通过对电网中断路器、保护等设备动作信息分析,建立适合智能算法优化的电网故障诊断分析模型。电网故障模型维数高、离散型、非线性、动态性等特点对智能算法寻优性能要求极高。粒子群优化算法在多维函数寻优、动态目标寻优等方面有着收敛速度快、求解质量高和鲁棒性好等优点。针对电网故障模型的特点,从基本粒子群优化算法的优化特性出发,引入小生境搜索的思想,提出了改进的小生境粒子群优化算法。于电网故障诊断-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机算例结果表明,改进的优化算法大幅度提高了搜索速度和收敛精度,从根本上提高了电网故障定位精度和故障抢修的反映速度,具有很好的应用前景。本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name 粒子群优化算法最初随机初始化一个粒子数为N的种群，然后依据式（2）和式（3）经过反复迭代寻找最终找到适应度值最大所对应的最优极值点。在每次迭代的过程中，每一个粒子通过跟踪全局最优极值点和个体历史最优位置来更新自己位置和速度。全局最优极值点是截止到当代为止整个种群搜索到的最优极值点，个体极值也称个体历史最优位置，是当前每一个粒子本身所找到的历史最优位置。粒子群优化算法程序流程图如图1所示，详细算法流程如下。图1粒子群优化算法流程图随机初始化粒子种群（种群规模为N），包括随即初始化粒子速度和位置。2）评价每个粒子的个体适应度值（fitness）。3）将粒子当前的适应度值和位置作为个体历史最优值（pbest）和位置。4）对于每个粒子，根据式（2）和式（3）计算并更新粒子的速度和位置。5）对于种群中的所有粒子，将其新产生的个体的适应度值与其个体历史最优位置对应的适应度值作比较，如果当前的个体适应度值较优秀，则将用当前粒子的位置更新个体历史最优位置。反之，不做任何操作。6）对于种群中每个粒子，将其新产生个体的适应度值与全局最优位置对应的适应度值作比较，如果当前的个体适应度值较优秀，则将用当前粒子的位置更新全局最优位置。反之，不做任何操作。7）如果未满足迭代结束条件，则返回步骤2）。2.2小生境技术纵观社会发展历程，自然界生物进化规律“物以类聚，人以群分”是一种正常的自然规律、社会发展、历史进步的常规现象。各类生物总是习惯于与?于电网故障诊断-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name