基于ACO的低壓電力線漏電抗干擾監測仿真

肖貴賢，嚴 偉，李 君

(1. 湖北理工學院電氣學院，湖北黃石 435003；2. 成都理工大學核技術與自動化工程學院，四川成都 610000)

1 引言

近年來，我國工農業生產的快速發展促使大氣污染加劇，導致電力線絕緣子污染問題日益嚴重。此外由于電力線路老化、自然災害等原因造成的線路漏電現象時有發生。而現有的漏電保護裝置只能將發生觸電、漏電的線路進行切斷，確保人身安全，針對線路漏電節點、故障時間以及漏電電流大小缺少監測。因此為漏電故障排除帶來一定困難，對于事故原因也無法得知。基于此，監測電力線漏電狀況，已經成為智能電網建設的重要內容。

文獻[1]提出一種基于等效電導的電線漏電保護策略，在探析漏電事故特征基礎上，結合非正弦電功率理論，將畸變零序電壓為基準對零序電流進行正交分解；令畸變等效電導為故障特性參數，經過對比不同饋線等效電導的符號與大小，分辨漏電線路；將等效電導最高時，符號為負的線路視作漏電支路，符號為正的等效電導表示非漏電饋線現階段絕緣水平，以此完成對電線漏電狀態的自動監測。

文獻[2]利用最小二乘法設計一種漏電監測系統。該系統利用數字信號處理器(Digital Signal Processor，DSP)將采集的零序信息量做最小二乘法計算，獲取對地參數，結合對地分布參數的極性來判斷漏電線路；通過WiFi模塊將漏電信息傳輸至One Net平臺，使用該平臺完成線路的漏電監控與保護。

但是由于低壓電力線所處的外界環境較為復雜，再加上我國電網設備電磁兼容標準較低，會出現電感等干擾源，因此上述方法在受到干擾后，影響監測效果，更容易出現局部收斂情況。為改善這一現象，本文提出基于蟻群算法(Ant Colony Optimization，ACO)的電力線漏電抗干擾監測方案。蟻群算法是受到螞蟻尋找食物的行為啟發而提出的。該方法利用信息素與啟發式信息來引導人工蟻群選取候選解，再經過多次迭代過程得到最佳解。蟻群在尋找路徑時會留下相關信息，所以最優路徑可以根據信息素確定。此外，信息素還會參照某系數揮發，能夠有效防止搜索過程過早結束，避免陷入局部最優[3]。本文在物聯網監測基礎上，引入帶方向因子的最大最小自適應蟻群算法有效避免干擾因素，完成電力線漏電的抗干擾監測。

2 基于ACO的低壓電力線漏電抗干擾監測

2.1 漏電監測終端拓撲結構分析

電力線漏電監測設備包括遠程監控終端與服務器，其中監控終端設置在待監測電流附近的節點上[4]，示意圖如圖1。

圖1 監控終端網絡拓撲結構圖

假設Lf表示干路，F屬于一個父節點，Lc1和Lc2是節點F的兩個支路，C1與C2是節點F的子節點。因此，在C1、C11與C12構建的網絡結構中，C1作為父節點，C11與C12充當子節點，Lc1是一條干路，而Lc11、Lc12是節點C1的兩條支線。

(1)

圖2 電力線漏電監測設備示意圖

2.2 漏電抗干擾監測方案設計

為獲取更加精準的監測結果，本文利用蟻群算法提高監測的抗干擾性，避免局部收斂狀況發生。

2.2.1 蟻群算法相關規則

1)啟發度因素

為提高收斂速度，結合貪心法相關內容，將花費函數cost(i，s)當做啟發度，花費越低對螞蟻產生的啟發作用越大[5]。啟發因素ηis和花費函數cost(i，s)的定義通過下述公式表示

(2)

(3)

(4)

式中，τ(i，j)代表鏈路(i，j)的信息素濃度，α與β能夠體現出螞蟻在尋找路徑過程中信息素與啟發信息的重要程度[6]。

2)狀態轉移規則

對于狀態轉移的相關規則，將先驗知識和概率驅動思想相結合[7]。某只處于節點i處的螞蟻利用式(5)確定轉移規則，選取下一個目標節點s，轉移規則表示為

(5)

式中，q為[0，1]范圍內隨機數，q0屬于一個參數，其滿足(0≤q0≤1)的條件，S是結合式(4)選出的隨機變量。

3)信息素更新準則

為確保全局最優解能夠被充分利用，需要在每一次迭代過程之后，僅針對全局最優螞蟻的信息素進行更新處理。

4)信息素最大值與最小值的界定

為緩解搜索停滯現象，將每條尋優道路中有可能存留的信息素進行限制，限制范圍為[τmin，τmax]。經過每次迭代后，保留具有最優解的螞蟻，這些螞蟻結合下述公式完成信息素更新

(6)

2.2.2 基于最大最小自適應蟻群算法的抗干擾機制

當漏電檢測區域過大時，問題規模相應擴大，因為信息素發揮系數ρ的影響，造成沒有搜索過的路徑減少，從而降低算法全局搜索性能。且ρ如果過大，信息素濃度隨之提高，導致之前獲取的解重新被選擇的可能性增大，也會降低搜索能力。當ρ降低時雖然可以一定程度改善全局搜索性能，但是算法收斂速度會太慢。所以本文添加了ρ的自適應機制[8]。

假設ρ的原始值ρ(t0)=C′(0

(7)

式中，ρmin是ρ的最低值，能夠避免ρ太小而降低算法收斂速度。

但是在只引入自適應機制情況下，如果原始信息素具有相同濃度，此時蟻群收縮方向和目標節點方向相反，針對獲取的任意候選解，都需要對其信息素進行局部更新處理，而這些候選解不一定都是合理的。信息素計算量的增加會生成錯誤的引導信息，進而導致無效搜索。所以，在自適應基礎上添加方向因子對算法進行進一步改進。

方向因子應該具有如下特征：

1)蟻群所處節點和目標節點需連成一條直線，待選取節點和當前節點也應該是一條直線，如果這兩條直線之間夾角越小，那么此節點被選取的概率就會增加

2)僅可以影響下一跳的選取，但不能決定下一跳，避免造成局部最優；

3)方向因子能夠按照實際情況進行改變，如果信息素能夠決定下一跳，此時方向因子起次要作用。

綜上所述，對于方向因子θ進行如下表示

(8)

式中，i與j分別為螞蟻當前所處節點和待選取節點，t為目標節點，ii、jj與tt分別表示三個節點的橫坐標，dij和dit代表兩節點距離。

在狀態轉移規則中加入方向因子，當蟻群選取下一個節點時，能夠提高向目標方向運動的幾率，減少無效搜索[9]。

因此基于具有方向因子的最大最小自適應蟻群電力線漏電監測抗干擾過程如下：

步驟一：參數初始化設置，去除網絡中不滿足要求的鏈路，獲得新的網絡拓撲就，在該網絡基礎上進行搜索；

步驟二：令m只螞蟻位于源節點處，并將源節點設置為蟻群現階段節點，同時添加到禁忌列表中；

步驟三：將迭代次數設置為NC=NC+1；

步驟四：判斷螞蟻k現階段節點是否可以當做目標節點，如果是則表明尋路成功，轉到步驟七，反之繼續執行下一步；

步驟五：判斷螞蟻k現階段節點allowedk是不是空的，如果不為空進行下一步，表明尋路失敗，等待全部螞蟻完成尋路后轉到步驟七；

步驟六：螞蟻k選擇嚇一跳節點，并將被選定的節點添加到禁忌列表中，將其設置為現階段節點，轉到步驟四；

步驟七：獲取全部尋路成功螞蟻的目標函數，從中挑選出最小目標函數值并與全局最優的函數值做對比，若數值高于全局目標函數值，則進行下一步，反之將選出的最小目標函數值當做全局最優螞蟻，跳轉到步驟三；

步驟八：假設NS=NS+1，如果算法獲取的最優值在第NSmax次迭代后沒有變化，則根據揮發系數執行下一步；

步驟九：更新全局最優螞蟻所選路徑的信息素；

步驟十：如果符合結束條件，循環次數滿足NS>NCmax，此時循環結束輸出最優解，反之清空螞蟻k的禁忌列表轉到步驟三。

經過上述步驟提高收斂速度，增強全局搜索能力，避免無效搜索，達到抗干擾目的。

2.2.3 電力線漏電監測的實現

1)信號采集

信號采集流程如圖3所示。

圖3 漏電監測信號采集過程圖

信號轉換電路的主要功能是將低頻電流信號轉換為交流電壓信號。電路圖如圖4所示，經過對電阻R1的調整，使電壓信號滿足A/D轉換要求。在該電路中利用運算放大器OP07構成電壓跟隨器，確保監測設備內外部之間高壓隔離。

圖4 監測信號轉換電路圖

圖4中的集成芯片屬于一類低噪聲放大器[10]，在使用過程中不會產生較大干擾。當輸入信號接入之前，其輸出端最高失調電壓只有25μV，因此在一些使用此芯片的電路中不會出現調零電路。此外該芯片增益高，以上有點使其在微弱信號放大領域得到廣泛利用。

(2)監測程序設置

結合上述蟻群抗干擾算法設置本文漏電監測整體流程如圖5所示。

圖5 電力線漏電監測流程圖

按照上述流程，當設備監測到干路電流大于支路電流和設置的閾值之和時，表明該線路存在異常漏電現象，即

(10)

3 仿真分析

本文利用Matlab7進行電力線漏電監測仿真，電源使用“Three-Phase Source”模型，其輸出電壓為15kV，內部鏈接形式為Y形連接，共設置三根電力線，長度分別為100米、150米與200米。線路負載分別為1.0、2.0與3.0MW，所有線路的初始端均設有電壓與電流測量模塊，同時能夠將測量的電壓轉換為Simulink信號。利用本文方法、文獻[1]方法與文獻[2]方法對不同電力線漏電情況進行監測，監測到的非漏電情況下電力線電流趨勢均相同，如圖6所示，但是對與漏電電流的檢測存在較大差異。

圖6 非漏電情況下電流監測趨勢圖

圖7展示了不同方法對漏電電力線電流波形監測結果。能夠看出所提方法監測到的波形與實際漏電波形差異較小，趨勢基本一致，而其它兩種方法與實際波形相差較大。主要因為本文方法受到外界干擾因素較小，且分析了大氣放電現象與線路輕微電流損耗，能夠實時監測出準確的電流波形。

圖7 漏電情況下不同方法電流監測波形對比圖

此外為了進一步證明蟻群算法的檢測抗干擾性能，設置蟻群數量為70，迭代次數為10次，在不同數量漏電節點的電力線中，漏電檢出率如圖8所示。

圖8 本文方法電力線漏節點電檢出率

由圖8可知，隨著電力線中漏電節點數量的不斷增加，漏電檢出率也隨之下降。這時可通過不斷添加蟻群數量來保持監測效果，表明蟻群算法對漏電監測的抗干擾是有效的。

4 結論

本文提出了一種基于帶方向因子的最大最小自適應蟻群算法，用于電力線漏電抗干擾監測中。該方法不但可以準確監測出電力線不同情況下的電流波形，還能夠有效監測出漏電節點，有利于工作人員盡早發現安全隱患，精準判斷出漏電線路，保證電力系統高效安全運行。但是蟻群數量的增多也會為增加算法的復雜性，因此，在今后研究中應通過其它方法來解決這一問題。