(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111208168.8 (22)申请日 2021.10.18 (71)申请人 南京工程学院 地址 211167 江苏省南京市江宁区科技园 弘景大道1号南京工程学院 (72)发明人 卞海红　王德邻　郭正阳　王西蒙　 王新迪　 (74)专利代理 机构 南京源古知识产权代理事务 所(普通合伙) 32300 代理人 郑宜梅 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 20/10(2019.01)G06F 113/04(2020.01) (54)发明名称 一种基于人工鱼群算法优化的SVM的配电网 拓扑辨识方法 (57)摘要 本发明公开了一种基于人工鱼群算法优化 的SVM的配电网拓扑辨识方法， 包括： 利用SCADA 系统采集不同拓扑结构下观测节点的多种负荷 水平的断面电压幅值量测数据和相应的拓扑标 签， 进行标准化预处理； 得到经过标准化预处理 后的训练数据集； 建立基于人工鱼群算法优化的 SVM的配电网拓扑辨识模型； 从监测节点获取观 测节点的断面电压幅值量测数据， 并进行标准化 预处理， 将步骤三得到的数据带入基于人工鱼群 算法优化的SVM的配电网拓扑辨识模型， 获得观 测节点的电路拓扑结构。 本发明能够实现降低配 电网拓扑辨识的时间， 提高辨识 精度。 权利要求书2页 说明书5页 附图3页 CN 113901621 A 2022.01.07 CN 113901621 A 1.一种基于人工鱼群算法优化的SVM的配电网拓扑辨识方法， 其特征在于： 包括以下步 骤： 步骤一： 利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅 值量测数据和相 应的拓扑标签， 进行标准化预处理； 得到经过标准化预处理后的训练数据 集； 步骤二： 建立基于人工鱼群算法优化的SVM的配电网拓扑辨识模型； 具体包括以下步 骤： 步骤21： 人工鱼群初始化， 设定人工鱼视野Visual、 步长参数Step、 觅食最大试探次数 try_number、 拥挤度因子 δ、 最大迭代次数MAXGEN及公告牌 值数； 步骤22： 分别将预处理后的节点电压数据作为SVM的输入和输出， 选择SVM模型的惩罚 因子C和核函数参数σ 作为待优化参数并以训练数据均方根误差作为鱼群算法的适应度目 标函数； 步骤23： 每条人工鱼自适应调节步长执行聚群行为和追尾行为， 对比各行为结果并判 断是否聚群或追尾或调节视野进行觅食； 步骤24： 一轮完毕计算每个人工鱼的适应值， 并对比于公告牌将最优值存放在公告牌 中； 步骤25： 判断是否满足最大迭代次数终止条件或设置的淘汰机制终止条件， 若满足则 输出最优参数值， 否则返回步骤23； 步骤26： 寻优结束后， 将输出最优的核函数参数和惩罚参数作为SVM的最优参数， 即建 立基于人工鱼群算法优化的SVM的配电网拓扑辨识模型； 步骤三： 从监测节点获取观测节点的断面电压幅值 量测数据， 并进行 标准化预处理； 步骤四： 将步骤三得到的数据带入基于人工鱼群算法优化的SVM的配电网拓扑辨识模 型， 获得观测节点的电路拓扑 结构。 2.根据权利要求1所述的一种基于人工鱼群算法优化的SVM的配电网拓扑辨识方法， 其 特征在于： 步骤一中的标准 化预处理为归一 化处理， 具体采用公式(1)进行处 理； 公式(1)中， Vi和Vinorm分别为节点i归一化前后的电压幅值， Vimax和Vimin分别为训练数据 集中节点 i电压幅值的最大值和最小值。 3.根据权利要求1所述的一种基于人工鱼群算法优化的SVM的配电网拓扑辨识方法， 其 特征在于： 所述 步骤22中， SVM模型的核函数参数σ， 采用如公式(2)确定的核函数： ψ(hi,hj)＝exp(‑σ ||hi‑hj||2)    (2) (2)式中， hi为节点i对应的样本； 鱼群算法的适应度目标函数为： (3)式中， n为节点i的样本数， yr为第r个样本的SVM的输出值， 为第r个样本的实际值，权　利　要　求　书 1/2 页 2 CN 113901621 A 2fRMSE为SVM输出的均方根 误差， 而mi n.前缀表示对该变量进行最小值 寻优。权　利　要　求　书 2/2 页 3 CN 113901621 A 3