基于改进-Tabu-优化算法的电力系统故障诊断
教育信息化2.0行动计划
1
基于改进Tabu优化算法的电力系统故障诊断
姜伟、黄少先、许文浩
(华南理工大学电力学院，广东广州510641 )
摘要：基于优化算法的电网故障诊断是故障电力系统
诊断作为优化问题说明后，用优化方法求解。 一般的步骤是先建设
建立了电力系统故障诊断的分析模型，总结了故障部件的识别问题
规划不受约束的0-1整数问题，并基于已知的故障警告信息，
用优化算法求问题的解。 本文在对Tabu检索改进的基础上提出
电缆(Tabusearch——TS )算法电力系统故障诊断的新方法。
以文献[1]的覆盖理论为基础，首先询问电力系统报警处理
以0-1整数规划问题为题，引入了新的评价指标。 之后，
提出了用改进TS法解决这个问题。 最后包括152
节点系统算例证明了计算结果的可靠性和快速性、结果表
传统的基于TS的方法基于遗传算法(geneticalgorithm )
——GA ) )为基础的方法更有效率。
关键词：故障诊断； Tabu搜索改进； 复盖集理论
引言0
针对文献[1]建立的诊断模型及其相应目的
绘制了函数，介绍了目标函数的自动形成方法。 这种情况下
故障诊断问题是一个纯的、无约束的优化计算问题
已经结束了。 如果找到最优化问题的解，即目标函数的解，
故障元件诊断完毕。 关于无约束最优化问题
计算目前有爬山法、遗传等多种计算方法
算法(GA ) )2)等，其中禁忌搜索算法) Tabu Search，
简称TS )思想简单易懂，计算速度和效果比较好
令人满意[3]。
1 Tabu算法介绍
禁止搜索算法是20世纪70年代末的
是F.Glover提出的全局分段寻优算法，已被采用
用独特的“禁忌”回避迂回搜索，通过轻蔑
允许标准禁忌的优秀状态，保证更多
抽样有效探索。 TS现已应用于电力系统优化
调度、无功规划、配电系统中电容器的优化配置与
单元检查计划等。 近年来，人们在此基础上有所改观
进而，形成连续TS、reactive-TS等，得到TS
取得了很大的发展。
首先，介绍几个TS的概念。
1 )移动) move )使用某种规则更改当前变量Xcur
一些位的代码形成新的变量。 因移动而产生差异
的变量(一般变化不大)，一系列移动对x
生成的所有变量的集合称为x的附近
(neighborhood )。 一般从附近取出的一个大小
在Ncan样本中，作为候选解集。 常用
移动方法如下。
a、单个“移动”(用mi表示) :
mixcurxcuruii 1，2，n
b、更换“移动”(用mij表示) :
mijxcurxcuruiujI，J1，2，nIj
此处，n表示变量的代码长度，ui表示n维向量，此时
Xcur第I个元素为0(1)时，为ui的第I个元素的量
如果不取1(-1 )，将其他元素设为0，则可知mi对变量第I
比特反转，mij是针对变量的ij位代码的交换。
2 )评价函数) evaluation )是用于从候补中进行解选的
去掉目前解的一个评价公式，一般如下。
a、目标函数： feval(x )=Fobj(X ) (x ) ) ) ) ) ) ) )。
b、目标函数增量： feval(x )-Fobj (x )-fobj
(Xcur )
3 )禁忌表： Tabu list )用于存放禁忌证(一
一般为两次反复解之间的移动)，禁忌对象不能参加本
反复操作。 无法选择被禁止对象的迭代次数称为
禁忌长度(Tabu length，TL )、其大小直接影响计算
法律的检索过程和行为。 禁忌表的存储方法如下。
a、使用排队方式，即先入先出的方法时，此时禁止
忌长是队列的长度。
b、类似禁忌对象的二维序列记忆、禁忌次数
、禁忌表每次更新时，原禁忌对象的禁忌次数
-1)负后次数为0的替换为新进对象，禁忌长度
数组的长度。
C、动态变化禁忌表：根据禁忌证对象的不同出现频率
适当调整禁忌的长度。 reactive-TS就是基于此
教方法。
2
4 )轻蔑标准：判断候选
能否求解不受禁忌限制的规则，其设定是将算法
避免错过优良解，鼓励向优良状态局部探索，前进
实现全局优化。 一般方法：
a .基于评估函数值的准则：候选解的评估值
优于目前的最优解，其相应的移动也可以被禁止
解禁(作为下次迭代的当前解决方案)。
b、基于最小错误的准则：候选解全部集中时
的对象都被禁忌。 通常是因为禁忌的长度太长。 然后呢
没有比现在的最佳解更好的要素，评价值最高
对象解禁。
c、基于影响力的指导方针：不同对象的变化达到目标
值的影响不同(首先要确定影响力指标，不一定
是目标函数的增量)，如果影响力大的对象被禁忌
应该解禁。
5 )退出规则： TS为
迭代算法，结束规则用于判断迭代搜索是否结束。
常用的有：
a、最大迭代步骤数准则。 也就是说，给它一个很大的数字，
重复次数达到此值时结束。 本指南既简单又方便
但是，很难保证解的优化效果。
b、最大频率准则。
教育信息化工作管理系统
c、目标偏离程度准则。 即，先计算目标函数
上(下)界在算法中目标值与该下界的偏离值小的情况下
按指定数量结束搜索。
基本的TS (针对改善后的TS )思想如下。
在禁忌表中标记最近的搜索历史的反向移动，位于
在子迭代搜索中尽量不要使用这些移动(
禁止)保证探索不同的有效探索路线。 TS
首先用随机方法或与问题相关的启发式方法进行生产
生成一个当前的解Xcur。 随后，定义的一系列
移动移动以操作Xcur (
索)，生成“候选解集”vXcan。 一切出生的等待
在解中，选择评价函数Feval ()的值最高的，并相应移动
Step不被选为禁忌表vTabu列的解的第二位
重复的现在的解，将这个移动的反方向的移动列入禁忌表
尽量不要在短时间内搜索。 所有的移动对评价函数
在都没有改善的情况下，采用评价函数劣化最小的移动
下一个搜索方向，(允许退化的搜索是登山法
本质的差异也是可以摆脱局部最优的理由)。 时光流逝
候选解通过轻蔑标准Fasp ()时，也可以相应移动
是否被禁忌，应该被选为下一个现在的解来保证。
证明不会放过更好的解。
在基本TS中求解最优化问题minf(x ) ) x为n
维度向量)的流程如图1所示
基本的TS思想很简单，但有复杂的目的
函数，特别是一些多极值的函数，有时会出现
由于局部环有限，找不到所有全局最优解
[4]。 对于基本TS这一缺陷，前人已经进行了大量的研究
研究与改进[4~7]，如文献[4]提出Reactive-tabu
search采用了根据目标函数的形式动态调整禁忌表
大小方法：解重复出现时加大禁忌表，无
需要较大禁忌表的区域减少禁忌表。 再制造多样化机器
当系统陷入有限循环时，强制执行长期随机
寻找新的点作为下一个探索点。
由于这些改进的TS的搜索机制很复杂，
这是为了加快收敛速度，确保更多的有效性
如果为了检索而牺牲了很多存储空间和计算机，
一些函数形式比较简单，要求计算的实时性
在高优化问题上，采用该方法确实有点困难
失去。 基于本项目中目标函数的实际情况TS
进行了简单的修改，实验证明了修改后的TS基本起作用
搜索所有全局最优解，保证达到计算速度
请参阅。
如何确定禁忌表的长度TL是TS的中心问题。
如果TL太小，被视为禁忌的检索方向就会有限，非常
要执行的移动可能会成为刚刚释放的移动
很可能会导致循环检索。 据文献[4]报道，必须避免陷阱
需要TLR/2-1才能进入长度为r的循环。 一般来说
TL达到多少才能完全避免有限循环，取决于目标函数
的形状不同。 本文为了维护而防止局部循环，将TL
放长一点。 但是，如果TL太长，就会有很多搜索方向
被禁忌，通过单步移动得到候选解集后，
TL=N时，(n为变量代码的长度)，有可能出现
目前，候选解集正在应对移动全部被禁止的情况。 (特别是、
TL=2N时，禁忌所有可能的移动。 )此时此刻
如果在候补解集中解没有通过轻蔑原则，则下一个当前集
无法从解储备库中获得，继续迭代也是徒劳的。
3
图1基本的TS计算流程图
Figure1 flow chart for basal TS
注：采用单次移动，目标函数作为评估函数，队列存储禁忌表，根据评估函数值的藐视准则，中止最大迭代步数。 为了~
由于优化问题可能存在多个最优解，在迭代过程中采用了数组vXsol存储。
因此，本论文采用了摆脱候补解中没有解就可以通过轻蔑原则和候补这一简单的全禁忌的方法
4
解集对应移动全部被禁忌时，再生产随机解为下
迭代解决，清空禁忌表。 稍微修正一下图1的流程
更改，将阴影模块更改为如图2所示。
图2改善基本TS
Figure2 amendment of basal TS
只要迭代次数足够，这个方法就能找到所有的东西
局最优解。 实验表明，该方法也符合本文的
对优化问题的故障诊断很满意。
2禁忌算法求解目标函数
如上所述，并非整个地区的组件都是变量之一
参与基于优化技术的诊断计算，只考虑故障区域
的可疑因素。 我们通过编码可疑因素来形成
优化算法接受的变量形式，经过优化算法求解最优
解开后解码，输出根据代码值确认的故障零件。 打好基础
封装优化技术诊断模块的数据流如图所示
3。
图3优化诊断模块示意图
图像3模块化诊断
编码过程比较简单，将部件按顺序排列构成故障模式矢量e，矢量元素是部件的编号(E.ID )，
5
由元件类型(E.type )和元件状态(E.status )组成。
E.status是用于保管零件的临时状态，0表示不是故障，
1表示故障，编码时所有元件的状态值为0。
从文献[1]目标函数的定义和自动形成过程看
可见诊断主要是考察这些元件的相关设备
(保护和断路器)某故障模式下的期望值是
合理说明现在的状态，而不是网上的所有机器。 不
在同一个部件集合中，相关设备不同，所以要优化诊断
要建立关联，模块必须输入元件的集合
相关。 特定元件的集合，无论状态值是否重叠
世代过程中如何变化，其计算目标函数所需的关联关系
系统是确定的，在采用优化算法迭代之前，可以完成。
使用GetStaticData成员函数从静态数据库检索计算
目标函数所需的相关设备确定了目标
标记函数中m的配置并通过GetRealData成员
函数从动态数据库获取相关设备的实时值
以故障元件矢量的status分量为优化算法
变量x (故障模式)在迭代计算中只有x
发生变化。 优化算法迭代后，可以求出目标函数
数的最优解Xopt。 最后，如果你解码Xopt
将status=1的元件作为故障元件进行输出。
3计算示例
现在，以图4的测试网格为计算例子，将代表性的
的案例进行了测试分析，验证了第四章提出的计算模型
本章的计算方法是正确可行的。
1 )测试网格说明
该电网为3变电站小型系统，系统内主要连接
线的形式为双母带旁路或双母带接线，运行方式灵活
变化的配线方式。 变电站a :由3个电压等级组成，
高中压采用双母带旁路接线，低压采用双母带接线，
故障前高压运行方式为双母并联运行，中压为单母
阶段运行，低压为单身母亲运行(B8停运)。
德国双元制职业教育
采用双母带旁路接线，故障前高/低压侧运行方式为
双母并联运行，中压为单母阶段运行。 AC2站通
过L13、L14连接着，AB通过L15连接着，BC通过L16连接着
连接着。 故障前的L14正在停运。
2 )模拟计算
本文已对多种故障模式进行了仿真计算，下
为了说明诊断方，选择了几个代表性的故障
法律的有效性。 (例1至例6 ) )。
注：在测试过程中，考虑到本系统的简化
由于部件数量少，如果根据故障区域诊断结果进行诊断，
由于无法显示优化算法的优越性，所以在测试用例的情况下
将可疑故障组件扩展到故障警报信息设备(保护
或断路器)所属工厂的所有部件。
3 )算例分析
从上面的算例可以看出，基于本文中使用的优化
算法的故障诊断方法无论保护还是屏蔽都是可行的
是器正确动作的简单故障，还是能有断路器和保护？
拒绝(例3、4 )或误动作)例5 )及部分信息丢失
)例6 )的情况下，都得到了正确的诊断结果，说
本诊断模型容错能力较好。
4本章总结
本章从计算速度和优化效果来考察比较
利用目前常用的优化算法，选择了适合本文结构的目的
标记了函数的禁忌搜索算法，并对算法进行了改进。
使算法符合优化计算的要求。 配合上一章的内容
容，采用模块化设计，诊断模块总体设计和
封装，提供接口信息就能有效完成就诊
切断功能。 最后，测试简单的网格。 测试结
表明该方法是有效的。
示例1 :
模拟信息站a的B1差动保护B1m1的动作，断路器K1、K5、K6、K15跳闸
6
诊断结果B1故障。
简单故障、故障部件保护和断路器工作正常，诊断结果合理。
示例2 :
信息变压器T2主保护T2m2动作，K29、K30跳闸
诊断结果T2故障
简单故障、故障部件保护和断路器工作正常，诊断结果合理。
示例3 :
模拟信息站a的线路L2的电流二级保护L2f1动作，断路器K9跳闸
诊断结果L2故障。
故障部件主保护被拒绝，备用保护和断路器正常工作，诊断结果合理。
示例4 :
信息工厂站a线路L4的电流一级保护L4m2、电流二级保护L4f、三级保护L4s的动作、母线B7的故障保护B7mal的动作、断路器K11、
K13、K17航程。
诊断结果L4故障。
故障部件保护工作正常，但断路器拒动，母线故障进行保护动作，相关断路器均工作正常，诊断结果一致
理科。
(例5 ) :
模拟信息站b线路L7高频保护L7m1的动作，线路L16在现场站c侧的距离因保护L16am1的保护动作而导致断路器K22、K36跳闸。
诊断结果L7故障。
故障设备的保护和断路器可以正常工作，但相邻线路的保护会误动作。 诊断结果是合理的。
(例6 ) :
模拟信息工厂站AC的联络线L13远离L13am1动作，断路器K2、K31跳闸。
诊断结果L13故障。
7
故障设备的保护和断路器可以正常工作，但线路侧的保护信息会丢失。 诊断结果是合理的。
图4测试网格
figure 4精简网络框架测试
8
致谢
本论文的研究是导师黄少先老师和许氏
在文浩师姐的悉心指导下完成。 他们渊博的学识、
缜密的思维和严谨的治学态度，勇于开拓的科学精神
上帝给我带来很多好处，让我终生受益，在这里向他们展示最多的事情
衷心的感谢和深深的敬意。
最后，请各位评价和评价本论文的专家和老师
深深祝福，衷心感谢。
参考文献
[1]文福锁，韩祯祥，基于覆盖理论和Tabu搜索方法的电力系统警
新闻处理.电力系统自动化1997，vol.21(2) :18-23
[2]文福栓、邱家驹、韩桧祥。 利用断路器信息诊断电力系统故障高度
类遗传算法，电工技术学报，1994，vol.11(2) :58-64
[3]韩祯祥，钱源平，文福锁.基于模糊外展推理和Tabu检索方法的电
力系故障诊断.清华大学学报(自然科学
版) 1999，vol.39(3) :56-60
[4] Yogendra Kumar，Biswarup Das，Jaydev Sharma. Multi-objective
reactivetabusearchforservicerestorationindistributionsystem
IEE Proc. Generation，Transmission Distribution Vdsf
[5] F.Glover，C.Memillan and B.Novick，1985. Interactive Decision
softwareandcomputergraphicsforarchitercturalandspace
Planning，Annals of Operations Research 5，P557-573。
[6] F.Glover，J.Kelly and M.Laguna，1992. Genetic Algorithms and Tabu
search : hybridsforopimization，Manuscript，University of
Colorado，Boulder。
[7] Roberto Battiti，thereactivetabusearch.orsajournalon
计算1994，vol.6(2) :126-140。
作者简介：
姜伟(1982-)，男，山东青岛人，汉族，2005级硕士研究
生，主要研究方向是电力系统故障诊断。
电子邮件：江圩1919 @ 163.com。
黄少先(1954-)，男，广东广州人，汉族，高级工程师，主
研究方向为自动化仪表和计算机检测控制等。