[发明专利]一种高压直流分压器均压环的模型结构参数优化方法

说明书

本发明提供一种高压直流分压器均压环的模型结构参数优化方法，通过获取均压环参数，通过均压环参数构建神经网络，所述神经网络包括输入层、隐藏层和输出层，所述均压环参数包括均压环的环半径、均压环的管半径和均压环的高度，所述神经网络的输入层输入均压环参数，所述神经网络的输出层输出分压器表面电场强度和均压环表面电场强度；然后通过神经网络和SPRGA遗传算法结合，计算出最优输出，最优输出对应的均压环参数即为均压环参数最优解，本发明提供的高压直流分压器均压环的模型结构参数优化方法计算时间短，优化精度高，能够对±500kV高压直流分压器均压环参数进行了仿真优化，得到了相对较优的结构参数。

技术领域

本发明涉及直流输电领域，尤其涉及一种高压直流分压器均压环的模型结构参数优化方法。

背景技术

直流分压器是直流输电系统中不可缺少的主设备，承担着电能计量、电量监测、继保信号传送等重要作用，直接影响到整个直流输电系统的安全稳定运行。近年来，国内已多次出现由直流分压器的闪络和设备原因导致的直流系统故障，对于直流输电系统造成重大的损失，直流分压器端面由于电场强度高，因此在操作过程中极容易发生电晕放电，并且还可能会出现例如电晕损耗，局部过热和泄漏电流增加等恶性情况，导致分压器精度降低，而且电晕损耗是高压直流输电线路和直流电阻分压器的重要经济技术指标，而均压环的结构参数直接影响分压器沿面电位和电场的分布，因此通过安装优化设计的均压环能降低设备表面的最大电场强度，改善电场分布，以防止或降低空气中发生电晕，对于提高高压直流分压器利用效能，保证电网的安全稳定运行具有极其重要的意义。

目前，对±500kV直流分压器均压环模型结构参数优化设计的研究中所使用的优化方法为穷举法和神经网络优化算法，其弊端是工作量大，计算时间长，优化精度低等，容易遗漏最优结果。目前的直流分压器均压环模型结构参数优化有将遗传算法与神经网络相结合的优化方法。但常规遗传算法存在局部收敛现象，导致适应度高的数个个体在种群中迅速繁殖，收敛范围狭窄，难以找到最优解。因此，如何设计一种高压直流分压器均压环的模型结构参数优化方法成为亟待解决的问题。

发明内容

本发明提供了一种高压直流分压器均压环的模型结构参数优化方法，以解决上述问题。

本发明提供一种高压直流分压器均压环的模型结构参数优化方法，包括以下步骤：

S1：获取均压环参数，通过均压环参数构建神经网络，所述神经网络包括输入层、隐藏层和输出层，所述均压环参数包括均压环的环半径、均压环的管半径和均压环的高度，所述神经网络的输入层输入均压环参数，所述神经网络的输出层输出分压器表面电场强度和均压环表面电场强度；

S2：通过神经网络和SPRGA遗传算法结合，计算出最优输出，最优输出对应的均压环参数即为均压环参数最优解。

可选择的，所述通过神经网络和SPRGA遗传算法结合，计算出最优输出包括：

S21：通过神经网络，得到均压环参数与分压器表面电场强度、均压环表面电场强度之间的映射；

S22：基于遗传算法，将均压环参数与分压器表面电场强度、均压环表面电场强度之间的映射构建为遗传算法中的适应度，通过选择、交叉和变异，得到最优输出。

可选择的，所述通过神经网络，得到均压环参数与分压器表面电场强度、均压环表面电场强度之间的映射包括：

S211：将神经网络的隐藏层和输出层通过激活函数，将神经网络中的均压环参数映射到(0，1)的范围；

S212：对神经网络进行训练和学习，得到均压环参数与分压器表面电场强度、均压环表面电场强度之间的映射。

可选择的，所述对神经网络进行训练和学习，得到均压环参数与分压器表面电场强度、均压环表面电场强度之间的映射包括：