[发明专利]一种基于免疫粒子群的局部放电源定位方法和系统

权利要求书

1.一种基于免疫粒子群的局部放电源定位方法，其特征在于，包括：

在变压器内部放入4个以上的电磁传感器，记录各个电磁传感器的坐标信息；

获取各个电磁传感器在变压器发生局部放电时接收到局部放电信号的时间；

建立变压器空间模型，获得变压器内部节点的相对传播因子矩阵；

通过累积能量曲线获得局部放电信号到达各个电磁传感器的时间差，采用最小二乘法求得局部放电信号到达各个电磁传感器的真实距离；

基于费马定理，通过免疫粒子群算法计算局部放电信号与电磁传感器的最短距离，得到估计距离；

将真实距离与估计距离之差作为免疫粒子群算法的适应度函数；

通过免疫粒子群算法寻找最优解，得到局部放电源定位位置；

通过免疫粒子群算法寻找最优解，得到局部放电源定位位置，包括：

初始化粒子群算法参数，并设置最大迭代次数；

根据适应度函数计算当前粒子的适应度，更新粒子位置；

若迭代次数达到最大迭代次数或适应度达到最佳适应度，则结束寻优，输出最优解，否则，将适应度在预置阈值以上的抗体存入记忆库中作为免疫记忆细胞，加入新的粒子种群，对于适应度小于预置阈值的粒子，更新粒子速度和粒子位置，将更新步长在预设范围内的粒子加入新的免疫记忆细胞所在的新的粒子种群，否则再次迭代寻找最优粒子，返回计算粒子的适应度；

计算新的粒子种群中每个粒子的选择概率，筛选选择概率在概率阈值以上的粒子，组成新的抗体群；

从新的抗体群中接种疫苗，获取选择适应度最大的两个可行解进行交叉和变异操作，更新种群，计算种群中的粒子适应度，若适应度大于最佳适应度，则接受最优定位解，否则返回判断迭代次数的步骤。

2.根据权利要求1所述的基于免疫粒子群的局部放电源定位方法，其特征在于，相对传播因子的计算公式为：

其中，μ_winding为电磁波在变压器绕组中传播的衰减系数，w为油隙宽度，d为变压器空间模型的网格边长。

3.根据权利要求2所述的基于免疫粒子群的局部放电源定位方法，其特征在于，局部放电信号到达各个电磁传感器的真实距离为：

其中，(x,y,z)为局部放电源的坐标，(x_i,y_i,z_i)为第i个电磁传感器的坐标。

4.根据权利要求3所述的基于免疫粒子群的局部放电源定位方法，其特征在于，计算新的粒子种群中每个粒子的选择概率的计算公式为：

其中，i＝1,2，…，n，x_i为第i个粒子，F(x_i)为第i个粒子的适应度函数值，p(x_i)为第i个粒子的选择概率。

5.根据权利要求4所述的基于免疫粒子群的局部放电源定位方法，其特征在于，适应度函数为：

F(x_i)＝1/cost(x_i)

其中，x_i为第i个粒子，cost(x_i)为损失函数，为通过免疫粒子群算法求解得出的第i个粒子到第m个电磁互感器之间的估计距离，为局部放电源到第m个电磁传感器之间电磁波传播的真实距离，N_s为变压器内部的电磁传感器数量。

6.根据权利要求5所述的基于免疫粒子群的局部放电源定位方法，其特征在于，更新粒子位置的速度方程为：

其中，为第i个粒子的位置更新速度，代表第i个粒子的坐标，(i_gbest，j_gbest，k_gbest)为第i个粒子的历史最优坐标。

7.根据权利要求6所述的基于免疫粒子群的局部放电源定位方法，其特征在于，粒子更新步长的计算公式为：

其中，cost(g_best)为全局最优粒子的损失函数，K为小于1的正因子。

8.一种基于免疫粒子群的局部放电源定位系统，其特征在于，包括：

电磁传感器坐标信息获取单元，用于获取变压器内部的电磁传感器的坐标信息，其中，变压器内部放入4个以上的电磁传感器；

信号接收时间获取单元，用于获取各个电磁传感器在变压器发生局部放电时接收到局部放电信号的时间；

建模单元，用于建立变压器空间模型，获得变压器内部节点的相对传播因子矩阵；

真实距离计算单元，用于通过累积能量曲线获得局部放电信号到达各个电磁传感器的时间差，采用最小二乘法求得局部放电信号到达各个电磁传感器的真实距离；

估计距离计算单元，用于基于费马定理，通过免疫粒子群算法计算局部放电信号与电磁传感器的最短距离，得到估计距离；

适应度函数单元，用于将真实距离与估计距离之差作为免疫粒子群算法的适应度函数；

免疫粒子群寻优单元，用于通过免疫粒子群算法寻找最优解，得到局部放电源定位位置；

免疫粒子群寻优单元具体用于：

初始化粒子群算法参数，并设置最大迭代次数；

根据适应度函数计算当前粒子的适应度，更新粒子位置；

若迭代次数达到最大迭代次数或适应度达到最佳适应度，则结束寻优，输出最优解，否则，将适应度在预置阈值以上的抗体存入记忆库中作为免疫记忆细胞，加入新的粒子种群，对于适应度小于预置阈值的粒子，更新粒子速度和粒子位置，将更新步长在预设范围内的粒子加入新的免疫记忆细胞所在的新的粒子种群，否则再次迭代寻找最优粒子，返回计算粒子的适应度；

计算新的粒子种群中每个粒子的选择概率，筛选选择概率在概率阈值以上的粒子，组成新的抗体群；

从新的抗体群中接种疫苗，获取选择适应度最大的两个可行解进行交叉和变异操作，更新种群，计算种群中的粒子适应度，若适应度大于最佳适应度，则接受最优定位解，否则返回判断迭代次数的步骤。