基于ACO的低压电力线漏电抗干扰监测仿真

肖贵贤，严 伟，李 君

(1. 湖北理工学院电气学院，湖北黄石 435003；2. 成都理工大学核技术与自动化工程学院，四川成都 610000)

1 引言

近年来，我国工农业生产的快速发展促使大气污染加剧，导致电力线绝缘子污染问题日益严重。此外由于电力线路老化、自然灾害等原因造成的线路漏电现象时有发生。而现有的漏电保护装置只能将发生触电、漏电的线路进行切断，确保人身安全，针对线路漏电节点、故障时间以及漏电电流大小缺少监测。因此为漏电故障排除带来一定困难，对于事故原因也无法得知。基于此，监测电力线漏电状况，已经成为智能电网建设的重要内容。

文献[1]提出一种基于等效电导的电线漏电保护策略，在探析漏电事故特征基础上，结合非正弦电功率理论，将畸变零序电压为基准对零序电流进行正交分解；令畸变等效电导为故障特性参数，经过对比不同馈线等效电导的符号与大小，分辨漏电线路；将等效电导最高时，符号为负的线路视作漏电支路，符号为正的等效电导表示非漏电馈线现阶段绝缘水平，以此完成对电线漏电状态的自动监测。

文献[2]利用最小二乘法设计一种漏电监测系统。该系统利用数字信号处理器(Digital Signal Processor，DSP)将采集的零序信息量做最小二乘法计算，获取对地参数，结合对地分布参数的极性来判断漏电线路；通过WiFi模块将漏电信息传输至One Net平台，使用该平台完成线路的漏电监控与保护。

但是由于低压电力线所处的外界环境较为复杂，再加上我国电网设备电磁兼容标准较低，会出现电感等干扰源，因此上述方法在受到干扰后，影响监测效果，更容易出现局部收敛情况。为改善这一现象，本文提出基于蚁群算法(Ant Colony Optimization，ACO)的电力线漏电抗干扰监测方案。蚁群算法是受到蚂蚁寻找食物的行为启发而提出的。该方法利用信息素与启发式信息来引导人工蚁群选取候选解，再经过多次迭代过程得到最佳解。蚁群在寻找路径时会留下相关信息，所以最优路径可以根据信息素确定。此外，信息素还会参照某系数挥发，能够有效防止搜索过程过早结束，避免陷入局部最优[3]。本文在物联网监测基础上，引入带方向因子的最大最小自适应蚁群算法有效避免干扰因素，完成电力线漏电的抗干扰监测。

2 基于ACO的低压电力线漏电抗干扰监测

2.1 漏电监测终端拓扑结构分析

电力线漏电监测设备包括远程监控终端与服务器，其中监控终端设置在待监测电流附近的节点上[4]，示意图如图1。

图1 监控终端网络拓扑结构图

假设Lf表示干路，F属于一个父节点，Lc1和Lc2是节点F的两个支路，C1与C2是节点F的子节点。因此，在C1、C11与C12构建的网络结构中，C1作为父节点，C11与C12充当子节点，Lc1是一条干路，而Lc11、Lc12是节点C1的两条支线。

(1)

图2 电力线漏电监测设备示意图

2.2 漏电抗干扰监测方案设计

为获取更加精准的监测结果，本文利用蚁群算法提高监测的抗干扰性，避免局部收敛状况发生。

2.2.1 蚁群算法相关规则

1)启发度因素

为提高收敛速度，结合贪心法相关内容，将花费函数cost(i，s)当做启发度，花费越低对蚂蚁产生的启发作用越大[5]。启发因素ηis和花费函数cost(i，s)的定义通过下述公式表示

(2)

(3)

(4)

式中，τ(i，j)代表链路(i，j)的信息素浓度，α与β能够体现出蚂蚁在寻找路径过程中信息素与启发信息的重要程度[6]。

2)状态转移规则

对于状态转移的相关规则，将先验知识和概率驱动思想相结合[7]。某只处于节点i处的蚂蚁利用式(5)确定转移规则，选取下一个目标节点s，转移规则表示为

(5)

式中，q为[0，1]范围内随机数，q0属于一个参数，其满足(0≤q0≤1)的条件，S是结合式(4)选出的随机变量。

3)信息素更新准则

为确保全局最优解能够被充分利用，需要在每一次迭代过程之后，仅针对全局最优蚂蚁的信息素进行更新处理。

4)信息素最大值与最小值的界定

为缓解搜索停滞现象，将每条寻优道路中有可能存留的信息素进行限制，限制范围为[τmin，τmax]。经过每次迭代后，保留具有最优解的蚂蚁，这些蚂蚁结合下述公式完成信息素更新

(6)

2.2.2 基于最大最小自适应蚁群算法的抗干扰机制

当漏电检测区域过大时，问题规模相应扩大，因为信息素发挥系数ρ的影响，造成没有搜索过的路径减少，从而降低算法全局搜索性能。且ρ如果过大，信息素浓度随之提高，导致之前获取的解重新被选择的可能性增大，也会降低搜索能力。当ρ降低时虽然可以一定程度改善全局搜索性能，但是算法收敛速度会太慢。所以本文添加了ρ的自适应机制[8]。

假设ρ的原始值ρ(t0)=C′(0

(7)

式中，ρmin是ρ的最低值，能够避免ρ太小而降低算法收敛速度。

但是在只引入自适应机制情况下，如果原始信息素具有相同浓度，此时蚁群收缩方向和目标节点方向相反，针对获取的任意候选解，都需要对其信息素进行局部更新处理，而这些候选解不一定都是合理的。信息素计算量的增加会生成错误的引导信息，进而导致无效搜索。所以，在自适应基础上添加方向因子对算法进行进一步改进。

方向因子应该具有如下特征：

1)蚁群所处节点和目标节点需连成一条直线，待选取节点和当前节点也应该是一条直线，如果这两条直线之间夹角越小，那么此节点被选取的概率就会增加

2)仅可以影响下一跳的选取，但不能决定下一跳，避免造成局部最优；

3)方向因子能够按照实际情况进行改变，如果信息素能够决定下一跳，此时方向因子起次要作用。

综上所述，对于方向因子θ进行如下表示

(8)

式中，i与j分别为蚂蚁当前所处节点和待选取节点，t为目标节点，ii、jj与tt分别表示三个节点的横坐标，dij和dit代表两节点距离。

在状态转移规则中加入方向因子，当蚁群选取下一个节点时，能够提高向目标方向运动的几率，减少无效搜索[9]。

因此基于具有方向因子的最大最小自适应蚁群电力线漏电监测抗干扰过程如下：

步骤一：参数初始化设置，去除网络中不满足要求的链路，获得新的网络拓扑就，在该网络基础上进行搜索；

步骤二：令m只蚂蚁位于源节点处，并将源节点设置为蚁群现阶段节点，同时添加到禁忌列表中；

步骤三：将迭代次数设置为NC=NC+1；

步骤四：判断蚂蚁k现阶段节点是否可以当做目标节点，如果是则表明寻路成功，转到步骤七，反之继续执行下一步；

步骤五：判断蚂蚁k现阶段节点allowedk是不是空的，如果不为空进行下一步，表明寻路失败，等待全部蚂蚁完成寻路后转到步骤七；

步骤六：蚂蚁k选择吓一跳节点，并将被选定的节点添加到禁忌列表中，将其设置为现阶段节点，转到步骤四；

步骤七：获取全部寻路成功蚂蚁的目标函数，从中挑选出最小目标函数值并与全局最优的函数值做对比，若数值高于全局目标函数值，则进行下一步，反之将选出的最小目标函数值当做全局最优蚂蚁，跳转到步骤三；

步骤八：假设NS=NS+1，如果算法获取的最优值在第NSmax次迭代后没有变化，则根据挥发系数执行下一步；

步骤九：更新全局最优蚂蚁所选路径的信息素；

步骤十：如果符合结束条件，循环次数满足NS>NCmax，此时循环结束输出最优解，反之清空蚂蚁k的禁忌列表转到步骤三。

经过上述步骤提高收敛速度，增强全局搜索能力，避免无效搜索，达到抗干扰目的。

2.2.3 电力线漏电监测的实现

1)信号采集

信号采集流程如图3所示。

图3 漏电监测信号采集过程图

信号转换电路的主要功能是将低频电流信号转换为交流电压信号。电路图如图4所示，经过对电阻R1的调整，使电压信号满足A/D转换要求。在该电路中利用运算放大器OP07构成电压跟随器，确保监测设备内外部之间高压隔离。

图4 监测信号转换电路图

图4中的集成芯片属于一类低噪声放大器[10]，在使用过程中不会产生较大干扰。当输入信号接入之前，其输出端最高失调电压只有25μV，因此在一些使用此芯片的电路中不会出现调零电路。此外该芯片增益高，以上有点使其在微弱信号放大领域得到广泛利用。

(2)监测程序设置

结合上述蚁群抗干扰算法设置本文漏电监测整体流程如图5所示。

图5 电力线漏电监测流程图

按照上述流程，当设备监测到干路电流大于支路电流和设置的阈值之和时，表明该线路存在异常漏电现象，即

(10)

3 仿真分析

本文利用Matlab7进行电力线漏电监测仿真，电源使用“Three-Phase Source”模型，其输出电压为15kV，内部链接形式为Y形连接，共设置三根电力线，长度分别为100米、150米与200米。线路负载分别为1.0、2.0与3.0MW，所有线路的初始端均设有电压与电流测量模块，同时能够将测量的电压转换为Simulink信号。利用本文方法、文献[1]方法与文献[2]方法对不同电力线漏电情况进行监测，监测到的非漏电情况下电力线电流趋势均相同，如图6所示，但是对与漏电电流的检测存在较大差异。

图6 非漏电情况下电流监测趋势图

图7展示了不同方法对漏电电力线电流波形监测结果。能够看出所提方法监测到的波形与实际漏电波形差异较小，趋势基本一致，而其它两种方法与实际波形相差较大。主要因为本文方法受到外界干扰因素较小，且分析了大气放电现象与线路轻微电流损耗，能够实时监测出准确的电流波形。

图7 漏电情况下不同方法电流监测波形对比图

此外为了进一步证明蚁群算法的检测抗干扰性能，设置蚁群数量为70，迭代次数为10次，在不同数量漏电节点的电力线中，漏电检出率如图8所示。

图8 本文方法电力线漏节点电检出率

由图8可知，随着电力线中漏电节点数量的不断增加，漏电检出率也随之下降。这时可通过不断添加蚁群数量来保持监测效果，表明蚁群算法对漏电监测的抗干扰是有效的。

4 结论

本文提出了一种基于带方向因子的最大最小自适应蚁群算法，用于电力线漏电抗干扰监测中。该方法不但可以准确监测出电力线不同情况下的电流波形，还能够有效监测出漏电节点，有利于工作人员尽早发现安全隐患，精准判断出漏电线路，保证电力系统高效安全运行。但是蚁群数量的增多也会为增加算法的复杂性，因此，在今后研究中应通过其它方法来解决这一问题。