电流互感器漏磁场传感器优化布置方法、系统及电子装置与流程

本发明涉及电力设备在线监测与故障诊断，尤其涉及一种电流互感器漏磁场传感器优化布置方法、系统及电子装置。

背景技术：

1、电流互感器（current transformer, 简称ct）作为电力系统中重要的输变电和测量保护设备，ct的主要作用是将大电流转换为小电流，其运行可靠性直接关系到整个电网的安全与稳定。其中，绕组是电流互感器的核心部分，在运行中长期承受电动力、热应力等多种力的作用，易发生如匝间短路、绕组变形（包括径向鼓包、轴向弯曲、压缩等）在内的缺陷。这些缺陷若不能被及时检测并处理，将可能引发设备故障，甚至导致严重的电网事故。

2、近年来，基于漏磁场检测的在线监测技术展现出很大潜力。该技术的原理在于，当绕组发生早期故障缺陷时，其空间分布和安匝比会发生变化，进而打破铁芯-绕组间原有的磁动势平衡，导致设备周围的漏磁场分布发生可测得的、特征性的畸变。通过分析这些漏磁场的畸变特征，即可反演并诊断ct内部的绕组状态。现有研究已通过仿真和实验验证，明确了匝间短路、绕组变形等缺陷与特定漏磁畸变规律（如幅值变化、对称性破坏、畸变范围扩大等）之间存在明确的映射关系。

3、尽管漏磁场检测原理清晰且效果显著，但该技术从理论走向大规模工程应用仍面临一个问题：如何确定用于监测电流互感器故障的传感器的最优安装位置，使得测量电流互感器绕组漏磁场所得数据最为灵敏。

4、目前的研究多集中于对电流互感器的缺陷漏磁映射规律的定性分析，而对于“何处安装传感器能最灵敏、最可靠地捕捉这些畸变特征”这一工程问题，缺乏系统性的解决方案。现有方法多依赖专家经验的布点法或基于有限元仿真试错的布点法，存在固有缺陷：较为主观地依赖专家经验，布置大量传感器使得试错成本较高且过程复杂，对于不同型号的电磁互感器移植性差。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种基于改进粒子群算法的电流互感器漏磁场传感器优化布置方法，用以解决现有方法依赖经验布点或试错，存在主观依赖专家经验、成本高、过程复杂及在不同型号电流互感器上移植性差的技术问题。

2、本发明的目的主要是通过以下技术方案实现的：

3、本发明提供了一种基于改进粒子群算法的电流互感器漏磁场传感器优化布置方法，包括如下步骤：

4、在电流互感器外部空间中设置个用于监测电流互感器故障的传感器的布局候选测点位置，构建候选测点集；构建包括电流互感器正常状态及多种故障状态下各候选测点处漏磁场响应数据的故障仿真库；

5、初始化粒子群，采用二进制编码方式对每个粒子进行编码，每个粒子为维二进制向量，代表一种传感器布局方案；基于所述候选测点集和故障仿真库计算每个粒子的适应度值；其中，所述适应度值用于定量评估该粒子对故障的敏感程度；

6、当迭代次数达到预设最大迭代次数或全局最优适应度值连续多代的变化量小于收敛判断阈值时，改进粒子群算法终止迭代，将全局最优粒子对应的传感器布局方案作为最终传感器布局方案。

7、进一步地，构建候选测点集，包括：

8、以电流互感器的几何中心为原点建立三维直角坐标系，以电流互感器的轴向方向为轴，以水平方向为轴和轴；

9、以电流互感器外壳表面和/或距外壳表面预设距离的包络面上，沿轴方向以第一预设间距进行等间距划分，在轴向形成层；

10、沿周向方向以第二预设角度间隔进行等角度间隔划分，在周向形成个周向位置；

11、在每一层的每个角度方向上，从电流互感器外壳表面向外延伸，以第三预设间距进行等间距划分，在径向形成层；

12、得到个监测电流互感器故障的传感器的布局候选测点位置；

13、得到每个候选测点的三维空间坐标，所有候选测点的三维空间坐标构成所述候选测点集。

14、进一步地，构建故障仿真库，包括：

15、建立电流互感器正常状态的三维电磁模型；其中，三维电磁模型包含铁芯、一次导体和二次绕组部件，并设定各部件对应的b-h磁化曲线和电导率材料属性；

16、基于所述正常状态的三维电磁模型，修改模型参数构建多种故障状态的三维电磁模型；其中，故障状态包括匝间短路故障和绕组变形故障；

17、分别对正常状态的三维电磁模型和多种故障状态的三维电磁模型进行稳态磁场仿真，获得正常状态和各故障状态下的所述候选测点集内各候选测点位置处的磁感应强度数据；

18、将正常状态和各故障状态与其对应的候选测点位置处的磁感应强度数据关联存储，得到包括正常状态样本和故障状态样本的故障仿真库。

19、进一步地，采用二进制编码方式对每个粒子进行编码，每个粒子为维二进制向量，包括：

20、每个粒子对应一种传感器布局方案；

21、每个粒子表示为，其中，，为粒子群规模，为候选测点总数；

22、对于第个粒子的第维分量，若表示在第个候选测点位置安装传感器，若表示在第个候选测点位置不安装传感器；

23、每个粒子中取值为1的维度数量等于预设传感器数量，即。

24、进一步地，基于所述候选测点集和故障仿真库计算每个粒子的适应度值，包括：

25、对于任一粒子所表示的传感器布局方案，从所述故障仿真库中提取正常状态样本和故障状态样本中该传感器布局方案所选测点对应的漏磁场响应数据；

26、以正常状态样本各候选测点的平均磁感应强度为基准，对各故障状态样本的相应候选测点的漏磁场响应数据进行归一化处理，得到各故障状态样本的特征向量；

27、基于各故障状态样本的特征向量，计算各故障状态样本对应的类中心；

28、基于各故障状态样本对应的类中心之间的平均欧氏距离，计算各故障状态之间的类间分离度；

29、基于同一故障状态样本内部相对类中心的离散程度，计算各故障状态的类内紧凑度；

30、基于正常状态与各故障状态类中心之间的欧氏距离，计算正常-故障平均分离度；

31、基于所述传感器布局方案中被选中测点的空间分布，计算空间分散度；

32、对所述类间分离度、所述正常-故障平均分离度、所述类间分离度与类内紧凑度之比，以及所述空间分散度，进行加权组合，得到适应度值。

33、进一步地，适应度值，计算如下：

34、

35、其中，为类间分离度；为正常-故障平均分离度；为类内紧凑度；为空间分散度；分别为、、和项的权重系数；为防零除常数。

36、进一步地，类间分离度，计算如下：

37、

38、其中，为状态总数；分别代表不同故障状态，满足；分别为第种和第种故障状态在布局方案下的类中心；表示计算欧氏距离。

39、进一步地，类内紧凑度，计算如下：

40、

41、其中，为第种状态的样本数量；为第种状态下第个故障状态样本在布局方案下的特征向量；为第种状态在布局方案下的类中心。

42、进一步地，正常-故障平均分离度，计算如下：

43、

44、其中，为正常状态的类中心。

45、进一步地，空间分散度，计算如下：

46、

47、其中，为预设传感器数量；分别为布局方案中任意两个被选中测点的空间三维坐标。

48、进一步地，初始化粒子群包括：

49、设定种群大小、最大迭代次数、惯性权重最大值和最小值、学习因子认知项、学习因子社会项、速度限幅、停止判断阈值和收敛判断阈值；

50、随机生成个维二进制向量作为初始粒子群，并对每个初始粒子执行数量约束修复，确保每个粒子中取值为1的维度数量等于预设传感器数量；

51、其中，所述数量约束修复，包括：

52、当粒子中取值为1的维度数量大于时，从当前取值为1的维度中，基于数量约束修复规则将多余的1依次置为0，直至满足数量约束；

53、当粒子中取值为1的维度数量小于时，从当前取值为0的维度中，基于数量约束修复规则将缺少的0依次置为1，直至满足数量约束。

54、进一步地，在每一轮迭代中，按照以下顺序更新粒子群：

55、第一步，利用惯性权重线性递减策略，基于惯性权重最大值和最小值更新当前迭代轮次的惯性权重；

56、第二步，基于所述惯性权重更新每个粒子在各维度上的速度，并对速度值进行限幅；

57、第三步，利用s型变换函数将速度值映射为位置取值为1的概率值，并生成随机数与所述概率值进行比较，基于比较结果确定各维度的二进制，完成粒子位置的更新；

58、第四步，对更新后的粒子执行数量约束修复，确保每个粒子中取值为1的维度数量等于预设传感器数量；

59、第五步，更新全局最优解后，检测全局最优解是否在连续代迭代中的提升量是否均小于或等于预设停滞判断阈值，若是，则判定粒子群陷入局部最优，对当前全局最优解进行随机停滞扰动。

60、进一步地，所述惯性权重线性递减策略，如下所示：

61、

62、其中，为当前迭代轮次；为当前迭代轮次的惯性权重；为最大迭代轮次；、分别为惯性权重最大值和惯性权重最小值。

63、进一步地，更新每个粒子在各维度上的速度，并对速度值进行限幅，包括：

64、采用如下速度更新公式更新粒子速度：

65、

66、其中，为第次迭代时粒子在第维的速度；为第次迭代时粒子在第维的速度；为学习因子认知项，为学习因子社会项；和为在[0,1]区间内的随机扰动因子；为粒子在第维的个体最优位置；为粒子群在第维的全局最优位置；为粒子在第维的位置；

67、所述对速度值进行限幅，包括：

68、将更新后的速度值限制在区间内，若，则令等于；若，则令等于。

69、进一步地，所述s型变换函数，如下所示：

70、

71、其中，为粒子在第维位置取值为1的概率值；

72、所述基于比较结果确定各维度的二进制取值，包括：

73、生成一个在[0,1]区间内均匀分布的随机数，根据以下规则确定二进制取值：

74、

75、其中，为粒子在第维更新后的位置取值。

76、进一步地，对粒子执行数量约束修复，包括：

77、对初始化的粒子，以及每次迭代更新后的粒子，统计其中取值为1的维度数量；

78、若取值为1的维度数量大于预设传感器数量，则从当前取值为1的维度中，基于所述s型变换函数输出的概率值从小到大排序，将概率值较小的维度由1置为0，直至每个粒子中取值为1的维度数量等于；

79、若取值为1的维度数量小于预设传感器数量，则从当前取值为0的维度中，按照所述s型变换函数输出的概率值从大到小排序，将概率值较大的维度由0置为1，直至每个粒子中取值为1的维度数量等于。

80、进一步地，对当前全局最优解进行随机停滞扰动，包括：

81、若连续代全局最优解的提升量均小于或等于预设停滞判断阈值，则对全局最优粒子随机选取个维度进行翻转；其中，为预设翻转数量，且；

82、对翻转后的粒子执行所述数量约束修复，计算修复后粒子的适应度值，若所述适应度值大于当前全局最优解的适应度值，则将修复后的粒子作为新的全局最优粒子；否则，保持当前全局最优粒子不变。

83、本发明还公开了一种电流互感器漏磁场传感器优化布置系统，所述系统包括数据准备模块m1、改进粒子群优化布置模块m2和传感器布点结果输出模块m3；

84、所述数据准备模块m1，用于在电流互感器外部空间中设置个用于监测电流互感器故障的传感器的布局候选测点位置，构建候选测点集；构建包括电流互感器正常状态及多种故障状态下各候选测点处漏磁场响应数据的故障仿真库；

85、所述改进粒子群优化布置模块m2，用于初始化粒子群，采用二进制编码方式对每个粒子进行编码，每个粒子为维二进制向量，代表一种传感器布局方案；基于所述候选测点集和故障仿真库计算每个粒子的适应度值；其中，所述适应度值用于定量评估该粒子对故障的敏感程度；

86、所述传感器布点结果输出模块m3，用于当迭代次数达到预设最大迭代次数或全局最优适应度值连续多代的变化量小于收敛判断阈值时，改进粒子群算法终止迭代，将全局最优粒子对应的传感器布局方案作为最终传感器布局方案。

87、本发明还公开了一种电流互感器漏磁场传感器优化布置的电子装置，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器，用于执行所述计算机程序以实现电流互感器漏磁场传感器优化布置方法。

88、与现有技术相比，本发明至少可实现如下有益效果之一：

89、1.本发明实现传感器布局方案的自动化、客观化优选，摆脱对专家经验的依赖；针对现有技术中依赖专家经验进行主观布点、难以保证测点对故障具有最高灵敏度的技术问题，本发明构建了以故障敏感度为核心评价指标的适应度函数，将传感器布局优化转化为带约束的组合优化问题，通过改进粒子群算法自动搜索全局最优测点组合。该方法无需人工经验和反复试错，筛选出的测点能够最大程度区分电流互感器正常状态与各类匝间短路、绕组变形故障，使传感器布局方案具有客观、可量化的理论依据和可重复的计算结果，从根本上克服了传统布点方法主观性强、移植性差的缺陷；

90、2.本发明显著降低系统复杂度与计算开销，提升工程实用性和优化效率；针对现有技术中基于svm分类准确率作为评价准则导致计算量巨大、优化耗时过长的技术问题，本发明构建了基于漏磁场物理特性的轻量级适应度函数，直接以类间欧氏距离、类内离散度和正常-故障分离度等统计量评价布局方案，避免迭代优化过程中嵌套分类器训练与交叉验证，大幅降低每轮适应度计算耗时。同时，本发明能够从大量候选测点中精准筛选出少数关键测点，最大化单位传感器的故障信息获取效率，有效简化现场布设结构与后续信号处理流程，在保证高检测可靠性的前提下显著降低监测系统的物理节点数量与数据采集通道规模；

91、3.本发明增强算法的全局搜索能力与收敛稳定性，保证最优布局方案的求解质量；针对标准粒子群算法对初始种群敏感、易陷入局部最优且缺乏离散优化约束处理机制的技术问题，本发明在二进制粒子群算法中引入了三项针对性改进策略：惯性权重线性递减策略在前期保持强全局探索能力、后期强化局部精细搜索，平衡了算法的探索与开发；数量约束修复函数确保迭代过程中每个粒子始终满足传感器数量恒定的硬约束，避免无效搜索；停滞扰动策略在检测到全局最优连续多代不变时主动施加随机扰动，有效跳出局部最优。上述改进共同保证了在不同初始条件下均能稳定收敛到高质量传感器布局方案，为漏磁场在线监测技术的实用化提供可靠技术支撑。

92、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。