[发明专利]一种基于改进混沌粒子群优化神经网络的高压断路器状态评估方法

说明书

本发明涉及一种基于改进混沌粒子群优化神经网络的高压断路器状态评估方法，其特征在于，该方法包括以下步骤：1）高压断路器输入特征值与输出状态的选取；2）改进混沌粒子群优化神经网络算法参数设置；3）采用基于改进混沌粒子群优化神经网络（CPSOBP）评估高压断路器状态评估，并通过与标准神经算法(BP)、粒子群优化神经网络（PSOBP）对比，证明算法的优越性。与现有技术相比，本发明能很好地解决了高压断路器状态评价的准确性低、判断速度慢等问题，提高了高压断路器状态评价的精度及效率。

技术领域

本发明涉及一种高压断路器状态评估方法，尤其涉及一种基于改进混沌粒子群优化神经网络的高压断路器状态评估方法。

背景技术

高压断路器是电力系统中重要的开关电气设备，其运行状态极大地影响着电力系统的安全性和稳定性。因此，准确快速地对高压断路器进行状态评估对电力系统安全运行至关重要。

目前已有部分学者对高压断路器状态评估进行研究，并且取得一定研究成果。如基于振动信号极值点发生时刻和支持向量机的断路器状态评估方法,即以断路器分合闸线圈带电时刻为时间零点,以振动信号极大值点发生时刻为特征量,利用经粒子群优化的支持向量机建立断路器状态评估模型；如基于自适应神经模糊推理系统的高压断路器操作机构状态评估，在测试分析大量高压断路器操作机构动作特性的基础上，研究了操作机构分合闸线圈电流曲线、触头行程-时间曲线与机构状态之间的关系；基于操作机构的分合闸线圈电流曲线和触头行程-时间曲线，通过建立多级递阶ANFIS模型将2种特性融合起来以综合评估操作机构的运行状况；如基于支持向量机的高压断路器机械状态预测算法研究，利用预测出来的机械动作数据对高压断路器进行故障诊断，可以发现高压断路器潜在的问题，从而达到机械状态预测的目的。此外，还通过归一化、交叉验证、网格搜索等方法来确定算法参数和提高算法精度。高压断路器状态评估是多维度、多目标、多约束条件的复杂非线性优化问题，如何实现高压断路器状态准确快速评估仍然是目前亟待解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于改进混沌粒子群优化神经网络的高压断路器状态评估方法。

为解决上述技术问题，本发明采用的技术方案是：一种基于改进混沌粒子群优化神经网络的高压断路器状态评估方法，包括以下步骤：

S1：高压断路器输入特征值与输出状态的选取；

S2：改进混沌粒子群优化神经网络算法参数设置；

S3：采用基于改进混沌粒子群优化神经网络(CPSOBP)评估高压断路器状态评估，并通过与标准神经算法(BP)、粒子群优化神经网络(PSOBP)对比，证明算法的优越性，输出正确的高压断路器状态。

优选地，在步骤S1中：根据分闸、合闸动作线圈电流曲线提取输入特征值电流参数：I₁、I₂、I₃；时间参数：T₁、T₂、T₃、T₄、T₅。

优选地，在步骤S2中，所述改进混沌粒子群优化神经网络算法参数设置中的可变的惯性权重；惯性权重是粒子位置更新中代表历史数据的信息比重，较大的惯性权重可以增加粒子在全局的搜索能力，较小的惯性权重则有利于局部的寻优；所述惯性权重的计算公式如下：其中：ω为惯性权重；ω_min为惯性权重最小值；ω_max为惯性权重最大值；iter为当前迭代次数；Maxiter为最大迭代次数；利用惯性权重计算公式调整惯性权重，使算法前期更注重全局搜索，后期更注重局部搜索。

优选地，在步骤S2中：所述改进混沌粒子群优化神经网络算法参数设置中的粒子群算法混沌化；为了增加PSO算法初始化和迭代后期种群多样性，在粒子初始化和更新过程中引入混沌思想，增加算法的遍历性，从而避免算法陷于局部最优；在粒子更新过程中引入典型的Logistic映射方程：