粒子群―鱼群结合算法在等效电路参数辨识中的应用粒子群―鱼群结合算法在等效电路参数辨识中的应用 摘要：回复电压法是一种有效诊断油纸绝缘设备绝缘状态的无损电气诊断法，应用回复电压法测量得到的极化谱特征量构建的油纸绝缘等效电路模型能够很好的分析油纸绝缘设备的绝缘状况。本文利用粒子群-鱼群结合算法能够准确对等效电路参数进行辨识，为后续油纸绝缘状况诊断提供可靠的分析基础。 关键词：回复电压法；粒子群；鱼群；等效电路 0 引言 油纸绝缘设备是电力系统的重要组成设备，在运行过程中，会发生老化和受潮，影响设备的绝缘状况。数据表明，油纸绝缘设备故障大部分是由于设备绝缘老化引起的。所以，讨论一种能准确诊断出油纸绝缘设备绝缘状况的方法，就可以排除设备绝缘老化引起的故障隐患，提高电力企业的供电可靠性。 油纸绝缘等效电路模型是讨论设备绝缘状况的基础，模型的准确性关系着后面设备绝缘状况的分析。因此对油纸绝缘系统的等效电路模型中各参数的求解具有重要意义[1]。本文基于扩展德拜等效电路模型，利用粒子群-鱼群结合算法对参数进行辨识。 1 粒子群算法基本原理 粒子群算法[2-3]源于对鸟群捕食的行为讨论。鸟群每个个体会在觅食过程中不断记录和更新自身曾经到达的距离食物最近的位置，同时，通过信息共享的方式选出一个当前群体中的最优位置。然后在后面的觅食过程中，每个个体结合自身曾经找到的最优位置和群体目前的最优位置来不断调整自己的位置，最终使群体聚集到食物位置。粒子通过下面两个公式来更新自身的速度和位置： 式（1）、（2）中，i=1，2，…，n，d=1，2，…，D，t 为迭代次数，c1 和 c2 都是非负常数，称为加速系数或学习因子，r1 和r2 为[0，1]之间的随机数。 基本 PSO 可分为以下几个步骤： （1）设置粒子的群体规模、学习因子、搜索空间大小、最大速度和最大迭代次数等参数。 （2）初始化所有粒子的速度和位置。根据目标函数计算各个粒子的适应值，将每个粒子的当前位置作为其历史最优位置，将群体中适应值最小的个体位置作为群体历史最优位置。 （3）根据式（1）、（2）更新所有粒子的速度和位置，并确保更新后的粒子速度及位置均在各自的限定范围内。 （4）通过目标函数计算当前所有粒子的适应值，并与粒子各自个体历史最优适应值比较，若个体当前适应值优于个体历史最优适应值，则个体当前适应值和当前位置作为个体历史最优适应值和最优位置，进入下一次迭代。 （5）选...
