改进粒子群算法在智能建筑供配电系统故障定位中的应用.pdf

NORTHERNARCHITECTURE27第8 卷第2 期2 0 2 3年4月工程科技方建筑北改进粒子群算法在智能建筑供配电系统故障定位中的应用江楠，戚欣*（吉林建筑大学电气与计算机学院，吉林长春130118)摘要：在当下高速发展的社会中，计算机技术尤为关键，受信息化的影响，建筑行业技术也在不断更新。智能建筑的出现，提升了人们的生活质量。本文针对智能化建筑，对智能算法在供配电系统故障定位中的应用进行综述。简述粒子群算法的原理、特点；为了验证算法的优越性能，用粒子群算法和萤火虫算法同时对四个基准测试函数进行计算，比较两个算法计算结果的准确性；为了提升原始粒子群算法的性能，加入混沌系统，优化种群初始位置；对一个简单的12 节点配电系统模型进行故障定位测试，结果表明，改进后的粒子群算法有更好的收敛性能。关键词：智能建筑；粒子群算法；函数优化；故障定位中图分类号：TM711文献标识码：A文章编号：2 0 9 6-2 118(2 0 2 3)0 2-0 0 2 7-0 5Application of Improved Particle Swarm Optimization Algorithm in FaultLocation of Intelligent Building Power Supply and Distribution SystemJIANG Nan,QI Xin(College of Electrical and Computer,Jilin Jianzhu University,Changchun Jilin130118,China)Abstract:In the current rapid development of society,computer technology is particularly critical,and the tech-nology of the construction industry is also constantly updated under the influence of informatization.The emer-gence of intelligent buildings has improved peoples quality of life.For intelligent buildings,this paper summa-rizes the intelligent building and the application of intelligent algorithm in fault location of power supply and dis-tribution system.Briefly describe the principle and characteristics of Particle Swarm Optimization Algorithm,andin order to verify the superior performance of the algorithm,the Particle Swarm Optimization Algorithm and theFirefly Algorithm are used to calculate the four benchmark test functions at the same time,and the accuracy ofthe results of the two algorithms is compared,and in order to improve the performance of the original ParticleSwarm Optimization Algorithm,chaos system is added to optimize the initial position of the population,and thefault location test of a simple 12-node distribution system model,and the results show that the improved ParticleSwarm Optimization Algorithm has better convergence performance.Keywords:intelligent building;Particle Swarm Optimization Algorithm;function optimization;fault location0引言由于计算机科学技术的快速发展，给社会各行各业带来前所未有的改革，建筑行业受信息化、智能化影响形成的智能化建筑改善了人们的生活与工作环境。建筑设备智能化是指把建筑内的设备结合成一个统一的系统,并且使设备在一个最佳的收稿日期：2 0 2 2-10-0 8基金项目：吉林省教育厅科研项目（JJKH20210257KJ）；吉林省科技厅重点研发项目（2 0 2 2 0 2 0 319 0 SF）作者简介：江楠（19 9 7 ）,男，福建省长汀县人，在读硕士研究生，主要从事群智能算法在配电网中应用的研究。*通讯作者：戚欣（19 58 ），男，吉林省农安县人，教授，博士，主要从事管理科学与工程研究，E-mail:NORTHERNARCHITECTURE28第8 卷方建北筑状态下运行2 。从9 0 年代起，智能建筑已经取得了巨大成就，其中包括建筑设备自动化、通信自动化、消防自动化等31建筑智能化1.1建筑智能化概述建筑设备自动化系统（简称BAS)是在建筑物中应用现代化控制技术,是一个对建筑物实现多目的管理的综合系统。其组成部分包括了空调、照明、供电、电梯等机电设备。建筑智能化起源于2 0 世纪8 0 年代的美国，指的是将智能计算机技术运用到建筑自动化系统当中，这里面包括了信息设施系统、安防系统、建筑设备管理系统和公共安全系统。文献4 价绍到城市的优质发展离不开建筑智能化。智能建筑构造了智能城市，给人们带来了可持续的能源，智能化的建筑和基础设施也给人们带来了更加安全舒适的生活环境。相比于传统的终端控制系统，智能建筑设备自动化系统具有很大优势，体现在4个方面：能够监视并且控制机电设备的运行状态；检测各个设备的运行参数；调节各个设备的参数使其达到最好的工作条件并达到节能效果；检测的故障并实现对建筑物中所有设备的管理。文献5 提到,智能建筑中的智能控制是一个全新的自动化科学分支，它交叉了人工智能技术和控制技术。作为全新的交叉科学，其中心思想在于效仿人类智慧对困难、复杂系统进行精确控制。1.2群智能算法在配电系统故障定位中的应用配电系统故障定位，即在配电网络发生故障的时候，利用智能化的设备和系统，对故障点做出快速、精准的位置锁定。我国早期使用的故障定位技术是利用分段器和重合器完成的，简单且容易实现。现阶段,考虑到经济性因素,大多使用基于FTU和人工智能算法的定位技术回。文献7 设计了一种交互式二进制蝙蝠算法。传统的蝙蝠算法寻优策略是根据个体经验和群体间共享信息来进行调整，但单个的蝙蝠群体仅按照自身和全局极值来调整寻优状态，对于其他蝙蝠群体的信息没有有效结合。改进方法中IBBA利用自协作等方式进行位置信息的交互传递，把当前最优适应度值对应的个体位置信息作为下一蝙蝠种群迭代的位置信息，有效提高蝙蝠算法的搜索能力，减少了搜索时间。针对该算法，建立编码方式，引人评价函数提高算法适用性。吴建旭等8 采用和声搜索算法，将网络损耗、开关的闭合打开次数等作为目标建立模型。为统一量纲,将多个目标归一化处理,为了解决和声搜索算法周边局部搜索能力和收敛能力，对算法进行自适应参数调整,对HCMP和PAR灵活取值。该研究改进了和声库的取值机制，在和声库中随机抽取n个和声组成一个取值和声库，通过取对角元素来组成一个新的和声，从而避免出现无效迭代。最后，该研究增加了数据处理能力，加快收敛速度的同时优化了数据多样性，可以此获得一个最优方案文献9 采用的是鲸鱼算法进行故障定位,使用Sobol序列初始化种群,获得的初始种群分布较为均匀，该状态下的解空间向量能够提高算法寻优速度。传统鲸鱼算法的全局和局部搜索能力有矩阵系数A值调节,但A值的线性变化对于鲸鱼算法的搜索转换表现的不够优秀。该文献中提出了自适应调整权重因子来影响A值的变化，初期权重较大提高全局搜索能力，后期权重随迭代次数增加慢慢减小来提高局部的搜索精确性。在迭代后期，算法容易陷人局部最优，过早收敛，该文献提出差分变异微扰因子，使算法跳出局部最优，从而提高搜索的精确性和效率。文献10 采用了改进的麻雀算法对配电网故障进行定位。麻雀算法具有的迭代方式使算法在运行过程中不易陷人局部最优解，具有收敛快等特点。但是传统的麻雀算法在初始的个体位置产生的是随机的、不均匀的，这一因素会增加算法在运行计算时的时间,并且精确性也有所降低。针对这一问题，该文献提出了混沌初始化进行改进。这种改进让算法的计算次数减少，提高效率，扩大寻优范围，算法性能大幅提升。2粒子群算法2.1粒子群算法概述1995年，受鸟类群体行为的启发，美国学者Kennedy和Eberhart对这种行为试着建立数学模型并进行仿真，从而创造了粒子群算法。粒子群算法（简称PSO)中心原理是利用群体里每个独立个体相互之间的协调合作及相互分享传递信息来达到寻找最优解的目的。粒子群算法相比于其他算法有以下优势：概念原理简单、结构不复杂容易实现、需要调整的参数少、方便操作。基于以上优势，粒子群算法常应用于非线性的整合规划、多目标函数优化等。在面对搜索空间有大量局部极值时，算法的寻NORTHERNARCHITECTURE29江楠，等：改进粒子群算法在智能建筑供配电系统故障定位中的应用第2 期优效率会受到很大影响。所以，已有学者对此做出了改进，并将其应用于许多不同的领域该算法的大致过程为：首先，对粒子速度和位置初始化，即设置种群的大小。速度是指粒子的移动快慢，位置是指粒子前进的方向。随后，每个粒子即目标函数的一个解，作为当前的个体极值在空间里独自寻找最优解。粒子之间相互传递信息，促使个体极值找到优于自已的个体极值，将其作为目前全局的最优解。每个粒子在传递信息作用下，相互比较，产生了全局的最优解，也促使其他粒子更新自已的位置和速度从而向最优粒子靠近。按上述过程，算法可收敛到一个近似结果，即目标函数的解。最后当迭代次数达到最大时，或是粒子间的差值小于某个区间时停止计算。2.2基于粒子群算法的函数优化本文采用粒子群算法对4个基准测试函数进行优化,并与文献12 萤火虫算法的优化结果进行比较，以验证粒子群算法的优越性能。测试函数见表1。其中,Griewank函数,Rastrigin函数和Ackley函数都属于非线性的双峰函数,且性质相当复杂,但其中所蕴涵的大量局部极值能够较好的验证算法的全局寻优性，以及跳出局部最优预测和收敛早的性能。Sphere 是较简化的单峰函数,被用来检验算法的收敛效率和收敛精度。此次测试对粒子群算法的参数设置为：维度D为1维、学习因子C1和C2都为2、惯性权重W为0.7、种群数N为10 个、迭代次数为10 次。这些是粒子群算法的可调参数。此次测试硬件环境为12 thGenIntel（R）Co r e（T M）i 5-12 50 0 H,2.50 CH z 处理器，16.0 G运行内存，6 4位操作系统，软件环境为Windows11操作系统。表14种基准测试函数函数名称函数公式搜索范围最优值dd12GriewankCos-600,6000400一=1dRastriginx;-10cos(2mx,)+10 5.12,5.12 0=dAckley-20exp(-0.2Vcos(2x;)+20+exp(1)-30,300d2Sphere-100,1000=1测试结果见表2，其中表明了粒子群算法简称(PSO)和标准萤火虫算法(FA)对于4个基准函数的最优值、最差值和平均值，是经过2 0 次实验得到的结果。由表2 中信息可以看出，PSO算法的优化结果相比于FS算法的优化结果更加接近理论值,PSO算法最优值比FA算法最优值精确了5个 12 个数量级，最差值精确了4个 9 个数量级，平均值精确了4个 11个数量级。通过对2 0 次每次的运算迭代图发现，相比于FA算法,PSO算法的收敛速度更快。基于以上分析，验证了PSO算法相比于FA算法的收敛速度快,精确度高的优越性能。2.3改进粒子群算法的配电系统故障定位由于社会的发展和人们对于生活的质量要求表2HS,FA对4个标准测试函数的计算结果测试函数算法最优值最差值平均值理论值GriewankPSO1.679 21e79.864 85e-34.039.74e-30FA3.41889e-16.143 402.369080RastriginPSO4.519.49e-92.010 49e-65.165 63e-70FA4.21018e-13.370 68e+11.619 27e+10AckleyPSO5.369 15e-61.771 44e-48.674.49e-50FA3.699 05e-12.844501.774 080SpherePSO1.15892e-112.96739e-86.00015e-90FA2.045 656.53817e+22.271 46e+20NORTHERNARCHITECTURE30第8 卷方建北筑越来越高，为了能够带来高效率、功能丰富、舒适和性价比高的服务，智能建筑进入了人们的生活。在给人们带来诸多方便的同时，对电能的质量要求也相对较高，需要第一时间对出现电气故障的位置进行判断,智能建筑的正常运转才能得到有效保障13。对配电网系统故障间接定位的方法主要有神经网络算法和人工智能算法。文献14 运用智能算法对配电系统的故障进行定位，其原理是把拟定的故障位置作为变量,用智能算法对构造的目标函数进行优化计算，最后得出的解即定位的故障位置。配电网系统的故障定位常用到二进制粒子群算法(BPSO)。对节点开关状态编码,有故障电流流经时,FTU反馈信息为1；无故障电流流经时,FTU反馈信息为O。BPSO 维度则表示馈线段的数量，然后按照上述流程进行计算15。为了使粒子群算法能够跳出局部最优，提高搜索速度,加人Logistic 映射的混沌系统,对种群初始位置进行优化替换，公式如下：xi+I=ux;(1-x;)(1)式(1)中:为控制参数,取值范围为(2,4);x;为粒子位置,取值范围为(0,1)。为了验证二进制粒子群算法(BPSO)故障定位的性能，结合图1进行验证。图1是一个简单的12节点单电源配电系统，K1-K12为分段开关，S1-S12为馈线区间，对此进行无信息畸变下的单故障点和多故障点的定位测试。设定：S2故障；S4,S。同时故障。设置参数粒子群维度为12 维，种群数量为2 0个，迭代次数为50 次，惯性因子为0.9，学习因子都为2,速度设置在(-4,4)m/s范围内。BPSO算法和改进BPSO算法计算结果见表3。K1s1K2$2K3$3K6$6K7$7K8s8K9s9K4K11K10$4s11s10K5K12s5$12图112节点配电系统模型根据计算结果和迭代图2 图3可知，BPSO精准的定位到了故障区段，迭代速度前期快，后期较慢。改进后的BPSO的迭代图显示迭代次数少于BPSO,且收敛速度快于BPSO。单故障点计算得到的最小评价函数均为0.5，多故障点计算得到的最小表3故障定位实验结果故障区段算法FTU信息计算结果S2BPSO110000000000010000000000S2改进BPSO110000000000010000000000S4,S,BPSO111101111000000100001000S4,S,改进BPSO111101111000000100001000评价函数均为1。验证了改进后BPSO的性能优于原始BPSO。2.5BPSO改进BPSO21.50.501020304050送代次数图2单点故障定位代图4BPSO改进BPSO3.532.521.5010.20304050送代次数图3多点故障定位迭代图3结论建筑智能化是适应社会发展需求的趋势所在，想要组成构件复杂的建筑控制系统，需要有智能的技术与之配合。本文简述了智能化建筑的含义及其带来的便利，对群智能算法在配电系统故障定位中应用进行了综述。粒子群算法具有可调参数少、鲁棒性能好的特点，适用于解决配电系统故障定位的问题。为了验证粒子群优越性能，将其进行函数优NORTHERNARCHITECTURE31出出出岩编辑：刘江楠，等：改进粒子群算法在智能建筑供配电系统故障定位中的应用第2 期化测试，并与萤火虫算法进行对比，结果验证了其优越的性能。最后将粒子群算法应用于故障定位，用12 节点系统简单模拟并测试。通过测试发现改进后的粒子群算法性能优于原始的粒子群算法。参考文献1郑一鑫.建筑智能化系统集成设计和应用1 新型工业化，2021,11(2):24-25,29.2唐飞,付慧.智能化技术在建筑中的安全节能应用.石河子科技,2 0 2 2(2)：2 2-2 4.3王福林.智能建筑的现状及创新发展 智能建筑,2 0 18(2)：37-41.4肖亚东,曹蕾,郭炎锋.浅谈建筑智能化的开发与前景 长江信息通信，2 0 2 2,35（7）：8 1-8 3.5倪江楠，陈昌铎.建筑设备自动化系统的现状与发展趋势电气传动自动化，2 0 16,38（2）：47-50.6陈俐.智能建筑供配电故障诊断与定位研究D.南昌：华东交通大学,2 0 17.7李善寿，徐超赞，吴月月，等.含分布式电源配电网故障定位交互式二进制蝙蝠算法.重庆邮电大学学报（自然科学版）,2 0 2 2,34(4):595-603.8吴建旭，于永进.基于改进和声搜索算法的多目标配电网重构优化J.电力系统保护与控制，2 0 2 1,49(19)：7 8-8 6.9张莲,张尚德,贾浩，等.基于改进鲸鱼算法的配电网故障区段定位.浙江电力，2 0 2 2,41(12)：6 3-7 0.10张昊立，张菁，倪建辉，等.基于改进麻雀算法的配电网故障定位J.电力科学与工程，2 0 2 2,38(11)：2 5-33.11陈永刚,邱涌，牛丹梅.基于改进粒子群算法的函数优化J.电脑与电信,2 0 11(11):6 5-6 6.12靖丰,张钦程,刘松杰.改进的萤火虫算法及其在函数优化中的应用.许昌学院学报，2 0 2 1,40(5)：10 2-10 6.13王晓宾.基于不同算法的智能建筑供配电网络故障定位与诊断分析J.安装,2 0 2 1(1)：6 7-6 9.14徐超赞.面向新型建筑智能化平台的配电系统仿真与故障定位方法研究D.合肥：安徽建筑大学，2 0 2 1.15曾明杰,汪洋.基于粒子群算法的配电网故障定位研究J.电子世界,2 0 19(2 3):9 2-9 3.预应力技术技术内容预应力技术分为先张法预应力和后张法预应力，先张法预应力技术是指通过台座或模板的支撑张拉预应力筋，然后绑扎钢筋浇筑混凝土，待混凝土达到强度后放张预应力筋，从而给构件混凝土施加预应力的方法，该技术目前在构件厂中用于生产预制预应力混凝土构件；后张法预应力技术是先在构件截面内采用预埋预应力管道或配置无粘接、缓粘接预应力筋，再浇筑混凝土，在构件或结构混凝土达到强度后，在结构上直接张拉预应力筋从而对混凝土施加预应力的方法，后张法可以通过有粘结、无粘结、缓粘结等工艺技术实现，也可采用体外束预应力技术。该技术可显著节约材料、提高结构性能、减少结构挠度、控制结构裂缝并延长结构寿命。先张法预应力混凝土构件，也常用157 0 MPa的预应力钢丝。预应力技术内容主要包括材料、预应力计算与设计技术、安装及张拉技术、预应力筋及锚头保护技术等。技术指标预应力技术用于混凝土结构楼盖，可实现较小的结构高度跨越较大跨度。在高层或超高层建筑的楼盖结构中采用该技术可有效降低楼盖结构高度，实现大跨度，并在保证净高的条件下，降低建筑层高，降低总建筑高度；或在建筑总限高不变条件下，可有效增加建筑层数，具有节省材料和造价，提供灵活空间等优点。在多层大跨度楼盖中采用该技术可提高结构性能、节省钢筋和混凝土材料、简化梁板施工工艺、加快施工速度、降低建筑造价。适用范围该技术可用于多、高层房屋建筑的楼面梁板、转换层、基础底板、地下室墙板等，以抵抗大跨度、重荷载或超长混凝土结构在荷载、温度或收缩等效应下产生的裂缝，提高结构与构件的性能，降低造价；或用于筒仓、电视塔、核电站安全壳、水池等特种工程结构；还可用于各类大跨度混凝土桥梁结构。（有修改）来源：百度文库