一种基于量子遗传算法的换流变压器局放超声定位方法
【技术领域】
[0001] 本发明属于换流变压器在线监测技术领域，尤其设及一种基于量子遗传算法的换 流变压器局放超声定位方法。
【背景技术】
[0002] 换流变压器是直流输电系统中的重要电气设备，在直流输电系统中处于枢纽地 位，因此电力系统非常重视换流变压器的健康状态，尤其是其绝缘介质的健康状况。随着电 力系统的发展和电压等级的提高，局部放电已经成为换流变压器绝缘劣化的重要原因，因 而局部放电的检测和定位也就成为其绝缘状况监测的重要手段。
[0003] 换流变压器局部放电的超声波定位，为了排除现场变压器故障定位时的电气干 扰，多采用声一声双曲面定位法。该方法采用声信号触发系统，即在分布于油箱侧面的一组 超声波传感器阵列中，由最先收到超声波信号的传感器作为触发源，触发其余声通道。由于 声测系统中的干扰相对较少，故可W避免电一声定位中干扰脉冲误触发的情况发生。定位 时选择触发源传感器作为参考传感器，W此为基准，测定同一声发射信号传播到其余各传 感器时对应于它的相对时延，将运些相对时延代入满足该阵列几何关系的一组双曲面方程 组求解，可求得放电源定位点的几何位置。
[0004] 基于上述定位的基本理论，目前国内外提出了多种实现方法，如遗传算法、单元模 块捜索算法、模式识别及其改进算法等。各类方法均有其特点，对定位计算的速度与精度都 有不同程度的提高。基于遗传算法的定位方法，与其他算法相比，具有程序结构简单，对初 始点无可行性的要求，问题的维数也不受限制的优点。但传统遗传算法在理论和实践中一 直存在局部捜索能力差和容易出现过早收敛现象的缺陷，而且对于一些复杂的优化问题， 很容易落入局部最优解，而不能达到全局最优的解决方案。
【发明内容】
[0005] 本发明主要是解决现有技术所存在的技术问题:提供一种基于量子遗传算法的换 流变压器局放超声定位方法;与传统遗传算法相比，量子遗传算法能够在较小的种群规模 下，快速地收敛到全局最优解，量子口的引入使算法具备了开发能力和探索能力，可W保证 算法收敛。
[0006] 本发明的上述技术问题主要是通过下述技术方案得W解决的：
[0007] 步骤一:采用置于变压器多个不同位置的超声传感器接收局部放电源发出的超声 信号，W笛卡尔坐标系建立距离求解模型；
[000引步骤二:确定量子遗传算法初始参数，设置最大种群世代G和种群规模N，对染色体 进行编码，令t = 0，初始化种群Q( t);
[0009] 步骤对初始种群Q(t)每个个体实施一次测量，得到一个状态P(t);
[0010] 步骤四：对状态P(t)运一组解进行适应度评估，记录下最佳适应度个体作为下一 步演化的目标值；
[0011] 步骤五:对初始种群的每个状态计算适应度；
[0012] 步骤六:若终止条件不满足，则令t = t+l，然后依据一定的调整策略，利用量子旋 转口操作对种群个体进行更新，得到子代种群Q(t+1)，重复步骤=、步骤四和步骤五;上述 所说的终止条件根据目标解所需精度要求，进行设定；
[0013] 步骤屯:记录最佳个体及适应度，直到终止条件满足，停止算法输出结果。
[0014] 优选地，上述步骤一中超声传感器的数量为n(n含6)个，设置在换流变压器油箱外 壁。
[0015] W油箱下顶点为坐标原点建立笛卡尔坐标系，建立非线性数学模型：
[0016]
[0017] 设局放点位于(X, y, Z)内，传感器位置坐标依次为(Xi, yi, Zi)、（X2，Y2，Z2)......(Xn， yn，Zn)，等值声速Vs，若W传感器(Xl，yl，Zl)为触发源(实际系统中是W最先收到超声波信号 的传感器作为触发源，此处是为了便于说明），Tll，i = 2,3，…，n为各传感器与(x，y，z)之间 的声声信号时延，即声波传到不同传感器之间的时间差。
[0018] 声波在变压器内部会发生反射、折射、绕射等，且在油中和其他固体绝缘材料中的 传播速度差异很大，故波速不是一个常量，设Vs E [ 1，1.6]，（mm/iis)，其中mm/iis表示毫米每 微秒。视Vs未知，所W上式中待求参数为X，y，Z，Vs。上述方程组可表示为：
[0019] fi(x,y,Z ,Vs)
[0020] =[(X-Xi)2+(5r-yi)2+(z-Zi)2]l/2-[(x-xi)2+(3T-yi)2+(z-zi)2]l/2-VsT：ii = 0 [0021 ]为了更准确地定位局放位置，加入约束条件，上式变为：
[0022]
[0023]
[0024]
[002引X，y，Z分别为局放点位置的长、宽、高坐标，Vs为换流变压器内部超声波等值波速， Xmax , Ymax , Zmax为换流变压器相壁头际长、宽、局；
[0026] 上式为超越方程组，无法直接求出准确解，只能利用计算机算法求出实际约束条 件下最优解；
[0027] 优选地，所述步骤二中对染色体进行量子比特编码，每个量子个体用如下量子形 式编码：
[002引
[0029] 其中姑为第t代第j个个体，n为每个量子个体的量子基因个数，k为每个自变量的 分量所用的量子比特数，QU，eu是两个复数称为几率幅对，且满足：IQU12+1 eu 12=1，I QiJ 12 为量子处于自旋向下态的概率、I Pij 12为量子处于自旋向上态的概率。
[0030] 优选地，所述步骤=中，对初始种群Q(t)每个个体实施一次测量，得到一个状态P (t);巧慢时，是根据量子比特几率幅Iau I2(或I也I2)来选择相应基因位上的0或1。
[0031] 具体方法为：随机产生一个[0，1]，若它大于等于几率幅Iau 12(或I柏I2)的值，贝U 测量结果取1;否则取0,反之亦然。由此将量子编码的个体转换为二进制编码的个体，得到 了 N个二进制编码的个体。
[0032] 优选地，所述步骤四中，所述求解适应度是指利用得到的二进制编码求解函数的 适应度，在数值优化问题中过程为:先将二进制代码转换为十进制数，然后代入待优化的函 数中，得到其函数值即为适应度;此处优化的函数即适应度函数，适应度函数用来判断个体 或解的优劣性，具体求解时根据不同目标函数选取不同的适应度函数，适应度函数有很多 种，可在MTLAB工具箱中直接调用，也可根据需要自己构造。
[0035] 巧下LUi ,1^1」化才!丄.I n I平.I I平n勺量子位，目功旋转角。[0036] 所述调整策略如下表所示：[0037]
[0033] 优选地，所述巧骤六中量子位的更新通过对量子口的更新来完成，其过程为：
[0034]
[003引其中Xi为当前染色体的第i位，BESTi为当前的最优染色体的第i位，f (X)是适应度 函数，A 0i为旋转角度大小，控制算法的收敛速度，s(ai，0i)是旋转角度的方向，保证算法的 收敛，且满足目i = S(Qi,Pi) A白i。
[0039]本发明与现有技术相比，具有如下有益效果，基于量子遗传算法的换流变压器局 放超声定位算法具有定位精度高，避免早熟收敛W及在较小的种群规模下，能够快速地收 敛到全局最优解的特点，量子口的引入使算法具备了开发能力和探索能力，可W保证算法 收敛。
【附图说明】
[0040] 图1是局放源位置和油箱外壁传感器位置示意图；
[0041] xoyz为所建笛卡尔坐标系，P(x，y，z)为局放源位置，Si(X2，y2，Z2)，S2(X2，y2，Z2) ,S3 (X3，y3，Z3)，S4(X4，y4，Z4)，S日(X日，y日，Z日），S6(X6，y6，Z6)分别为油箱外壁超声传感器位置；
[0042] 图2是换流变压器局放超声定位量子遗传算法流程图。
【具体实施方式】
[0043] 下面结合附图和【具体实施方式】对本发明的内容做进一步详细说明。
[0044] 实施例：
[0045] W某换流变压器局部放电现场实验监测数据为例建立仿真模型，利用量子遗传算 法和进行故障定位，并与传统遗传算法进行比较，结果证明量子遗传算法具有定位精度更 高，避免早熟收敛W及快速地收敛到全局最优解的特点。
[0046] 本发明基于量子遗传算法的换流变压器局放超声定位方法包括如下步骤：
[0047] 步骤一:采用置于变压器多个不同位置的超声传感器接收局部放电源发出的超声 信号，W笛卡尔坐标系建立距离求解模型;某换流变压器油箱实际尺寸为5mX4mX3m，实际 局放源坐标为（4.500，3.700，2.600)，声波传感器坐标分别为Si(2.500，2.500，0)，S2(0， 2.0000,1.500)，S3(2.500,2.000,3.000)，S4(5.000,2.000,1.500)，S已（2.500,4.000