113文章解读与程序——电力系统保护与控制EI\CSCD\北大核心《改进多元宇宙算法的主动配电网故障定位方法研究》已提供下载资源

最新推荐文章于 2024-09-24 08:15:00 发布

电网论文源程序

最新推荐文章于 2024-09-24 08:15:00 发布

阅读量1.2k

点赞数 21

分类专栏：论文与完整源程序文章标签：分布式电源容错性能多元宇宙优化算法

本文链接：https://blog.csdn.net/LIANG674027206/article/details/139141857

版权

论文与完整源程序专栏收录该内容

261 篇文章 269 订阅

订阅专栏

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题，提出一种改进的多元宇宙优化算法(improved multi-verses optimization, IMVO)。首先构建具有容错能力的主动配电网模型，根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中，以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability, WEP)与旅行距离率(travel distance rate, TDR)的更新机制，以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力，进而提高全局寻优能力。仿真实验结果表明，改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著，相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。

部分代码展示：

function [ bestPosition, fitValue ,BestCost] = ...
PSOFUN( CostFun,nVar,VarMin,VarMax,MaxIt,nPop )
%% PSO Parameters 
CostFunction=@(x) CostFun(x);        % Cost Function
w=1;            % Inertia Weight
wdamp=0.99;     % Inertia Weight Damping Ratio
c1=1.5;         % Personal Learning Coefficient
c2=2.0;         % Global Learning Coefficient
VarSize=[1 nVar];   % Size of Decision Variables Matrix
% Velocity Limits
VelMax=0.1*(VarMax-VarMin);
VelMin=-VelMax;

%% Initialization

empty_particle.Position=[];
empty_particle.Cost=[];
empty_particle.Velocity=[];
empty_particle.Best.Position=[];
empty_particle.Best.Cost=[];

particle=repmat(empty_particle,nPop,1);

GlobalBest.Cost=inf;

for i=1:nPop
    
    % Initialize Position
    particle(i).Position=unifrnd(VarMin,VarMax,VarSize);%随机初始化变量
%     particle(i).Position=round(particle(i).Position);
    % Initialize Velocity
    particle(i).Velocity=zeros(VarSize);%速度
    
    % Evaluation
    particle(i).Cost=CostFunction(particle(i).Position);%目标
    
    % Update Personal Best
    particle(i).Best.Position=particle(i).Position;%更新个体最优
    particle(i).Best.Cost=particle(i).Cost;
    
    % Update Global Best%更新全局最优
    if particle(i).Best.Cost<GlobalBest.Cost
        
        GlobalBest=particle(i).Best;
        
    end
    
end

BestCost=zeros(MaxIt,1);

%% PSO Main Loop

for it=1:MaxIt
    
    for i=1:nPop
        
        % Update Velocity更新速度
        particle(i).Velocity = w*particle(i).Velocity ...
            +c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
            +c2*rand(VarSize).*(GlobalBest.Position-particle(i).Position);
        
        % Apply Velocity Limits速度约束
        particle(i).Velocity = max(particle(i).Velocity,VelMin);
        particle(i).Velocity = min(particle(i).Velocity,VelMax);
        
        % Update Position更新位置
        particle(i).Position = particle(i).Position + particle(i).Velocity;
%         particle(i).Position=round(particle(i).Position);
        % Velocity Mirror Effect变量越限镜像处理
        IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
        particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);
        
        % Apply Position Limits%变量越限处理
        particle(i).Position = max(particle(i).Position,VarMin);
        particle(i).Position = min(particle(i).Position,VarMax);
        
        % Evaluation新目标
        particle(i).Cost = CostFunction(particle(i).Position);
        
        % Update Personal Best
        if particle(i).Cost<particle(i).Best.Cost
            
            particle(i).Best.Position=particle(i).Position;
            particle(i).Best.Cost=particle(i).Cost;
            
            % Update Global Best更新全局最优
            if particle(i).Best.Cost<GlobalBest.Cost
                
                GlobalBest=particle(i).Best;
                
            end
            
        end
        
    end
    
    BestCost(it)=GlobalBest.Cost;
    
    disp(['Iteration ' num2str(it) ': Best Cost = ' num2str(BestCost(it))]);
    w=w*wdamp;
    
end

效果展示：