基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法技術(shù)

本發(fā)明專利技術(shù)提出的基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法，屬于電工領(lǐng)域中雷電監(jiān)測技術(shù)領(lǐng)域。該方法首先通過電流傳感器獲取實測雷電基底電流數(shù)據(jù)，確定雷電基底電流函數(shù)模型，根據(jù)實測雷電基底電流數(shù)據(jù)得到雷電基底電流的波形參數(shù)；然后結(jié)合Powell算法和粒子群算法，對實測雷電基底電流波形參數(shù)進(jìn)行波形參數(shù)識別。本發(fā)明專利技術(shù)克服了傳統(tǒng)的雷電流波形參數(shù)識別方法中采用粒子群算法容易停滯在局部最優(yōu)結(jié)果這一缺點，并且相比于Nelder?Mead單純形法加粒子群算法，具有收斂迭代次數(shù)更小的優(yōu)點，對實測雷電基底電流數(shù)據(jù)進(jìn)行波形參數(shù)辨識，可以有效幫助實現(xiàn)電力電子系統(tǒng)雷電防護(hù)的數(shù)字化監(jiān)測。

【技術(shù)實現(xiàn)步驟摘要】
基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法
本專利技術(shù)屬于電工領(lǐng)域中雷電監(jiān)測
，特別涉及一種基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法，。
技術(shù)介紹
雷電是十大自然災(zāi)害之一。它瞬間產(chǎn)生的大電流、高電壓和強(qiáng)電磁場，不僅會造成人畜傷亡，對人類賴以生存的自然資源和人類創(chuàng)造的物質(zhì)財富有巨大的破壞作用，而且還常給電力、通信、石油化工、航空航天、鐵道交通，乃至金融證券等國民經(jīng)濟(jì)部門的設(shè)備設(shè)施帶來損壞。因此，雷電現(xiàn)象、雷電物理、雷電預(yù)警與防護(hù)等問題仍是大氣電學(xué)、電力系統(tǒng)、放電物理等領(lǐng)域的熱點研究問題。雷電基底電流是指雷電通道最底端的雷電流，簡稱為雷電流。雷電基底電流是由閃電所產(chǎn)生的大電流，是影響建筑物和電子設(shè)備的主要源頭，是雷電防護(hù)中的重點關(guān)注的對象，故了解雷電基底電流的特性是防雷的基礎(chǔ)。通常，研究者們采用雙指數(shù)函數(shù)或者Heidler函數(shù)來作為雷電基底電流的表達(dá)式，V.Javor于2011年在其文章《AChannel-BaseCurrentFunctionforLightningReturn-StrokeModeling》中提出了一種新的雷電基底電流表達(dá)式，簡稱為NCBC電流模型，其表達(dá)式見式(1)。此模型具有峰值雷電基底電流和其對應(yīng)的峰值時間簡單可調(diào)等優(yōu)點。雷電流波形參數(shù)包含：雷電流幅值，即該雷電流的最大電流值；波頭時間，從時間t＝0開始到達(dá)該雷電流最大電流值所需的時間；半波時間，從時間t＝0開始第二次到達(dá)該雷電流最大電流值一半所需的時間。雷電流波形參數(shù)決定了該雷電流的波形形狀。當(dāng)前，雷電監(jiān)測設(shè)備逐漸數(shù)字化，自動化，故針對實測得到的雷電流數(shù)據(jù)，如何快速得到其波形參數(shù)，具有重要的工程應(yīng)用價值。若利用實測的電流數(shù)據(jù)和電流函數(shù)去直接求解電流波形參數(shù)，通常很難得到理想的結(jié)果，故有研究者采用尋優(yōu)算法，如粒子群算法，尋優(yōu)得到雷電流的波形參數(shù)，但粒子群算法容易停滯在局部最優(yōu)的結(jié)果，為了克服這一缺點，劉平等人于2009年在其文章《雷電流波形參數(shù)估計仿真研究》中提出采用Nelder-Mead單純形法和粒子群算法對雷電流波形參數(shù)進(jìn)行尋優(yōu)估計，其方法結(jié)合了能用來全局尋優(yōu)的粒子群算法和能用來局部尋優(yōu)的Nelder-Mead單純形法，一定程度上能克服只利用粒子群算法時出現(xiàn)停滯在局部最優(yōu)結(jié)果的問題，但劉平等人提出的這個方法在達(dá)到最優(yōu)精度(或最小誤差)時需要的迭代步數(shù)(或時間)過長。與本
技術(shù)實現(xiàn)思路
相關(guān)的已有技術(shù)簡介如下：雷電基底電流NCBC電流模型，表達(dá)式如下：式中，i是雷電基底電流，t是時間，中間參數(shù)tm是峰值雷電流對應(yīng)的峰值時間，Im是峰值電流，a和bi(i＝1，2，…，n)分別為波頭參數(shù)和波尾參數(shù)，ci為權(quán)重參數(shù)，n為波尾可調(diào)參數(shù)。粒子群算法：粒子群算法最早由社會心理學(xué)博士Kennedy和電子工程學(xué)博士Eberhart于1995年提出，在粒子群算法模型中，每一個粒子的自身狀態(tài)都由一組位置和速度向量描述，分別表示問題的可行解和它在搜索空間中的運動方向。粒子通過不斷地學(xué)習(xí)它所發(fā)現(xiàn)的群體最優(yōu)解和鄰居最優(yōu)解，實現(xiàn)全局最優(yōu)搜索。粒子的速度的位置更新方程是粒子群算法的核心，分別由以下兩個公式描述：vij(k+1)＝w(k)vij(k)+c1r1(pbestij(k)-xij(k))+c2r2(gbestj(k)-xij(k))(0-2)xij(k+1)＝xij(k)+vij(k+1)(0-3)其中，c1，c2為學(xué)習(xí)因子，r1，r2為[0,1]的隨機(jī)數(shù)，w(k)為進(jìn)化調(diào)節(jié)參數(shù)。vij(k)表示粒子i在進(jìn)化到k代時的第j維飛行速度分量。xij(k)表示粒子i在進(jìn)化到k代時的第j維位置分量，pbestij(k)表示粒子i在進(jìn)化到k代時的第j維個體最優(yōu)位置pbesti分量，gbestj(k)表示進(jìn)化到k代時整個粒子群的最優(yōu)位置gbest的第j維分量。Powell算法：Powell算法又稱方向加速法，它由Powell于1964年提出，是利用共軛方向可以加快收斂速度的性質(zhì)形成的一種搜索方法。該方法不需要對目標(biāo)函數(shù)進(jìn)行求導(dǎo)，當(dāng)目標(biāo)函數(shù)的導(dǎo)數(shù)不連續(xù)的時候也能應(yīng)用，因此，Powell算法是一種十分有效的直接搜索法。該算法具體步驟如下：1)選取初始向量X0，n個線性無關(guān)的初始方向向量{d0,d1,…,dn-1}(通常為單位方向向量)，尋優(yōu)函數(shù)f(.)及精度ε>0和最大迭代次數(shù)MaxStep_Powell，迭代次數(shù)l＝1；2)將初始向量X0依次沿方向{d0,d1,…,dn-1}進(jìn)行一維極小值搜索，每一次都得到更小的誤差值和其對應(yīng)的向量其中3)令方向向量按此方向進(jìn)行一維極小值搜索，得到判斷此時是否達(dá)到停止條件，若是則輸出和若否則轉(zhuǎn)步驟4)；4)求出Δm使得：以及計算：并判斷下式是否同時成立：若是則轉(zhuǎn)步驟5)，若否則轉(zhuǎn)步驟6)；5)令dm-1＝dn，迭代次數(shù)l＝l+1，轉(zhuǎn)步驟2)；6)若f2<f3，則否則轉(zhuǎn)步驟2)；
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的在于克服已有技術(shù)的不足之處，提出一種基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法。本專利技術(shù)克服了傳統(tǒng)的雷電流波形參數(shù)識別方法中采用單一的粒子群算法容易停滯在局部最優(yōu)結(jié)果這一缺點，并且相比于Nelder-Mead單純形法加粒子群算法，具有收斂迭代次數(shù)更小的優(yōu)點，對實測雷電基底電流數(shù)據(jù)進(jìn)行波形參數(shù)辨識，可以有效幫助實現(xiàn)電力電子系統(tǒng)雷電防護(hù)的數(shù)字化監(jiān)測。本專利技術(shù)提出的基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法，其特征在于，包括以下步驟：1)在人工引雷桿底部安裝電流傳感器，通過電流傳感器獲取實測雷電基底電流數(shù)據(jù)；2)確定雷電基底電流函數(shù)模型，根據(jù)步驟1)獲取的實測雷電基底電流數(shù)據(jù)，得到雷電基底電流的波形參數(shù)；具體包括以下步驟：2-1)從實測雷電基底電流數(shù)據(jù)中截取N個采樣點的波形段，起止點分別記為[j,j+N-1]，其中j點是雷電發(fā)生時雷電基底電流最先開始出現(xiàn)變化的第一個零點，得到該波形段的實測雷電基底電流片段Imeasure；2-2)采用NCBC電流模型作為雷電基底電流函數(shù)模型，模型函數(shù)表達(dá)式如式(1)所示：式中，i是雷電基底電流，t是時間，中間參數(shù)tm是峰值雷電流對應(yīng)的峰值時間，Im是峰值電流，a和bi，i＝1，2，…，n，分別為波頭參數(shù)和波尾參數(shù)；ci為權(quán)重參數(shù)，n為波尾可調(diào)參數(shù)，n為正整數(shù)，取值范圍為[2，10]；則所需辨識的全部波形參數(shù)包括：Im，tm，a，bi，ci；3)結(jié)合Powell算法和粒子群算法，對步驟2)得到的實測雷電基底電流波形參數(shù)進(jìn)行波形參數(shù)識別，具體步驟如下：3-1)設(shè)置粒子群算法的初始粒子個數(shù)，初始粒子值，速度值，最大迭代次數(shù)和滿足停止條件的最小誤差ermin；其中，初始粒子值即為所需辨識的波形參數(shù)Im，tm，a，bi，ci的初始值；3-2)針對第k次粒子群算法迭代中，利用式(2)-(3)對粒子種群進(jìn)行粒子和速度更新：vij(k+1)＝w(k)vij(k)+c1r1(pbestij(k)-xij(k))+c2r2(gbestj(k)-xij(k))(2)xij(k+1)＝xij(k)+vij(k+1)(3)式中，c1，c2為學(xué)習(xí)因子，r1，r2為[0，1]的隨機(jī)數(shù)，w(k)為進(jìn)化調(diào)節(jié)參數(shù)，w(k)＝1-k/kmax，kmax是最大迭代次數(shù)，vi本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
一種基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法，其特征在于，包括以下步驟：1)在人工引雷桿底部安裝電流傳感器，通過電流傳感器獲取實測雷電基底電流數(shù)據(jù)；2)確定雷電基底電流函數(shù)模型，根據(jù)步驟1)獲取的實測雷電基底電流數(shù)據(jù)，得到雷電基底電流的波形參數(shù)；具體包括以下步驟：2?1)從實測雷電基底電流數(shù)據(jù)中截取N個采樣點的波形段，起止點分別記為[j,j+N?1]，其中j點是雷電發(fā)生時雷電基底電流最先開始出現(xiàn)變化的第一個零點，得到該波形段的實測雷電基底電流片段I

【技術(shù)特征摘要】
1.一種基于Powell算法和粒子群算法的雷電流波形參數(shù)識別方法，其特征在于，包括以下步驟：1)在人工引雷桿底部安裝電流傳感器，通過電流傳感器獲取實測雷電基底電流數(shù)據(jù)；2)確定雷電基底電流函數(shù)模型，根據(jù)步驟1)獲取的實測雷電基底電流數(shù)據(jù)，得到雷電基底電流的波形參數(shù)；具體包括以下步驟：2-1)從實測雷電基底電流數(shù)據(jù)中截取N個采樣點的波形段，起止點分別記為[j,j+N-1]，其中j點是雷電發(fā)生時雷電基底電流最先開始出現(xiàn)變化的第一個零點，得到該波形段的實測雷電基底電流片段Imeasure；2-2)采用NCBC電流模型作為雷電基底電流函數(shù)模型，模型函數(shù)表達(dá)式如式(1)所示：式中，i是雷電基底電流，t是時間，中間參數(shù)tm是峰值雷電流對應(yīng)的峰值時間，Im是峰值電流，a和bi，i＝1，2，…，n，分別為波頭參數(shù)和波尾參數(shù)；ci為權(quán)重參數(shù)，n為波尾可調(diào)參數(shù)，n為正整數(shù)，取值范圍為[2，10]；則所需辨識的全部波形參數(shù)包括：Im，tm，a，bi，ci；3)結(jié)合Powell算法和粒子群算法，對步驟2)得到的實測雷電基底電流波形參數(shù)進(jìn)行波形參數(shù)識別，具體步驟如下：3-1)設(shè)置粒子群算法的初始粒子個數(shù)，初始粒子值，速度值，最大迭代次數(shù)和滿足停止條件的最小誤差ermin；其中，初始粒子值即為所需辨識的波形參數(shù)Im，tm，a，bi，ci的初始值；3-2)針對第k次粒子群算法迭代中，利用式(2)-(3)對粒子種群進(jìn)行粒子和速度更新：vij(k+1)＝w(k)vij(k)+c1r1(pbestij(k)-xij(k))+c2r2(gbestj(k)-xij(k))(2)xij(k+1)＝xij(k)+vij(k+1)(3)式中，c1，c2為學(xué)習(xí)因子，r1，r2為[0，1]的隨機(jī)數(shù)，w(k)為進(jìn)化調(diào)節(jié)參數(shù)，w(k)＝1-k/kmax，kmax是最大迭代次數(shù)，vij(k)表示粒子i在進(jìn)化到k次迭代時的第j維飛行速度分量，xij(k)表示粒子i在進(jìn)化到k次迭代時的第j維位置分量，pbestij(k)表示粒子i在進(jìn)化到k次迭代時的第j維個體最優(yōu)位置pbesti分量，gbestj(k)表示進(jìn)化到k次迭代時整個粒子群的最優(yōu)位置gbest的第j維分量；將第k次更新得到的所有粒子值代入式(1)進(jìn)行計算，得到尋優(yōu)雷電基底電流Icalculate，并利用式(4)求得每個粒子值分別對應(yīng)的誤差值，從中選出最小的誤差值Tbest...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：何金良，楊滾，余占清，陳水明，
申請(專利權(quán))人：清華大學(xué)，
類型：發(fā)明
國別省市：北京,11