改進(jìn)灰狼算法在智能建筑配電網(wǎng)故障定位中的應(yīng)用

摘要：隨著科技的不斷進(jìn)步，人工智能已經(jīng)廣泛應(yīng)用于建筑行業(yè)，并催生了智能建筑領(lǐng)域。本文闡述了智能化建筑，介紹了群智能算法在智能建筑中配電網(wǎng)故障定位方面的應(yīng)用。通過采用灰狼優(yōu)化算法，針對(duì)灰狼算法的不足，加入了Tent混沌映射及改良后的收斂因子a，最后加入慣性權(quán)重來提升算法性能。同時(shí)，與二進(jìn)制粒子群算法和哈利斯鷹算法進(jìn)行比較，結(jié)果證明改進(jìn)后的灰狼算法具有更優(yōu)越的特點(diǎn)。最后，在IEEE33節(jié)點(diǎn)模型上進(jìn)行單點(diǎn)故障和多點(diǎn)故障的仿真實(shí)驗(yàn)，驗(yàn)證了改進(jìn)灰狼算法在智能建筑配電網(wǎng)故障定位中的有效性。

關(guān)鍵詞：智能建筑；灰狼算法；Tent混沌映射；IEEE33節(jié)點(diǎn)

中圖分類號(hào)：TM711" "文獻(xiàn)標(biāo)識(shí)碼：A" "文章編號(hào)：２０９６-2118（2024）04-0083-04

Improve the Application of Gray Wolf Algorithm in Fault Location of Intelligent Building Power Supply and Distribution System

YAN Bingxu，ZHANG Yi

（School of Electrical and Computer Science，Jilin Jianzhu University，Changchun Jilin 130118，China）

Abstract：With the continuous progress of science and technology，artificial intelligence has been widely used in the construction industry，and gave birth to the field of intelligent buildings.This paper describes the intelligent building and introduces the application of swarm intelligence algorithm in fault location of distribution network in intelligent building.In view of the shortcomings of grey Wolf algorithm，Tent chaos mapping and improved convergence factor a are added，and inertia weight is added to improve the performance of the algorithm.Meanwhile，compared with binary particle swarm optimization algorithm and Harris Eagle algorithm，the results show that the improved Grey Wolf algorithm has more superior characteristics.Finally，simulation experiments of single point fault and multi-point fault on IEEE33 node model are carried out to verify the effectiveness of improved grey Wolf algorithm in fault location of intelligent building distribution network.

Keywords：intelligent building；gray wolf algorithm；Tent chaos mapping；IEEE33 node

0 引言

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的行業(yè)不斷發(fā)展與應(yīng)用，給社會(huì)帶來了很大的方便。建筑行業(yè)也隨之改變。隨著信息化和智能化的影響，建筑行業(yè)朝著信息化、智能化、數(shù)字化方面發(fā)展。智能建筑的智能化發(fā)展程度是其自動(dòng)化水平的體現(xiàn)，智能化建筑可以為人們提供安全、可靠、方便、節(jié)能的環(huán)境。隨著第一棟智能建筑的誕生，智能建筑的探索便蓬勃發(fā)展起來[1]。由于智能建筑對(duì)電力的需求較大，所以保證電力正常運(yùn)行至關(guān)重要，一旦出現(xiàn)問題，應(yīng)迅速進(jìn)行故障定位和診斷[2]。

1 智能化建筑

1.1 建筑智能化

建筑智能化系統(tǒng)（BAS）是將通信自動(dòng)化，樓宇自動(dòng)化，辦公自動(dòng)化，消防自動(dòng)化和保安自動(dòng)化等與建筑物的結(jié)構(gòu)和功能相融合的一個(gè)整體。智能建筑起源于20世紀(jì)80年代初的美國，建筑智能化是將智能計(jì)算機(jī)技術(shù)應(yīng)用到建筑自動(dòng)化系統(tǒng)中，包括消防報(bào)警系統(tǒng)、閉路監(jiān)控系統(tǒng)、樓宇自控系統(tǒng)、無線轉(zhuǎn)發(fā)系統(tǒng)及無線對(duì)講系統(tǒng)等[3]。但是由于我國智能建筑發(fā)展較晚，對(duì)智能建筑不夠重視，出現(xiàn)了輕視智能化系統(tǒng)檢測(cè)的問題，這個(gè)問題導(dǎo)致未來智能建筑的維修成本增加，并可能在前期檢查不嚴(yán)格的情況下引發(fā)設(shè)備甚至整個(gè)配電系統(tǒng)的問題[4]。

1.2 基于群智能算法的智能建筑配電網(wǎng)故障定位

配電網(wǎng)故障定位，就是配電網(wǎng)絡(luò)發(fā)生故障的時(shí)候，利用智能化的設(shè)備和系統(tǒng)，對(duì)故障點(diǎn)做出快速、精準(zhǔn)的位置鎖定。

隨著配電網(wǎng)日趨完善，目前廣泛采用饋線終端單元（FTU）來收集故障信息進(jìn)行定位[5]，尤其是應(yīng)用人工智能算法基于FTU采集信息對(duì)配電網(wǎng)故障進(jìn)行準(zhǔn)確定位。目前已提出了多種利用智能算法進(jìn)行配電網(wǎng)故障定位的方法。由于粒子群算法容易陷入局部最優(yōu)，引入Logistic映射的混沌系統(tǒng)，對(duì)種群初始化的位置進(jìn)行改善[6]。應(yīng)用哈里斯鷹算法對(duì)配電網(wǎng)故障進(jìn)行定位，由于哈里斯鷹算法收斂速度慢，容易陷入最優(yōu)，引入了Tent混沌映射和黃金正弦算法[7]。在配電網(wǎng)故障定位中應(yīng)用鴿群算法，改變地圖因子R值使鴿群算法快速收斂，當(dāng)R越小時(shí)e-Rt越大收斂速度越快[8]。由于布谷鳥算法的步長(zhǎng)對(duì)搜索結(jié)果影響很大，所以，在初始化階段設(shè)置了加大的步長(zhǎng)，增加了迭代速度，隨著迭代次數(shù)增多，步長(zhǎng)變小，提高了搜索精度[9]。綜上所述，本文引進(jìn)了灰狼算法。

2 灰狼優(yōu)化算法

2.1 灰狼算法

灰狼算法是由Mirjalili等人在2014年提出來的一種群智能優(yōu)化算法[10]?；依潜旧硎且环N群居的生物，他們的生活具有嚴(yán)格的金字塔等級(jí)制度。在金字塔的頂端為α狼，統(tǒng)領(lǐng)整個(gè)部落，其次是β狼，它只聽命于α狼，傳達(dá)α狼的命令，然后是δ狼，它聽命于α狼和β狼，負(fù)責(zé)對(duì)獵物偵察和騷擾，最底層是ω狼，它負(fù)責(zé)直接攻擊獵物[11]。

在灰狼算法中，種群初始化階段，種群個(gè)體是隨機(jī)分布的，這樣會(huì)使種群的多樣性丟失，不能保證均勻地分布。因此，對(duì)種群初始化進(jìn)行改進(jìn)，引入Tent混沌映射[12]。Tent混沌映射在其取值范圍內(nèi)，具有均勻的分布函數(shù)，遍歷性、隨機(jī)性和相關(guān)性。在灰狼算法中，A的值決定局部搜索還是全局搜索。然而A的取值受收斂因子a的影響。在算法中，a的取值是呈線性遞減的，隨著迭代次數(shù)增加，從2減小到0，可見a的重要性。本文把收斂因子變成線性化[13]。

由于每個(gè)灰狼位置是通過計(jì)算α，β，δ三只領(lǐng)頭狼聚力向量和的1/3得到的。這種計(jì)算方法很簡(jiǎn)單，故提出了一種慣性權(quán)重方法[14]。

S=0W■=■W■=■W■=■（1）

X■=■（2）

式（1）～（2）中：W1，W2，W3為慣性權(quán)重，X1，X2，X3為α狼，β狼，δ狼個(gè)體位置，X（i+1）為最新灰狼個(gè)體位置。

2.2 算法流程

步驟1：設(shè)置種群的各種參數(shù)。

步驟2：初始化種群。

步驟3：計(jì)算灰狼種群的個(gè)體所有的適應(yīng)度的值，選出3個(gè)最小的值。

步驟4：計(jì)算出收斂因子a值，然后根據(jù)a計(jì)算出A的值。

步驟5：利用式（2）計(jì)算更新后灰狼個(gè)體位置。

步驟6：判斷算法是否滿足終止條件，若滿足，算法迭代結(jié)束，輸出最優(yōu)的灰狼個(gè)體，若不滿足，則進(jìn)入步驟3～步驟5，進(jìn)行循環(huán)，直到輸出最優(yōu)解，算法結(jié)束。

2.3 仿真實(shí)驗(yàn)

為驗(yàn)證TEGWO算法的性能，選取F1（x），F(xiàn)2（x），F(xiàn)3（x），F(xiàn)4（x）4個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)，與HHO，PSO算法進(jìn)行對(duì)比（見表1～表2）。

TEGWO算法在F1，F(xiàn)3取得了理論最優(yōu)值0，在F2，F(xiàn)4中比較其他算法也取得了較好的標(biāo)準(zhǔn)值。這說明了TEGWO算法對(duì)單峰函數(shù)和多峰函數(shù)都有很高的收斂速度和精確度。優(yōu)化后的灰狼算法（TEGWO）與粒子群算法（PSO）和哈里斯鷹算法（HHO）比較，無論標(biāo)準(zhǔn)差，平均值還是最優(yōu)值，TEGWO算法都優(yōu)于其他算法，具有明顯的優(yōu)勢(shì)。

3 改進(jìn)灰狼算法（TEGWO）在配電網(wǎng)故障定位應(yīng)用

3.1 故障編碼

在配電網(wǎng)中，饋線終端單元具有重要的作用。當(dāng)配電網(wǎng)正常運(yùn)行時(shí)，F(xiàn)TU不會(huì)有故障信息；而當(dāng)配電網(wǎng)發(fā)生故障后，F(xiàn)TU將接收并反饋故障信息。由于配電網(wǎng)問題只會(huì)表現(xiàn)為存在或不存在故障信息，所以對(duì)節(jié)點(diǎn)開關(guān)進(jìn)行編碼時(shí)，如果沒有故障電流，F(xiàn)TU反饋信息為0，有故障電流則反饋為1[15]。 對(duì)于開關(guān)函數(shù)和適應(yīng)度的函數(shù)構(gòu)造很重要。本文的開關(guān)函數(shù)和適應(yīng)度函數(shù)為：

Y■（x）=■x（i）（3）

F（x）=■I■-I■（x）+η■x（j）（4）

3.2 算例仿真

為了驗(yàn)證改進(jìn)灰狼算法（TEGWO）在配電網(wǎng)故障定位中的準(zhǔn)確性，本文采用了IEEE33節(jié)點(diǎn)的配電網(wǎng)模型進(jìn)行實(shí)驗(yàn)（見圖1）。將改進(jìn)的灰狼算法與二進(jìn)制粒子群算法（BPSO）和哈里斯鷹算法（HHO）進(jìn)行對(duì)比。為了驗(yàn)證改進(jìn)的灰狼算法對(duì)配電網(wǎng)故障定位的準(zhǔn)確性和包容性，對(duì)單點(diǎn)故障和多點(diǎn)故障進(jìn)行仿真實(shí)驗(yàn)。

當(dāng)圖1饋線區(qū)段L8發(fā)生故障時(shí)，F(xiàn)TU輸入的信息是[1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]，則輸出的信息為[0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]，其定位點(diǎn)是8。單點(diǎn)故障定位迭代見圖2。

當(dāng)圖1饋線區(qū)段L12和L18共同出現(xiàn)故障時(shí)，F(xiàn)TU輸入的故障信息為[1 1 1 1 1 1 1 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]則輸出的信息[0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]，定位點(diǎn)在12和18位置。多點(diǎn)故障定位迭代見圖3。

圖2中，經(jīng)過單點(diǎn)故障的檢驗(yàn)，改進(jìn)的灰狼算法的適應(yīng)度值是0.5，二進(jìn)制粒子群算法的適應(yīng)度值是23，哈里斯鷹算法的適應(yīng)度值是8，所以TEGWO算法要比二進(jìn)制粒子群算法和哈里斯鷹算法定位準(zhǔn)確，而且適應(yīng)度值更低，迭代的速度更快。圖3中，通過多點(diǎn)故障的檢驗(yàn)，TEGWO算法的適應(yīng)度值為1，BPSO算法的適應(yīng)度為20，HHO算法的適應(yīng)度為8，可見改進(jìn)的灰狼算法優(yōu)于二進(jìn)制粒子群算法和哈里斯鷹算法。同時(shí)從圖2～圖3可以看出，無論是單點(diǎn)故障還是多點(diǎn)故障，改進(jìn)的灰狼算法在準(zhǔn)確度和收斂速度上均優(yōu)于二進(jìn)制粒子群算法和哈里斯鷹算法，因此改進(jìn)的灰狼算法更具優(yōu)勢(shì)。

將TEGWO算法應(yīng)用于智能建筑中的配電網(wǎng)故障定位，可實(shí)現(xiàn)快速而準(zhǔn)確的故障位置定位。

4 結(jié)語

本文提出了一種新型的灰狼優(yōu)化算法用于智能建筑配電網(wǎng)故障定位。引進(jìn)了慣性權(quán)重，改進(jìn)收斂因子a和Tent混沌映射全面的優(yōu)化灰狼算法的性能。為了驗(yàn)證改進(jìn)的灰狼算法對(duì)配電網(wǎng)故障定位的優(yōu)越性，應(yīng)用于IEEE33節(jié)點(diǎn)的配電網(wǎng)模型，通過算法的仿真對(duì)比并與傳統(tǒng)的粒子群算法和較新的哈里斯鷹算法進(jìn)行比較，結(jié)果表明改進(jìn)的灰狼算法優(yōu)于粒子群算法和哈里斯鷹算法。因此，在智能建筑配電網(wǎng)故障定位中，改進(jìn)的灰狼算法具有良好的應(yīng)用前景。

參 考 文 獻(xiàn)

[1]王峰.智能化技術(shù)在智能建筑中的應(yīng)用研究[J].自動(dòng)化與儀器儀表，2021（11）：79-82.

[2]陳俐.智能建筑供配電故障診斷與定位研究[D].南昌：華東交通大學(xué)，2018.

[3]劉善良.人工智能新技術(shù)在智能建筑中的應(yīng)用研究[J].佛山陶瓷，2023，33（5）：74-76.

[4]王俊.電氣工程及其自動(dòng)化技術(shù)在智能建筑中的應(yīng)用[J].模具制造，2023，23（9）：202-204.

[5]陳婷.基于FTU檢測(cè)方法在含DG配電網(wǎng)故障區(qū)段定位的應(yīng)用綜述[J].電氣應(yīng)用，2020，39（4）：30-37.

[6]江楠，戚欣.改進(jìn)粒子群算法在智能建筑供配電系統(tǒng)故障定位中的應(yīng)用[J].北方建筑，2023，8（2）：27-31.

[7]麥章渠，曾穎，張祿亮，等.基于改進(jìn)哈里斯鷹優(yōu)化算法的有源配電網(wǎng)故障定位[J].系統(tǒng)保護(hù)與恢復(fù)，2022，50（11）：104-111.

[8]任志玲，劉衛(wèi)東，楊柳，等.基于改進(jìn)鴿群算法的含分布式電源配電網(wǎng)故障定位[J].電源學(xué)報(bào)，2022，20（4）：171-178.

[9]謝振宇.基于改進(jìn)布谷鳥算法的配電網(wǎng)故障定位研究[D].成都：西華大學(xué)，2021.

[10]張曉鳳，王秀英.灰狼優(yōu)化算法研究綜述[J].計(jì)算機(jī)科學(xué)，2019，46（3）：30-38.

[11]甄永琦，蔣偉.改進(jìn)灰狼算法在配電網(wǎng)故障定位中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2020，37（11）：200-205.

[12]FAN J，LI Y，WANG T.An improved African vultures optimization algorithm based on tent chaotic mapping and time-varying mechanism[J].Plos One，2021，16（11）：e0260725.

[13]OU Y，ZHOU K，YIN P，et al.Improved grey wolf optimizer algorithm based on dual convergence factor strategy[J].Journal of Computer Applications，2023，43（9）：2679.

[14]SHUKLA A K，SINGH P，VARDHAN M.An adaptive inertia weight teaching-learning-based optimization algorithm and its applications[J].Applied Mathematical Modelling，2020，77：309-326.

[15]孫霞.基于智能優(yōu)化算法的配電網(wǎng)故障定位研究[D].長(zhǎng)春：吉林建筑大學(xué)，2023.

編輯：劉 巖