针对低压配电网拓扑复杂而导致故障区段定位精度不高的问题,提出了一种基于电压差网络映射和后验概率校核的故障区段定位方法。首先构造可达矩阵描述配电网拓扑结构,以准确反映网络各节点的连通性;根据故障前后节点电压的变化,计算节点...针对低压配电网拓扑复杂而导致故障区段定位精度不高的问题,提出了一种基于电压差网络映射和后验概率校核的故障区段定位方法。首先构造可达矩阵描述配电网拓扑结构,以准确反映网络各节点的连通性;根据故障前后节点电压的变化,计算节点故障电压差并利用K均值聚类算法对故障电压差进行聚类,得到故障电压差矩阵;通过推导可达矩阵和故障电压差矩阵的关系计算线路区段状态矩阵,最后采用马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法计算各区段故障的后验概率,对所得故障区段判定结果进行校核。多个配电网中算例结果表明,所提方法在不同配电网拓扑结构下的单一故障识别率达100%,在相同条件下相较于传统方法收敛速度提高了40%,显著提高了故障区段定位的准确性和可靠性。展开更多
针对K-means聚类算法易受到初始聚类中心的影响且易陷入局部最优值的不足,提出一种基于改进蜣螂优化算法的K-means聚类算法。首先,引入分段线性混沌映射(Piecewise Linear Chaotic Map, PWLCM)改善种群多样性,提高算法的求解精度和收敛...针对K-means聚类算法易受到初始聚类中心的影响且易陷入局部最优值的不足,提出一种基于改进蜣螂优化算法的K-means聚类算法。首先,引入分段线性混沌映射(Piecewise Linear Chaotic Map, PWLCM)改善种群多样性,提高算法的求解精度和收敛速度;其次,受鱼鹰算法位置识别和捕鱼策略的启发,使用其全局勘探策略替换蜣螂优化算法滚球阶段策略,可以弥补算法在滚球阶段中只依赖最差值,无法与其它蜣螂进行交流的缺点,从而增强算法的全局探索能力;然后,加入动态选择的自适应t分布扰动,增加全局开发以及局部搜索能力,通过CEC2017测试函数验证改进蜣螂优化算法的有效性和优越;最后,将改进后的蜣螂优化算法与K-means聚类算法相结合,从UCI数据集中选取6个真实的数据集与其他学者提出的群智能算法优化的K-means进行对比仿真实验,结果表明本文改进后的聚类算法具有更好的求解精度和鲁棒性。展开更多
文摘针对低压配电网拓扑复杂而导致故障区段定位精度不高的问题,提出了一种基于电压差网络映射和后验概率校核的故障区段定位方法。首先构造可达矩阵描述配电网拓扑结构,以准确反映网络各节点的连通性;根据故障前后节点电压的变化,计算节点故障电压差并利用K均值聚类算法对故障电压差进行聚类,得到故障电压差矩阵;通过推导可达矩阵和故障电压差矩阵的关系计算线路区段状态矩阵,最后采用马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法计算各区段故障的后验概率,对所得故障区段判定结果进行校核。多个配电网中算例结果表明,所提方法在不同配电网拓扑结构下的单一故障识别率达100%,在相同条件下相较于传统方法收敛速度提高了40%,显著提高了故障区段定位的准确性和可靠性。
文摘针对K-means聚类算法易受到初始聚类中心的影响且易陷入局部最优值的不足,提出一种基于改进蜣螂优化算法的K-means聚类算法。首先,引入分段线性混沌映射(Piecewise Linear Chaotic Map, PWLCM)改善种群多样性,提高算法的求解精度和收敛速度;其次,受鱼鹰算法位置识别和捕鱼策略的启发,使用其全局勘探策略替换蜣螂优化算法滚球阶段策略,可以弥补算法在滚球阶段中只依赖最差值,无法与其它蜣螂进行交流的缺点,从而增强算法的全局探索能力;然后,加入动态选择的自适应t分布扰动,增加全局开发以及局部搜索能力,通过CEC2017测试函数验证改进蜣螂优化算法的有效性和优越;最后,将改进后的蜣螂优化算法与K-means聚类算法相结合,从UCI数据集中选取6个真实的数据集与其他学者提出的群智能算法优化的K-means进行对比仿真实验,结果表明本文改进后的聚类算法具有更好的求解精度和鲁棒性。
