizationwiththeantgroupalgorithm,isthisarticleresearchcontent.Thepresentpapermainlyelaboratedtoexistingmatchesthenetbreakdownlocalizationtheobjectivefunctiontoimprove,distributionnetworkThefault-locationproblemtransformsforissimilartotheTSPquestionpattern,andusesgraduationprocessingthethoughttodecomposetheentirepowerdistributionnetworkintothebranchlegandmanyindependentregions,finallydrawssupportfromYuYiqunthealgorithmtocarryon,theoverallsituationoptimizationpartial.Inthearticlefullyassumestheradiatingusingthedistributionnetworkthecharacteristic,thebasisgraduationprocessingthought,primarilydoestheentiredistributionnetworkdivisionthelegandcertainindependentregions,thusreducesthefeasiblesolutionthedimension,enablethecomputationspeedtohavethebigenhancement,thenandthefault-tolerantcharacteristiccarriesonpartialandtheoverallsituationoptimizationusingtheantgroupalgorithmgoodregeneration,finallyhasconfirmedthisalgorithmvaliditythroughtheexample.

KEYWORD:

Distributionnetwork,breakdownlocalization,antgroupalgorithm,graduationprocessing

目录

第一章绪言 1

第二章蚁群算法的基本原理 1

第一节蚁群算法简介 1-5

第二节蚁群算法 5-7

第三章配电网的基本知识 7-11

第四章配电网故障定位技术现状与展望 11-13

第五章配电网故障定位蚁群算法的基本原理 14-18

结束语 19

谢辞 20

参考文献 21

电子科技大学毕业论文（设计）　　　　　　　　　　　　　　　　蚁群算法在配电网故障定位中的应用

第一章绪言

经济的高速发展和人们生活水平的提高对供电的可靠性也提出了更高的要求。

而馈线发生故障后，要迅速并准确地隔离故障区域并恢复非故障区域的供电，从而减少停电面积和停电时间。

目前解决故障定位的算法大致可分为两种：

直接算法和间接算法。

直接算法中最典型的就是矩阵算法[1]法速度快，但对上传故障信息的准确度要求比较高，容错性较差。

间接算法也就是所谓的寻优算法，目前主要有遗传算法和神经网络算法等，该算法具有较高的容错性，但目前还不是很完善，计算量大。

蚁群算法是模拟自然界中真实蚁群的觅食行为形成的一种模拟进化算法，具有正反馈、分布式计算和富于贪婪启发式搜索的特点。

虽然蚁群算法出现的时间不长，但已经成功应用于许多组合优化问题，例如典型的旅行商（TSP）车辆路径问题、机组最优投入及配电网网架优化规划问题等。

传统的矩阵算法,计算速度快,但不具有容错性,在故障信息有畸变时会发生误判。

蚁群算法是一种寻优算法,具有很好的容错性。

用蚁群算法进行配电网故障定位,当故障信息有少量畸变时,仍能准确判断出故障区域。

第二章蚁群算法的基本原理

第一节蚁群算法简介

一、蚁群算法的由来

蚂蚁是地球上最常见、数量最多的昆虫种类之一，常常成群结队地出现在人类的日常生活环境中。

这些昆虫的群体生物智能特征，引起了一些学者的注意。

意大利学者M.Dorigo，V.Maniezzo等人在观察蚂蚁的觅食习性时发现，蚂蚁总能找到巢穴与食物源之间的最短路径。

　　经研究发现，蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素（Pheromone）的挥发性化学物质来进行通信和协调的。

化学通信是蚂蚁采取的基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。

通过对蚂蚁觅食行为的研究，他们发现，整个蚁群就是通过这种信息素进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。

　　这样，M.Dorigo等人于1991年首先提出了蚁群算法。

其主要特点就是：

通过正反馈、分布式协作来寻找最优路径。

这是一种基于种群寻优的启发式搜索算法。

它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。

得到了具有NP难度的旅行商问题的最优解答。

同时，该算法还被用于求解Job-Shop调度问题、二次指派问题以及多维背包问题等，显示了其适用于组合优化类问题求解的优越特征。

　　多年来世界各地研究工作者对蚁群算法进行了精心研究和应用开发，该算法现己被大量应用于数据分析、机器人协作问题求解、电力、通信、水利、采矿、化工、建筑、交通等领域。

蚁群算法之所以能引起相关领域研究者的注意，是因为这种求解模式能将问题求解的快速性、全局优化特征以及有限时间内答案的合理性结合起来。

其中，寻优的快速性是通过正反馈式的信息传递和积累来保证的。

而算法的早熟性收敛又可以通过其分布式计算特征加以避免，同时，具有贪婪启发式搜索特征的蚁群系统又能在搜索过程的早期找到可以接受的问题解答。

二、蚁群的智能

小小的蚂蚁总是能够找到食物，他们具有什么样的智能呢？

设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？

首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；

再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃。

这是多么不可思议的程序！

太复杂了，恐怕没人能够完成这样繁琐冗余的程序。

为什么这么简单的程序会让蚂蚁干这样复杂的事情？

答案是：

简单规则的涌现。

事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。

这就是人工生命、复杂性科学解释的规律！

下面就是实现如此复杂性的七条简单规则：

1、范围：

蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。

2、环境：

蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。

每个蚂蚁都仅仅能感知它范围内的环境信息。

环境以一定的速率让信息素消失。

3、觅食规则：

在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。

否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。

蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。

4、移动规则：

每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。

为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。

5、避障规则：

如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。

6、播撒信息素规则：

每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少[2]。

三、蚁群算法的特点

（1）、蚁群算法是一种自组织的算法。

在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。

如果系统在获得空间的、时间的或者功能结构的过程中，没有外界的特定干预，我们便说系统是自组织的。

在抽象意义上讲，自组织就是在没有外界作用下使得系统墒增加的过程（即是系统从无序到有序的变化过程）。

蚁群算法充分休现了这个过程，以蚂蚁群体优化为例子说明。

当算法开始的初期，单个的人工蚂蚁无序的寻找解，算法经过一段时间的演化，人工蚂蚁间通过信息激素的作用，自发的越来越趋向于寻找到接近最优解的一些解，这就是一个无序到有序的过程。

（2）、蚁群算法是一种本质上并行的算法。

每只蚂蚁搜索的过程彼此独立，仅通过信息激素进行通信。

所以蚁群算法则可以看作是一个分布式的多agent系统，它在问题空间的多点同时开始进行独立的解搜索，不仅增加了算法的可靠性，也使得算法具有较强的全局搜索能力。

（3）、蚁群算法是一种正反馈的算法。

从真实蚂蚁的觅食过程中我们不难看出，蚂蚁能够最终找到最短路径，直接依赖于最短路径上信息激素的堆积，而信息激素的堆积却是一个正反馈的过程。

对蚁群算法来说，初始时刻在环境中存在完全相同的信息激素，给予系统一个微小扰动，使得各个边上的轨迹浓度不相同，蚂蚁构造的解就存在了优劣，算法采用的反馈方式是在较优的解经过的路径留下更多的信息激素，而更多的信息激素又吸引了更多的蚂蚁，这个正反馈的过程使得初始的不同得到不断的扩大，同时又引导整个系统向最优解的方向进化。

因此，正反馈是蚂蚁算法的重要特征，它使得算法演化过程得以进行。

（4）、蚁群算法具有较强的鲁棒性。

相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖子初始路线的选择，而且在搜索过程中不需要进行人工的调整。

其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。

四、蚁群算法的基本思想

受到自然界中真实蚁群集体行为的启发，意大利学者Dorigo于1991年,在他的博士论文中首次系统提出基于蚁群算法的新型优化算法--蚁群算法，并用该方法解决了一系列组合优化问题。

蚁群算法在解决这类问题中取得了一系列较好的实验结果，受其影响，该算法逐渐引起许多研究者的注意，并将其应用到实际工程问题中。

在蚁群算法中，提出了人工蚁的概念。

人工蚁具有双重特性：

一方面，他们是真实蚂蚁行为特征的一种抽象。

通过对真实蚂蚁行为的观察，将蚁群觅食行为最关键的部分赋予了人工蚁。

另一方面，由于所提出的人工蚁是为了解决一些工程实际中优化问题，为了使蚁群算法更加有效，赋予了人工一些真实蚂蚁所不具备的本领。

人工蚁绝大部分的行为特征都源于真实蚂蚁，它们具有的共同特征主要表现如下：

人工蚁和真实蚂蚁一样，是一群相互合作的个体。

这些个体可以通过相互协作在全局范围内找出问题较优的解决方案。

每只人工蚁能够建立一个姐姐方案，但高质量的解决方案是整个蚁群合作的结果。

人工蚁真实蚂蚁有着共同的任务。

那就是寻找连接起点（蚁穴）和终点（食物源）的最短路径（最小代价）。

真实蚂蚁不能跳跃，它们只能沿着相邻区域的状态行进，人工蚁也一样，只能一步一步地沿着问题的邻近状态移动。

人工蚁与真实蚂蚁一样也通过使用信息素继续间接通讯。

人工蚁能够在全局范围内释放信息素，这些信息素被局部地存于它们所经过的问题状态中。

人工蚁利用了真实蚂蚁觅食行为中自催化机制--正反馈。

当一些路径上通过的越来越多时，其留下的信息素轨迹也越来越多，使得信息素强度增大。

根据蚂蚁倾向于选择信息素强度大的路径的特点，后来的蚂蚁选择该路径的概率也越高，从而增加了该路径的信息素强度，这种选择过程被称为自催化过程。

自催化机制利用信息作为反馈，通过对系统演化过程中较优解决的自加强作用，使问题的解向着全局最优的方向不断进化，最终能够有效地获得相对较优的解。

正反馈在于群体的优化算法中是一个强有力的机制。

但在使用正反馈时，要注意避免早熟收敛。

在及少数个别情况下会产生早熟收敛的现象。

例如，由于一个局部及优解的存在或仅仅因为最初的随机震荡，使得群体中一些不十分好的个体影响了这个群体。

阻止了向全局最优的空间方向做进一步的搜搜[3]。

第二节蚁群算法

一、蚁群算法

蚁群算法主要受启发于蚁群搜搜食物的过程。

蚂蚁从某一点出发，按照状态规则选择下一路径，改规则也称为“随机比率规则”。

蚂蚁选择路径的转移概率：

（1）

式中：

表示蚂蚁还没有走过的路径的元素集；

分别表示蚂蚁在运动过程中所积累的信息素及启发式因子的权重因子；

表示选择元素的j期望程度，其值一般定为待选路径的长度的倒数。

每次迭代完成后，各路径上的信息素都需要进行更新，其公式如下：

（2）

（3）

（4）

Q是常数：

L1第k只蚂蚁在本次循环中所过的路径的长度；

1-表示时刻t到时刻t+n之间各路径上信息素的蒸发数[2]

二、参数的选择

在本文中，蚁群算法的目标为寻找依次经过各城市（节点）并最终回到原出发点整个过程的最短路径，也就是说蚂蚁按照城市的编号依次经过各城市并最终回到原出发点整个过程的路径长度是可求的，而单个0，1路径的长度是不可求的，于是0和1两条路径被选择的期望程度是未知的。

为使问问题不收敛于局部最小解，本文约定0和1两条路径被选择的期望程度相同，均取值为1，启发式因子的权重因子，=1。

参数的取值最大，计算量就越大，计算时间就越长，所以在能获得满意解的情况下，应取相对较小的值[4]但是如果的求解将十分烦琐，计算量大大增加，所以本文算例中参数取值为1。

的取值必须在0和1之间，但是为了免收敛于局部最小解，在初始阶段参数的取值不宜太大，而是随着迭代次数的增加适当调整参数的值，使蚂蚁逐渐向较优的线路上靠拢形成正反馈。

在本文算例中，在总的迭代次数的前1/4次计算中参数=0.4，在以后阶段的计算中参数=0.8，参数Q的取值也不宜过大，否则会增加计算量，在本文算例中参数Q=0.2。

三、参数的比较

参数的选择对蚁群算法的影响比较大，不同的参数能使计算时间相差比较大，甚至导致不收敛。

对本文算例进行仿真的参数选择结果比较如下；

信息素的权重因子分别取0.5,1.0,1.5时，计算时间分别对应18.4ms,96ms,18.4ms。

常数Q分别取0.2和2.0时，计算时间分别对应9.6ms和9.7ms。

当参数采用常数0.8时，本程序连续平均执行50次会出现一次误码；

而在总的迭代次数的前1/4次计算中参数=0.4，在以后阶段的计算中参数=0.8连续平均执行50次不会出现误码。

第三章配电网的基本知识

一、配电网的基本概念

通常把电力系统中二次变电站低压侧直接或降压后向用户供电的网络称为配电网。

它由架空配电线路、电缆配电线路、变电站、开闭所即降压变压器等构成。

习惯上将配电电压1kV以上的部分称为高压配电网，其额定电压一般为6-10kV和35kV等；

将配电电压不足1kV部分称为低压配电网，3额定电压一般为单相220V和三相380V。

我国配电网通常可分为城市配电网和农村配电网。

城市配电网容量较大，大约在200-300MVA，供电负荷相对集中，供电环境比较好；

而农村配电网容量较小，一般为100-200MVA，供电范围大，线路基础条件差，影响供电可靠性和安全性的不利因素较多。

配电网的主要接线模式有[4]：

树状网络、放射形网络、双电源手拉手接线等。

树状网络、放射形网络这两类接线简单、使用、投资低、建设周期短。

缺点是供电可靠性低，当线路或开关故障时，将使整条线路停电。

树状网络适用于城市中一般负荷供电和农村用户的供电。

对放射性接线，当线路发生故障或需要检修时，该线路所带负荷将中断。

因此只适用于城市一般用户的供电。

双电源手拉手接线方式，是近几年我国供电网广泛采用的一种供电方式，实际上是将以往的放射性接线改造成双电源供电，中间以联络开关将两段线路连接起来。

在正常运行时联络开关打开，以减少短路电流可能出现的环流等，当线路失去一端电源时，合上联络开关，从另一端电源对失去电源线路上的柱上变压器和用户供电。

二、配电自动化基本概念

配电自动化技术是服务于城乡配电网改造建设的重要技术，配电自动化包括馈线自动化和配电管理系统，通信技术是配电自动化的关键。

目前，我国配电自动化进行了较多试点，由配电主站、子站和馈线终端构成的三层结构已得到普遍认可，光纤通信作为主干网的通信方式也得到共识。

馈线自动化的实现也完全能够建立在光纤通信的基础上，这使得馈线终端能够快速地彼此通信，共同实现具有更高性能的馈线自动化功能。

我国配电网自动化的发展是电力市场和经济建设的必然结果，长期以来配电网的建设未得到应有的重视，建设资金短缺，设备技术性能落后，事故频繁发生，严重影响了人民生活和经济建设的发展，随着电力的发展和电力市场的建