开云优惠体育网页版入口

专利名称：基于粒子群算法的接地网检测方法及系统

专利类型：发明专利

专利申请号：CN202411026137.4

专利申请（专利权）人：国网甘肃省电力公司庆阳供电公司
权利人地址：甘肃省庆阳市西峰区朔州东路9号

专利发明（设计）人：李明洋,牛炜,秦少波,李宁,刘毅,贺致远,邓珂,王建伟,崔嘉成,谢旭

专利摘要：本发明公开了一种基于粒子群算法的接地网检测方法及系统，属于接地网检测技术领域，该方法包括，将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值；基于理想电阻值生成第一电阻矩阵，选择第一可及节点，在第一可及节点施加激励电压，选择多个第二可及节点，通过测量获取第二可及节点的第一电压值；定义损失函数，基于激励电压和第一电阻矩阵求解损失函数，获得使损失函数达到最小时的第二电阻矩阵，获取第二电阻矩阵中相比于第一电阻矩阵数值增大的元素，定义为目标支路，将目标支路对应的支路确定为接地网腐蚀故障支路。本发明通过迭代求解方法整合多次测量结果，提高求解腐蚀接地网电阻值的准确性。

主权利要求：
1.一种基于粒子群算法的接地网检测方法，其特征在于，包括：
将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值；
基于理想电阻值生成第一电阻矩阵，所述第一电阻矩阵包括节点i和节点j之间的所述理想电阻值 ；
选择第一可及节点，在所述第一可及节点施加激励电压，选择多个第二可及节点，所述第二可及节点是与所述第一可及节点不同的节点，通过测量获取所述第二可及节点的第一电压值；
定义损失函数为 ，其中， 为第二电阻矩阵，其中包括元素 ，
为节点i和节点j之间的目标电阻值，t为所述第二可及节点的数量， 和 分别为第k个所述第二可及节点的第二电压值和所述第一电压值；
基于所述激励电压和所述第一电阻矩阵求解所述损失函数，获得使所述损失函数达到最小时的所述第二电阻矩阵 ，获取所述第二电阻矩阵中相比于所述第一电阻矩阵数值增大的元素 ，定义为目标支路，将所述目标支路确定为接地网腐蚀故障支路；
求解所述损失函数包括以下步骤：
设定粒子群算法的更新参数，所述更新参数包括候选解数量、最大迭代次数、迭代速度、第一学习因子、第二学习因子和惯性权重参数，在粒子群算法的第一次迭代中，向所述第一电阻矩阵中的元素添加随机噪声值，获得候选解矩阵，重复本步骤，直至得到所述候选解数量的所述候选解矩阵；
基于所述候选解矩阵计算对应的所述第二电压值，基于所述损失函数计算所述候选解矩阵的适应值，从中确定个体最优值和群体最优值，在粒子群算法的第二次迭代中，基于所述个体最优值和所述群体最优值，结合所述第一学习因子、所述第二学习因子、所述迭代速度和所述惯性权重参数更新所述候选解矩阵，基于更新后的所述候选解矩阵更新所述群体最优值，重复本步骤，直至到达所述最大迭代次数，将所述群体最优值对应的所述候选解矩阵定义为备选矩阵；
若所述备选矩阵不满足预定条件，则更新所述更新参数，重新计算获得所述备选矩阵，并再次确定所述备选矩阵是否满足所述预定条件，将最终满足所述预定条件的所述备选矩阵设定为所述第二电阻矩阵。
2.根据权利要求1所述的一种基于粒子群算法的接地网检测方法，其特征在于，计算所述第二电压值包括以下步骤：基于所述候选解矩阵中计算各个节点对应的目标电导值，基于所述目标电导值生成目标电导矩阵，所述目标电导矩阵包括元素 ， 为节点i和节点j之间的所述目标电导值；
基于概率转移方程计算电压从节点i转移到节点g的转移概率 ，所述概率转移方程为： ，其中，1≤g≤n， 为节点i和节点g之间的所述目标电导值，m为与节点i相邻的节点数目， 为与节点i与相邻的节点n之间的所述目标电导值；
基于每个节点的所述转移概率生成转移矩阵，在所述第一可及节点施加激励电压后，以所述第一可及节点的所述激励电压为约束条件，使用蒙特卡洛法获得所述接地网满足所述转移矩阵时各个节点的稳态电压，将其中所述第二可及节点的所述稳态电压定义为对应的所述第二电压值。
3.根据权利要求2所述的一种基于粒子群算法的接地网检测方法，其特征在于，验证所述备选矩阵是否满足所述预定条件包括以下步骤：在除所述第一可及节点和所述第二可及节点外选择第三可及节点，基于所述备选矩阵计算所述第三可及节点的第一电压值，测量所述第三可及节点的第二电压值，将所述第一电压值和所述第二电压值代入至所述损失函数中计算并获得验证结果，若所述验证结果小于第一阈值，则判断所述备选矩阵满足所述预定条件。
4.根据权利要求1所述的一种基于粒子群算法的接地网检测方法，其特征在于，在向所述第一电阻矩阵添加噪声之前，获取每条支路的历史数据，所述历史数据包括支路在多个历史时间点的实际电阻值，基于所述历史数据生成搜索空间，所述搜索空间包括多条支路；
在向所述第一电阻矩阵添加噪声时，仅对位于所述搜索空间内支路对应的元素添加噪声，以生成多个所述候选解矩阵，在获得所述备选矩阵后，若所述备选矩阵不满足所述预定条件，则扩大所述搜索空间内包括的支路，获得扩展空间，对位于所述扩展空间内支路对应的元素添加噪声，以生成重新获得所述候选解矩阵。
5.根据权利要求4所述的一种基于粒子群算法的接地网检测方法，其特征在于，生成所述搜索空间包括以下步骤：
获取支路在每个所述历史时间点的所述实际电阻值，将相邻所述历史时间点之间的区间定义为时间区间，从所述时间区间中抽取目标区间，所述目标区间为所述实际电阻值出现增大的所述时间区间，基于劣化方程计算支路的劣化值 ，所述劣化方程为，，其中，A为所述目标区间的数量， 和 分别为所述历史数据中，最后一个和第一个所述历史时间点的所述实际电阻值，C为条件数值，当最后一个所述时间区间为所述目标区间时，C的数值为1，否则为0， 、 、 分别为第一权重、第二权重和第三权重，重复本步骤，计算每条支路的所述劣化值，将所述劣化值大于第二阈值的支路定义为目标支路，基于所有所述目标支路生成所述搜索空间。
6.根据权利要求3所述的一种基于粒子群算法的接地网检测方法，其特征在于，所述候选解数量设置为100，所述最大迭代次数设置为10000，所述第一学习因子和所述第二学习因子设置为1.5，所述惯性权重参数设置为0.8。
7.根据权利要求3所述的一种基于粒子群算法的接地网检测方法，其特征在于，所述第一可及节点包括第一初始节点和第二初始节点，所述第二初始节点的所述激励电压为0。
8.根据权利要求5所述的一种基于粒子群算法的接地网检测方法，其特征在于，所述第二权重大于所述第一权重，所述第一权重大于所述第三权重。
9.一种基于粒子群算法的接地网检测系统，用于实现如权利要求1?8任一项所述的一种基于粒子群算法的接地网检测方法，其特征在于，包括：构建模块，将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值；
分析模块，基于理想电阻值生成第一电阻矩阵，所述第一电阻矩阵包括节点i和节点j之间的所述理想电阻值 ；
计算模块，选择第一可及节点，在所述第一可及节点施加激励电压，选择多个第二可及节点，所述第二可及节点是与所述第一可及节点不同的节点，通过测量获取所述第二可及节点的第一电压值，定义损失函数为 ，其中， 为第二电阻矩阵，其中包括元素 ， 为节点i和节点j之间的目标电阻值，t为所述第二可及节点的数量， 和分别为第k个所述第二可及节点的第二电压值和所述第一电压值，基于所述激励电压和所述第一电阻矩阵求解所述损失函数，求解时，设定粒子群算法的更新参数，所述更新参数包括候选解数量、最大迭代次数、迭代速度、第一学习因子、第二学习因子和惯性权重参数，在粒子群算法的第一次迭代中，向所述第一电阻矩阵中的元素添加随机噪声值，获得候选解矩阵，重复该过程，直至得到所述候选解数量的所述候选解矩阵，基于所述候选解矩阵计算对应的所述第二电压值，基于所述损失函数计算所述候选解矩阵的适应值，从中确定个体最优值和群体最优值，在粒子群算法的第二次迭代中，基于所述个体最优值和所述群体最优值，结合所述第一学习因子、所述第二学习因子、所述迭代速度和所述惯性权重参数更新所述候选解矩阵，基于更新后的所述候选解矩阵更新所述群体最优值，重复该过程，直至到达所述最大迭代次数，将所述群体最优值对应的所述候选解矩阵定义为备选矩阵，若所述备选矩阵不满足预定条件，则更新所述更新参数，重新计算获得所述备选矩阵，并再次确定所述备选矩阵是否满足所述预定条件，将最终满足所述预定条件的所述备选矩阵设定为所述第二电阻矩阵，获得使所述损失函数达到最小时的所述第二电阻矩阵 ，获取所述第二电阻矩阵中相比于所述第一电阻矩阵数值增大的元素 ，定义为目标支路，将所述目标支路对应的支路确定为接地网腐蚀故障支路。 说明书 : 基于粒子群算法的接地网检测方法及系统技术领域[0001] 本发明属于接地网故障诊断技术领域，具体涉及一种基于粒子群算法的接地网检测方法及系统。背景技术[0002] 接地网是电力系统的重要组成部分，负责将故障电流迅速导入大地，从而保护设备和人身安全。腐蚀导致的接地网电阻增加会显著降低其泄放故障电流的能力，增加设备损坏和人身伤害的风险。因此，定期监测接地网的腐蚀状况，及时发现并处理腐蚀问题，是确保电力系统安全稳定运行的关键。[0003] 现有技术中提出了如下方法来检测接地网故障，如中国专利文件CN110646707A公开了一种基于微量处理法与粒子群算法的接地网故障诊断方法，该方法首先推算腐蚀前每组的端口电阻以及支路电流值，并测量腐蚀后每组的端口电阻；然后运用特勒根定理建立故障诊断模型，并运用线性化思想将模型进行微量处理，快速得到一个接近接地网支路实际阻值变化倍数的初始解。采用粒子群算法优化初始解，获得准确变化倍数的最终解，基于最终解来判断接地网故障；又例如中国专利文件CN103605042A公开了一种基于自适应粒子群优化算法的接地网故障诊断方法，该方法根据电网络理论中的节点电压分析法建立故障诊断方程，再依据最小能量原理得到目标优化函数，将接地网故障诊断问题转化为含约束条件的目标优化问题，然后采用自适应粒子群优化算法对该优化问题进行求解，得到诊断结果。[0004] 上述方法通常利用一次测量得到的多个可及节点的电流或电压，根据电路基本原理和特勒根定理建立欠定方程组，通过粒子群算法求解欠定方程组的近似最优解，得到支路电阻值相对标称值的倍数，实现接地网腐蚀的检测，但在实际情况中，由于能够一次测量的可及节点数目较少，导致欠定方程组的最优解求解困难，这会降低腐蚀接地网电阻值的准确性。发明内容[0005] 为解决上述问题，本发明提供了一种基于粒子群算法的接地网检测方法及系统，以解决现有技术中的问题。[0006] 为了达到上述的发明目的，本发明提出一种基于粒子群算法的接地网检测方法，包括：[0007] 将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值；[0008] 基于理想电阻值生成第一电阻矩阵，所述第一电阻矩阵包括节点i和节点j间的所述理想电阻值 ；[0009] 选择第一可及节点，在所述第一可及节点施加激励电压，选择多个第二可及节点，通过测量获取所述第二可及节点的第一电压值；[0010] 定义损失函数为 ，其中， 为第二电阻矩阵，其中包括元素， 为节点i和节点j之间的目标电阻值，t为所述第二可及节点的数量， 和 分别为第k个所述第二可及节点的第二电压值和所述第一电压值；[0011] 基于所述激励电压和所述第一电阻矩阵求解所述损失函数，获得使所述损失函数达到最小时的所述第二电阻矩阵 ，获取所述第二电阻矩阵中相比于所述第一电阻矩阵数值增大的元素 ，定义为目标支路，将所述目标支路对应的支路确定为接地网腐蚀故障支路。[0012] 进一步地，求解所述损失函数包括以下步骤：[0013] 设定更新参数，所述更新参数包括候选解数量、最大迭代次数、迭代速度、第一学习因子、第二学习因子和惯性权重参数，在第一次迭代中，向所述第一电阻矩阵中的元素添加随机噪声值，获得候选解矩阵，重复本步骤，直至得到所述候选解数量的所述候选解矩阵；[0014] 基于所述候选解矩阵计算对应的所述第二电压值，基于所述损失函数计算所述候选解矩阵的适应值，从中确定个体最优值和群体最优值，在第二次迭代中，基于所述个体最优值和所述群体最优值，结合所述第一学习因子、所述第二学习因子、所述迭代速度和所述惯性权重参数更新所述候选解矩阵，基于更新后的所述候选解矩阵更新所述群体最优值，重复本步骤，直至到达所述最大迭代次数，将所述群体最优值对应的所述候选解矩阵定义为备选矩阵；[0015] 若所述备选矩阵不满足预定条件，则更新所述更新参数，重新计算获得所述备选矩阵，并再次确定所述备选矩阵是否满足所述预定条件，将最终满足所述预定条件的所述备选矩阵设定为所述第二电阻矩阵。[0016] 进一步地，计算所述第二电压值包括以下步骤：[0017] 基于所述候选解矩阵中计算各个节点对应的目标电导值，基于所述目标电导值生成目标电导矩阵，所述目标电导矩阵包括元素 ， 为节点i和节点j之间的所述目标电导值；[0018] 基于概率转移方程计算电压从节点i转移到节点g的转移概率 ，所述概率转移方程为： ，其中，1≤g≤n， 为节点i和节点g之间的所述目标电导值，m为与节点i相邻的节点数目， 为与节点i与相邻的节点n之间的所述目标电导值；[0019] 基于每个节点的所述转移概率生成转移矩阵，在所述第一可及节点施加激励电压后，以所述第一可及节点的所述激励电压为约束条件，使用蒙特卡洛法获得所述接地网满足所述转移矩阵时各个节点的稳态电压，将其中所述第二可及节点的所述稳态电压定义为对应的所述第二电压值。[0020] 进一步地，验证所述备选矩阵是否满足所述预定条件包括以下步骤：[0021] 在除所述第一可及节点和所述第二可及节点外选择第三可及节点，基于所述备选矩阵计算所述第三可及节点的第一电压值，测量所述第三可及节点的第二电压值，将所述第一电压值和所述第二电压值代入至所述损失函数中计算并获得验证结果，若所述验证结果小于第一阈值，则判断所述备选矩阵满足所述预定条件。[0022] 进一步地，在向所述第一电阻矩阵添加噪声之前，获取每条支路的历史数据，所述历史数据包括支路在多个历史时间点的实际电阻值，基于所述历史数据生成搜索空间，所述搜索空间包括多条支路；[0023] 在向所述第一电阻矩阵添加噪声时，仅对位于所述搜索空间内支路对应的元素添加噪声，以生成多个所述候选解矩阵，在获得所述备选矩阵后，若所述备选矩阵不满足所述预定条件，则扩大所述所述搜索空间内包括的支路，获得扩展空间，对位于所述扩展空间内支路对应的元素添加噪声，以生成重新获得所述候选解矩阵。[0024] 进一步地，生成所述搜索空间包括以下步骤：[0025] 获取支路在每个所述历史时间点的所述实际电阻值，将相邻所述历史时间点之间的区间定义为时间区间，从所述时间区间中抽取目标区间，所述目标区间为所述实际电阻值出现增大的所述时间区间，基于劣化方程计算支路的劣化值 ，所述劣化方程为，，其中，A为所述目标区间的数量， 和 分别为所述历史数据中，最后一个和第一个所述历史时间点的所述实际电阻值，C为条件数值，当最后一个所述时间区间为所述目标区间时，C的数值为1，否则为0， 、 、 分别为第一权重、第二权重和第三权重，重复本步骤，计算每条支路的所述劣化值，将所述劣化值大于第二阈值的支路定义为目标支路，基于所有所述目标支路生成所述搜索空间。[0026] 进一步地，所述候选解数量设置为100，所述最大迭代次数设置为10000，所述第一学习因子和所述第二学习因子设置为1.5，所述惯性权重参数设置为0.8。[0027] 进一步地，所述第一可及节点包括第一初始节点和第二初始节点，所述第二初始节点的所述激励电压为0。[0028] 进一步地，所述第二权重大于所述第一权重，所述第一权重大于所述第三权重。[0029] 本发明还提供了一种基于粒子群算法的接地网检测系统，该系统用于实现上述所述的一种基于粒子群算法的接地网检测方法，该系统包括：[0030] 构建模块，将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值；[0031] 分析模块，基于理想电阻值生成第一电阻矩阵，所述第一电阻矩阵包括节点i和节点j之间的所述理想电阻值 ；[0032] 计算模块，选择第一可及节点，在所述第一可及节点施加激励电压，选择多个第二可及节点，通过测量获取所述第二可及节点的第一电压值，定义损失函数为，其中， 为第二电阻矩阵，其中包括元素 ， 为节点i和节点j之间的目标电阻值，t为所述第二可及节点的数量， 和 分别为第k个所述第二可及节点的第二电压值和所述第一电压值，基于所述激励电压和所述第一电阻矩阵求解所述损失函数，获得使所述损失函数达到最小时的所述第二电阻矩阵 ，获取所述第二电阻矩阵中相比于所述第一电阻矩阵数值增大的元素 ，定义为目标支路，将所述目标支路对应的支路确定为接地网腐蚀故障支路。[0033] 与现有技术相比，本发明的有益效果至少如下所述：[0034] 本发明结合能量扩散和马尔科夫链获得支路电阻与可及节点电压之间的关系，进而构建中支路电阻与可及节点的损失函数；在第一可及节点施加激励电压后，通过粒子群算法，在第一电阻矩阵的基础上添加随机噪声生成多个候选解矩阵作为粒子，通过不断迭代来求解使损失函数达到最小值的第二电阻矩阵，在每次迭代过程中，通过蒙特卡洛法求解在不同第二电阻矩阵下，电能沿电路扩散过程的近似稳态解，从而获得第二可及节点应该出现的目标电压。在迭代完成后，还通过再次选取其它可及节点来对迭代结果进行验证，从而保证计算结果的可靠性。附图说明[0035] 图1为本发明基于粒子群算法的接地网检测方法的步骤流程图；[0036] 图2为本发明基于粒子群算法的接地网检测系统的结构示意图。具体实施方式[0037] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。[0038] 可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。[0039] 如图1所示，一种基于粒子群算法的接地网检测方法，[0040] 步骤S1：将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值。[0041] 首先构建拓扑图，拓扑图实际上是将接地网等效为纯电阻电路的结果，在获得拓扑图后，对拓扑图中的节点和支路进行编号，并且代表支路的线段中标注理想电阻值，理想电阻值是接地网设计等效后每条支路对应的电阻值。[0042] 步骤S2：基于理想电阻值生成第一电阻矩阵，第一电阻矩阵包括节点i和节点j间的理想电阻值 。[0043] 步骤S3：选择第一可及节点，在第一可及节点施加激励电压，选择多个第二可及节点，通过测量获取第二可及节点的第一电压值；[0044] 可及节点为可以进行测量的节点，在进行测试前，首先获取所有的可及节点并进行编号，从中随机抽取第一可及节点，本实施例抽取两个第一初始节点和第二初始节点，在第一初始节点施加数值非零的激励电压，在第二初始节点施加数值为0的激励电压。然后再抽取第二可及节点，第二可及节点是与第一可及节点不同的节点，本实施例通过马尔科夫和蒙特卡洛法来获得在施加激励电压后，第二可及节点在不同第二电阻矩阵下应该出现的咪表电压值，通过实际测量的方式获得第二可及节点的第一电压值。[0045] 步骤S4：定义损失函数为 ，其中， 为第二电阻矩阵，其中包括元素 ， 为节点i和节点j之间的目标电阻值，t为第二可及节点的数量， 和 分别为第k个第二可及节点的第二电压值和第一电压值；[0046] 步骤S5：基于激励电压和第一电阻矩阵求解损失函数，获得使损失函数达到最小时的第二电阻矩阵 ，获取第二电阻矩阵中相比于第一电阻矩阵数值增大的元素 ，定义为目标支路，将目标支路对应的支路确定为接地网腐蚀故障支路。[0047] 若接地网没有被腐蚀，在测量获得第一电压值后，通过实际求解损失函数，若可以获得一个第二电阻矩阵，该第二电阻矩阵代表各个支路的电阻值，在施加激励电压后，通过激励电源和第二电阻矩阵可以计算获得一个与第一电压值相等的第二电压值，也就是令损失函数为0，在此情况下表明接地网不存在腐蚀；反之，若求解损失函数无法获得此种电阻矩阵，则表明接地网存在腐蚀。[0048] 本实施例求解损失函数包括以下步骤：[0049] 设定更新参数，更新参数包括候选解数量、最大迭代次数、迭代速度、第一学习因子、第二学习因子和惯性权重参数，在第一次迭代中，向第一电阻矩阵中的元素添加随机噪声值，获得候选解矩阵，重复本步骤，直至得到候选解数量的候选解矩阵；[0050] 基于候选解矩阵计算对应的第二电压值，基于损失函数计算候选解矩阵的适应值，从中确定个体最优值和群体最优值，在第二次迭代中，基于个体最优值和群体最优值，结合第一学习因子、第二学习因子、迭代速度和惯性权重参数更新候选解矩阵，基于更新后的候选解矩阵更新群体最优值，重复本步骤，直至到达最大迭代次数，将群体最优值对应的候选解矩阵定义为备选矩阵；[0051] 若备选矩阵不满足预定条件，则更新参数，重新计算获得备选矩阵，并再次确定备选矩阵是否满足预定条件，将最终满足预定条件的备选矩阵设定为第二电阻矩阵。[0052] 基于上述分析可知，当基于第一电阻矩阵生成候选解矩阵后，通过候选解矩阵计算第二可及节点的第二电压值，再将第二电压值代入至损失函数中，通过计算第二电压值与实际电压差的差值，可以获得该候选解矩阵的适应值；本步骤通过不断迭代，目标是寻找到一组使各个第二可及节点第二电压值最接近第一电压值的第二电阻矩阵，也即是令损失函数达到最。辉诨竦昧钏鹗Ш锏阶钚〉牡诙电阻矩阵后，若第二电阻矩阵中的各个元素与第一电阻矩阵中的各个元素相同，则认为没有腐蚀，若第二电阻矩阵中存在元素大于第一电阻矩阵，则认为存在腐蚀，且元素增大对应的支路为受到腐蚀的支路。[0053] 本步骤基于粒子群算法，通过不断迭代求解来获得使损失函数到达最小的电阻矩阵，将每个候选解矩阵作为粒子，通过不断地位置变换来寻求最优解；本实施例的候选解数量为设置为100，最大迭代次数设置为10000，第一学习因子和第二学习因子设置为1.5，惯性权重参数设置为0.8。[0054] 在首次迭代中，由于候选解矩阵中的每个元素代表支路的电阻值，为了保证后续计算过程不会出现维数错误的情况，先将候选解矩阵转换为行向量 ，N为候选解数量，每个行向量中包括M个元素，与支路数量M相对应；基于行向量 中的电阻值，结合蒙特卡洛法计算获得第二电压值，将第二电压值代入至损失函数的右侧，获得适应值 ，定义适应值 为个体最优值，基于行向量 中的电阻值，结合上述蒙特卡洛法获得第二电压值，将第二电压值代入至损失函数的右侧，获得适应值 ，若适应值 小于数值 ，则将个体最优值更新为适应值 ，否则保留适应值 为个体最优值，重复本步骤，直至遍历所有行向量后，将数值最小的个体最优值设置为群体最优值，并继续进行下一次迭代。直至到达最大迭代次数，将最终的群体最优值设定为第二电阻矩阵。[0055] 本实施例在迭代过程中，位置就是候选解矩阵数值，通过以下两个公式来更新粒子的移动速度和位置， ，，其中， 为第t次迭代中第e个粒子的速度， 为第t+1次迭代中第e个粒子的速度，w为惯性权重参数， 为第t次迭代中第e个粒子的适应值，为第t+1次迭代中第e个粒子的适应值，r1和r2为第一随机数和第二随机数，r1的数值在0?1之间，r2的数值在0?1之间，c1和c2为第一学习因子和第二学习因子， 为个体最优值， 为迭代过程中的群体最优值。[0056] 在达到最大迭代次数后，将群体最优值对应的候选解矩阵定义为备选矩阵，为进一步保证候选解矩阵的正确性，通过预定条件对备选矩阵进行验证，若验证通过，则将备选矩阵设定为第二电阻矩阵，否则重新使用粒子群算法求解损失函数，直至获得满足预定条件的备选。[0057] 基于候选解矩阵中计算各个节点对应的目标电导值，基于目标电导值生成目标电导矩阵，目标电导矩阵包括元素 ， 为节点i和节点j之间的目标电导值。[0058] 基于概率转移方程计算电压从节点i转移到节点g的转移概率 ，概率转移方程为： ，其中，1≤g≤n， 为节点i和节点g之间的目标电导值，m为与节点i相邻的节点数目， 为与节点i与相邻的节点n之间的目标电导值。[0059] 通过概率转移方程可以计算电压两个节点电压之间的关系，通过计算每个节点之间的转移概率，将电压沿电路的分配过程视为电能进行能量扩散的马尔科夫过程。并且针对概率转移方程，可以得知节点i的电压Vi和节点g的电压Vg具有满足方程，对上述方程变换可得 ，进一步进行变换后可以得到 ，其中，Vi为节点i的电压， 为电压从节点i转移到节点n的概率，Vn为节点n的电压，m为与节点i相邻的节点数目， 为节点i和节点g之间的目标电导值， 为节点i和节点n之间的目标电导值， 为节点i和节点n之间的目标电阻值， 为从节点i流向节点n的目标电流值，也即是流入节点的电流等于流出节点的电流，证明电能沿电路按照转移概率在节点间扩散的马尔科夫过程遵循基尔霍夫定律。[0060] 基于每个节点的转移概率生成转移矩阵，在第一可及节点施加激励电压后，以第一可及节点的激励电压为约束条件，使用蒙特卡洛法获得接地网满足转移矩阵时各个节点的稳态电压，将其中第二可及节点的稳态电压定义为对应的第二电压值。[0061] 蒙特卡洛法是把概率现象作为研究对象的数值模拟方法。是按抽样调查法求取统计值来推定未知特性量的计算方法，因此，通过蒙特卡洛法不断生成整个接地网的理想电压矩阵，最终可以获得稳态矩阵，在稳态矩阵中包括每个节点的稳态电压，且其中第一可及节点稳态电压与激励电压相等，各个节点稳态电压满足转移矩阵中限定的转移概率关系，这里将稳态矩阵定义为Vall，其中第二可及节点的稳态电压即为所要求取的理想电压值。[0062] 在传统方案中，虽然利用电路基本原理也可求解各节点电压，但忽略了实际电路受到环境等外部因素影响而产生的噪声波动。而本方案中的能量扩散算法采用蒙特卡洛法求解电能沿电路扩散过程的近似稳态解，从而模拟实际电路中的噪声波动，如此可以得到更接近真实电路的节点电压，使得后续对接地网故障的检测更加准确。[0063] 本实施例中，验证备选矩阵是否满足预定条件包括以下步骤：[0064] 在除第一可及节点和第二可及节点外选择第三可及节点，基于备选矩阵计算第三可及节点的第一电压值，测量第三可及节点的第二电压值，将第一电压值和第二电压值代入至损失函数中计算并获得验证结果，若验证结果小于第一阈值，则判断备选矩阵满足预定条件。[0065] 通过再次选择其它可及节点可以对备选矩阵进行二次验证，从而进一步提升获得第二电阻矩阵的可靠性。[0066] 在向第一电阻矩阵添加噪声之前，获取每条支路的历史数据，历史数据包括支路在多个历史时间点的实际电阻值，基于历史数据生成搜索空间，搜索空间包括多条支路。[0067] 在向第一电阻矩阵添加噪声时，仅对位于搜索空间内支路对应的元素添加噪声，以生成多个候选解矩阵，在获得备选矩阵后，若备选矩阵不满足预定条件，则扩大搜索空间内包括的支路，获得扩展空间，对位于扩展空间内支路对应的元素添加噪声，以生成重新获得候选解矩阵。[0068] 具体的，可以每间隔一个月，或者每隔15天对接地网的电阻的进行测量，如此获得每条支路在多个历史时间点的实际电阻值，通过对每条支路的电阻变化情况进行分析，确定哪些支路具有被腐蚀的趋势，然后将这些有可能被腐蚀的支路进行汇总构成搜索空间，在向第一电阻矩阵添加噪声时，仅向位于搜素空间内的支路对应的电阻值添加噪声，以生成多个候选解矩阵，这样可以缩小初始搜索范围，提高粒子群算法的求解速度。另外，若在第一次迭代完成后无法获得第二电阻矩阵，则通过扩展搜素空间，例如向第一电阻矩阵中的所有元素均添加随机噪声，这样增大了粒子群算法的初始搜索范围，以获得合适的第二电阻矩阵。[0069] 本实施例生成搜索空间包括以下步骤：[0070] 获取支路在每个历史时间点的实际电阻值，将相邻历史时间点之间的区间定义为时间区间，从时间区间中抽取目标区间，目标区间为实际电阻值出现增大的时间区间，基于劣化方程计算支路的劣化值 ，劣化方程为， ，其中，A为目标区间的数量， 和 分别为历史数据中，最后一个和第一个历史时间点的实际电阻值，C为条件数值，当最后一个时间区间为目标区间时，C的数值为1，否则为0， 、 、 分别为第一权重、第二权重和第三权重，重复本步骤，计算每条支路的劣化值，将劣化值大于第二阈值的支路定义为目标支路，基于所有目标支路生成搜索空间。[0071] 例如时间历史时间点1?5，那么历史时间点1和2之间为时间区间1，历史时间点2和3之间为时间区间2，然后判断各个时间区间是否为目标区间，如在时间区间1中，支路的实际电阻值在历史时间点2的实际电阻值大于历史时间点1，那么时间区间就为目标区间，另外，若历史时间点5为目标区间，则对应的条件数值为1，最后，将目标区间的数量、历史时间点1和历史时间点5的实际电阻值，以及条件数值代入至劣化方程中，获得对应支路的劣化值，若通过劣化方程计算出的支路劣化值较大，则认为有较大被腐蚀的可能性，因而将其列为目标支路，划入至搜索空间中。[0072] 在本实施例中，第二权重大于第一权重，第一权重大于第三权重。[0073] 第二权重对应的是支路电阻是否存在较大的增长情况，因此对应的权重较大，第三权重对应的是最后一个时间区间是否存在增长趋势，对应的权重较小。[0074] 如图2所示，本发明还提供了一种基于粒子群算法的接地网检测系统，该系统用于实现上述的一种基于粒子群算法的接地网检测方法，该系统包括：[0075] 构建模块，将接地网中的支路交叉点设置为节点，节点之间存在支路，支路中存在理想电阻值；[0076] 分析模块，基于理想电阻值生成第一电阻矩阵，第一电阻矩阵包括节点i和节点j之间的理想电阻值 ；[0077] 计算模块，选择第一可及节点，在第一可及节点施加激励电压，选择多个第二可及节点，通过测量获取第二可及节点的第一电压值，定义损失函数为 ，其中， 为第二电阻矩阵，其中包括元素 ， 为节点i和节点j之间的目标电阻值，t为第二可及节点的数量， 和 分别为第k个第二可及节点的第二电压值和第一电压值，基于激励电压和第一电阻矩阵求解损失函数，获得使损失函数达到最小时的第二电阻矩阵 ，获取第二电阻矩阵中相比于第一电阻矩阵数值增大的元素 ，定义为目标支路，将目标支路对应的支路确定为接地网腐蚀故障支路。[0078] 本发明结合能量扩散和马尔科夫链获得支路电阻与可及节点电压之间的关系，进而构建中支路电阻与可及节点的损失函数；在第一可及节点施加激励电压后，通过粒子群算法，在第一电阻矩阵的基础上添加随机噪声生成多个候选解矩阵作为粒子，通过不断迭代来求解使损失函数达到最小值的第二电阻矩阵，在每次迭代过程中，通过蒙特卡洛法求解在不同第二电阻矩阵下，电能沿电路扩散过程的近似稳态解，从而获得第二可及节点应该出现的目标电压。在迭代完成后，还通过再次选取其它可及节点来对迭代结果进行验证，从而保证计算结果的可靠性。[0079] 尤为注意的是，本发明通过迭代求解方法整合多次测量结果，提高求解腐蚀接地网电阻值的准确性。

专利地区：甘肃

专利申请日期：2024-07-30

专利公开日期：2024-11-19

专利公告号：CN118551146B