隨著敏感負(fù)荷（可編程控制器、調(diào)速電機、計算機、精密加工機械1的迅猛發(fā)展及其嚴(yán)格的電能質(zhì)量要求，電壓暫降問題已引起供電部門和用戶的共同關(guān)注。短路故障、開關(guān)操作、變壓器及電容器組的投切等均能引起電壓暫降，使敏感設(shè)備不能獲得所需質(zhì)量的電能。短路故障引起的電壓暫降，雖未造成電源與用電設(shè)備之間的電氣連接中斷，但由于波及范圍廣、影響面大，易中斷生產(chǎn)線的連續(xù)性工作，而值得深入研究。

　　電壓暫降的發(fā)生是隨機事件，如采用實地監(jiān)測，其統(tǒng)計信息的準(zhǔn)確性局限于監(jiān)測儀的監(jiān)測周期長短。因此，采用遺傳算法（GA）、粒子群（PSO）算法、云計算等新興智能優(yōu)化方法進行電壓暫降預(yù)估計，對電壓敏感負(fù)荷具有很大的工程參考價值。這些方法均有一定優(yōu)勢，但存在原理復(fù)雜、參數(shù)敏感、效率低等問題。因此，本文首次采用仿電磁學(xué)（electromagnetism-like mechanism，ELM）算法來解決所建立的電壓暫降狀態(tài)估計模型，為該問題提供了新的研究途徑。

　　ELM模擬了處于靜電場內(nèi)的帶電粒子之間庫侖力的相互作用機制，屬于隨機全局智能優(yōu)化算法。文中通過抗干擾種群移動模型、自適應(yīng)變異和精英策略等改進措施改善了種群昀多樣性和分布性，解決了局部最優(yōu)和收斂慢的問題，提高了整體尋優(yōu)性能。在IEEE24節(jié)點標(biāo)準(zhǔn)測試系統(tǒng)進行了測試對比，驗證了該算法的有效性。