CN106093713A - 一种含分布式电源的配电网区段故障定位方法及系统 - Google Patents

Abstract

本发明公开了含分布式电源的配电网区段故障定位方法及系统，该方法包括：建立含分布式电源的配电网故障定位模型；根据配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；根据初始种群的全局极值和个体极值更新粒子的飞行速度；根据更新后粒子的飞行速度更新粒子的位置；利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；当满足迭代终止条件输出定位结果；根据DG对故障电流的影响，划分不同区域，寻找不同区域中的故障临界点，通过设置故障电流上报阀值和安装故障电流的方向元件来避免DG对故障上报信息的影响，快速和准确的确定故障发生位置，加快恢复系统的供电，提升系统稳定性。

Description

一种含分布式电源的配电网区段故障定位方法及系统

技术领域

本发明涉及电力系统领域，特别涉及一种含分布式电源的配电网区段故障定位方法及系统。

背景技术

配电网的稳定是维持系统正常运行的条件，而配电网故障是降低稳定性的重要因素。当网络发生故障时，快速及准确的判断故障发生位置是恢复配电网正常运行的前提，因此有效的故障定位方法可以提升配电网的稳定性。

随着清洁能源的不断发展与利用，人们对环境保护的意识不断增强。因为分布式电源(Distributed Generation,DG)具有清洁、环境友好和低污染等特性，配电系统接入DG不断研究和开发，DG包括光伏发电、燃料电池、风能发电和小型水利发电等，其中风能发电和光伏发电应用比例较大，但其输出功率具有随机性，给配电系统的稳定运行带来了安全隐患。同时不同的节点接入DG对故障判断造成了干扰，使得故障发生后，不能准确判断故障位置，从而扩大用户端的停电时间，最终降低了供电系统的信誉。现有技术中常用算法有矩阵算法判断故障发生位置，但是矩阵算法由于容错性差受到了限制。因此，如何在含DG故障定位模型中可以快速和准确的确定故障发生位置，加快恢复系统的供电，提升了系统的稳定性，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种含分布式电源的配电网区段故障定位方法及系统，能够快速和准确的确定配电网系统故障发生位置，加快恢复系统的供电，提升系统稳定性。

为解决上述技术问题，本发明提供一种含分布式电源的配电网区段故障定位方法，包括：

S1、建立含分布式电源的配电网故障定位模型；

S2、根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；

S3、根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；

S4、根据更新后粒子的飞行速度更新粒子的位置；

S5、利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；

S6、判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群返回步骤S3。

其中，所述配电网故障定位模型为

其中，I_j为第j个测控点中FTU和RTU返回的实际状态，I_j ^*(x)为第j个测控点的期望状态函数值，x(j)为配电网中第j段馈线的状态信息，w为设备故障数和的系数。

其中，所述S2包括：

根据所述配电网故障定位模型及各个预定初始化参数，利用二进制粒子群算法计算生成初始种群；其中，粒子通过二进制编码进行初始化，对应配电网系统的编码为粒子编码组成的字符串。

其中，所述S3包括：

根据所述初始种群的全局极值和个体极值，利用飞行速度更新公式更新粒子的飞行速度；

其中，c₁和c₂为学习因子；r₁和r₂为区间内[0,1]内的随机数，为第k代粒子的飞行速度，x为粒子，p_gd和p_id分别为全局极值和个体极值，为第k代的第i个粒子的d维度。

其中，所述S4包括：

根据更新后粒子的飞行速度，利用位置更新公式更新粒子的位置；

其中，为第k+1代的第i个粒子的d维度，为第k+1代粒子的飞行速度，为第k代的第i个粒子的d维度。

其中，所述S5包括：

采用二进制编码公式将粒子的每一个维度限制在0和1之间，形成新一代种群。

本发明还提供一种含分布式电源的配电网区段故障定位系统，包括：

模型构建模块，用于建立含分布式电源的配电网故障定位模型；

初始化模块，用于根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；

飞行速度更新模块，用于根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；

位置更新模块，用于根据更新后粒子的飞行速度更新粒子的位置；

二进制编码模块，用于利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；

判断模块，用于判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群并触发飞行速度更新模块。

其中，所述初始化模块具体为根据所述配电网故障定位模型及各个预定初始化参数，利用二进制粒子群算法计算生成初始种群；其中，粒子通过二进制编码进行初始化，对应配电网系统的编码为粒子编码组成的字符串。

其中，所述飞行速度更新模块具体为根据所述初始种群的全局极值和个体极值，利用飞行速度更新公式更新粒子的飞行速度的模块；

其中，c₁和c₂为学习因子；r₁和r₂为区间内[0,1]内的随机数，为第k代粒子的飞行速度，x为粒子，p_gd和p_id分别为全局极值和个体极值，为第k代的第i个粒子的d维度。

其中，所述二进制编码模块具体为采用二进制编码公式将粒子的每一个维度限制在0和1之间，形成新一代种群。

本发明所提供的含分布式电源的配电网区段故障定位方法，包括：S1、建立含分布式电源的配电网故障定位模型；S2、根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；S3、根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；S4、根据更新后粒子的飞行速度更新粒子的位置；S5、利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；S6、判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群返回步骤S3；

可见，该方法针对区段故障定位的原理，改进传统粒子群算法的更新机制，将二进制理论思想融入到粒子群编码过程中，解决了传统粒子群算法优化过程中不能正确表达故障信息的缺点，应用二进制粒子群算法在含分布式电源的配电网区段故障定位中，根据DG对故障电流的影响，划分不同区域，寻找不同区域中的故障临界点，通过设置故障电流上报阀值和安装故障电流的方向元件来避免DG对故障上报信息的影响，能够快速和准确的确定配电网系统故障发生位置，加快恢复系统的供电，提升系统稳定性；本发明还提供一种含分布式电源的配电网区段故障定位系统，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例所提供的含分布式电源的配电网区段故障定位方法的流程图；

图2为本发明实施例所提供的单电源辐射配电网示意图；

图3为本发明实施例所提供的配电系统接入单个DG情况示意图；

图4为本发明实施例所提供的配电系统接入多个DG情况示意图；

图5为本发明实施例所提供的10kV配电系统示意图；

图6为本发明实施例所提供的含分布式电源的配电网区段故障定位系统的结构框图。

具体实施方式

本发明的核心是提供一种含分布式电源的配电网区段故障定位方法及系统，能够快速和准确的确定配电网系统故障发生位置，加快恢复系统的供电，提升系统稳定性。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明实施例所提供的含分布式电源的配电网区段故障定位方法的流程图；该方法可以包括：

S1、建立含分布式电源的配电网故障定位模型；也将该配电网故障定位模型作为预定二进制智能算法的适应度函数。该配电网故障定位模型即目标函数通过测控点电流的实际状态和期望状态，对两个状态之差进行累和计算。

具体的，配电网故障定位模型为

其中，I_j为第j个测控点中FTU和RTU返回的实际状态，有越限时为1，无越限时为0，I_j ^*(x)为第j个测控点的期望状态函数值，由网络中反馈的状态信息所确定，x(j)为配电网中第j段馈线的状态信息，0表示处于正常状态，1表示故障状态(反之亦可)这里并不对具体的值进行限定，只要有两种数值可以表示这两种状态即可，w为设备故障数和的系数，例如通常取0.5。

其中，期望状态函数的具体形式跟配电网电路的实际情况相关联，例如请参考图2，图2是一个简单配电网络，每一段网络发生故障时可通过FTU和RTU上传故障信息，图2中CB1是进线断路器，S1～S3是均装有FTU的分段开关，Z1～Z4是4段馈线。则对应的期望状态函数具体如下：

$I_{S3}^{*}\left(x\right)=x\left(4\right)$

其中，x(1)～x(4)是馈线区段(设备)的状态信息，0表示正常，1表示故障；∨为逻辑或运算。其他形式的电路依据上述过程进行期望状态函数设置。

关于DG接入配电网情况，具体可以分为单个DG接入配电网情况及多个DG接入配电网情况，其中，单个DG接入配电网情况如下：

不同于传统配电网，含DG的配电网具有多端供电的模式，当网络发生故障时DG会影响FTU和RTU上传的故障信息，从而影响故障定位结果。请参考图3中是一个简单的含分布式电源的配电网络，图中的CB1，CB2，S1～S5上报的故障信息是根据电源的故障电流阀值来决定，设备检测到电流超越电流阀值时，即上报故障信息。

在网络发生故障时，假设在DG连接的配电网部分没有出现“孤岛”运行，为避免因为DG的接入而发生误判，根据设备采集到的故障电流信息，将DG提供的故障电流和主电源提供的故障电流通过电流上报阀值的设置进行区分，以达到DG提供短路电流不上报的结果。

根据短路电流计算，主电源距离故障区域越远其提供的短路电流越小，DG距离故障区域越近其提供的短路电流越大。在满足可靠性的前提下，寻找故障临界点，以临界点为中心分为两侧，使得临近主电源一侧的线路不需要假装方向原件，通过设置电流上报阀区分主电源和DG提供的故障电流。临近DG一侧通过加装方向原件来区分主电源和DG所产生的故障电流。当设备加装方向原件后，检测到与电流规定方向相反时的故障电流时，故障反馈信息赋值为0，即认为设备处于正常状态。根据附图4，假设网络发生三相短路，故障点将网络分为Z_X1和Z_X2两段，流过Z_X1段的故障电流为：

$I_{sc}=\frac{E_s}{Z_S+Z_{X1}}$

其中，E_s为主电源的等效内电势；Z_X1为主电源距离短路点的阻抗；I_sc为流过Z_X1段的故障电流；Z_S为主电源的等效内阻抗。

流过Z_X2段的故障电流是：

$I_{DG}=\frac{E_{DG}}{Z_{DG}+Z_{X2}}$

其中，E_DG为DG电源的等效内电势；Z_X2为DG距离短路点的阻抗值；I_DG为流过Z_X2段的故障电流；Z_DG为DG电源的等效内阻抗；

其中，Z_X1+Z_X2＝∑Z。

主电源提供的最小故障电流发生在两相相间短路时，此时短路电流为三相短路电流的倍。在考虑1.1倍可靠性系数情况下，设置故障电流上报阀值应满足不等式

其中，I_set为电流上报阀值，当不等式满足相等的条件时既可以求得故障临界点。

多个DG接入配电网情况如下：

针对当多个DG接入配电系统时，根据DG的反馈信息的影响将网络分为三个区域，如图4所示。

对于区域1,在限制DG容量的条件下，故障电流上报阀值应介于两个DG在该区域所产生故障电流之和和主电源所产生故障电流之间；

$1.10\{I_{DG1}+I_{DG2}\}\≤I_{set}\≤\sqrt{3}/2I_{sc}$

其中，I_DG1和I_DG2分别是DG1和DG2产生的故障电流；I_sc为主电源产生的故障电流；I_set为故障电流上报阀值。

对于区域2，在限制DG容量的条件下，故障电流上报阀值应介于主电源与DG1所产生的故障电流之和和DG2所产生故障电流之间；

$1.10I_{DG2}\≤I_{set}\≤\sqrt{3}/2\{I_{sc}+I_{DG1}\}$

对于区域3，由于DG1和DG2对故障电流起到助增的作用，所以故障电流上报阀值应当小于DG所产生的故障电流与主电源所产生的故障电流之和最小值；

I_set＜min{I_sc+I_DG1+I_DG2}

其中，min是求取三个电流之和的最小值。

上述每个区域的故障临界点均是在不等式满足相等的条件时求得。

在建立含分布式电源的配电网故障定位的目标函数即模型之后，可以对该目标函数采用预定二进制智能算法进行故障定位计算，具体如下：

S2、根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；

其中，为了解决传统智能算法例如粒子算法过程中不能正确表达故障信息的缺点，将二进制思想融入到优秀的智能算法中，建立了能适应于含分布式电源的区段故障定位模型中，使得模型能够避免由于分布式电源所产生的故障电流产生的误判。即使用预定二进制智能算法计算解决上述问题，这里的具有二进制功能的算法可以为二进制粒子群算法(binary Particle swarm optimization,BPSO)，或遗传算法，或将其他智能算法进行改进，将二进制编码融入其中。优选的，二进制粒子群算法效果比较好。例如，当使用二进制粒子群算法时，初始化过程具体为：

根据所述配电网故障定位模型及各个预定初始化参数，利用二进制粒子群算法计算生成初始种群；其中，粒子通过二进制编码进行初始化，对应配电网系统的编码为粒子编码组成的字符串。

其中，粒子初始化要通过编码形成，故障定位中的编码方式通常采用0和1来表示设备的状态，0和1分别表示设备的正常状态和故障状态，则整体配电网系统的编码是通过对应的0和1字符串来表示。假设一段网络拥有8个馈线区段，在故障发生时得到的故障定位最终结果是[0 0 0 1 0 0 0 0],则表示第4段馈线发生故障。

下述S3和S4是算法中的搜索过程：

S3、根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；

具体的，根据所述初始种群的全局极值和个体极值，利用飞行速度更新公式更新粒子的飞行速度；

其中，c₁和c₂为学习因子(为非负数)；r₁和r₂为区间内[0,1]内的随机数，为第k代粒子的飞行速度(v_imin＜v＜v_imax)，x为粒子，p_gd和p_id分别为全局极值和个体极值，为第k代的第i个粒子的d维度。

S4、根据更新后粒子的飞行速度更新粒子的位置；

具体的，根据更新后粒子的飞行速度，利用位置更新公式更新粒子的位置；

其中，为第k+1代的第i个粒子的d维度，为第k+1代粒子的飞行速度，为第k代的第i个粒子的d维度。

S5、利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；

其中，在获得粒子的新位置之后，根据二进制编码公式对新粒子的每一个维度进行离散化，使其满足配电网故障定位的要求。即采用二进制编码公式将粒子的每一个维度限制在0和1之间，形成新一代种群。

具体的，假设粒子为x_id，二进制编码后为B_id。当粒子完成新搜索后，粒子的取值越大则编码值为1的概率就会越大，反之，为0的概率越小。例如x_id＝0.2，则B_id有20％的概率离散化为1，80％的概率离散化为0。其产生二进制编码的公式为：

$\left\{\begin{array}{c}{B}_{id}=1,R<S\left(s_{id}\right)\\ B_{id}=0,R\&GreaterEqual;S\left(s_{id}\right)\end{array}\right.$

其中，R为0～1上的随机数；S(x)是Sigmoid函数，即S(x)＝1/(1+e^tx)。为避免Sigmoid函数出现饱和，则x_id应限制在S_max～S_max内，则S(x)函数为：

$S\left(x\right)=\left\{\begin{array}{c}0.98,x>S_{max}\\ \frac{1}{1+e^{-x}},-S_{max}<x<S_{max}\\ -0.98,x<-S_{\max }\end{array}\right..$

S6、判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群返回步骤S3。

其中，即判断是否满足最大的迭代次数，若是，则将最优结果作为配电网区段故障定位结果输出，根据该结果可以快速和准确的确定配电网系统故障发生位置，加快恢复系统的供电，提升系统稳定性。

基于上述技术方案，本发明实施例提供的含分布式电源的配电网区段故障定位方法，将传统的粒子群算法成功的应用在含分布式电源的区段故障定位模型中，解决了算法无法正确表达区段故障定位问题；提出含DG的区段故障定位模型，根据DG对故障电流的影响划分不同区域，寻找每个区域的故障临界点，将临界点与主电源之间的网络和DG下游的网络设置故障电流上报阀值，临界点与DG之间的网络加装方向元件，使得DG提供的故障电流不影响故障反馈信息，从而不会影响定位结果；且通过智能算法能够快速和准确的确定配电网系统故障发生位置，加快恢复系统的供电，提升系统稳定性。

为验证本实施例方法的正确性和算法的有效性，下面通过算例的方式进行说明，仿真图如上述图4，图5为10kV配电系统示意图；若10kV配电网，基准容量为500MVA，基准电压为10.5kV，其中线路Z1～Z4、Z7～Z9为架空线路，Z5、Z6为电缆线路，线路参数如表1所示。在S4和CB2附近安装容量为5MVA的DG，利用PSCAD/EMTDC仿真软件求出故障电流上报阀值和故障临界点。

表1 几种典型线路的阻抗参数

根据图4，当DG接入配电网以后，将网络分为三个区域，其中区域1是主电源与DG1上游之间的线路，区域2是主电源和DG2上游之间的线路，区域3是DG2下游的线路。根据多个DG接入配电网情况分析，可以得出故障电流阀值和故障临界点如表2所示。

表2 故障电流阀值和故障临界点

根据表2所示，故障临界点在Z_X1和Z_X2段之间，Z_X1段可以根据电流上报阀值进行区分主电源和DG提供的故障电流，Z_X2段可以根据方向原件进行区分主电源和DG提供的故障电流。

如图4所示，当网络中已经设置故障电流上报阀值和部分安装方向原件后，可以依照本文提出的故障定位方法寻找故障位置。针对单一故障和复故障两种类型进行故障定位，同时考虑故障信息发生畸变的情况。其中单一故障测试点分别发生在三个不同的区域中，复故障是每个区域有一种故障进行组合，测试结果如表3所示。算法分别采用遗传算法(GA)、布谷鸟搜索算法(CSA)和二进制粒子群算法(BPSO)，对两种算法的效率和结果进行比较。注：f₁代表故障信息没有发生畸变，f₂代表故障信息发生畸变。

表3 3种算法的比较结果

从表3可以看出，BPSO算法在相同种群的情况下仍然可以得到较高的正确率，与GA和CSA算法的比较下，BPSO算法优势更加明显。同时无论是单一故障还是复故障，本发明实施例所提出的算法都能保持90％以上的正确率，说明BPSO算法不会因为故障点的增加而影响其正确率。

下面对本发明实施例提供的含分布式电源的配电网区段故障定位系统进行介绍，下文描述的含分布式电源的配电网区段故障定位系统与上文描述的含分布式电源的配电网区段故障定位方法可相互对应参照。

请参考图6，图6为本发明实施例所提供的含分布式电源的配电网区段故障定位系统的结构框图，该系统包括：

模型构建模块100，用于建立含分布式电源的配电网故障定位模型；

初始化模块200，用于根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；

飞行速度更新模块300，用于根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；

位置更新模块400，用于根据更新后粒子的飞行速度更新粒子的位置；

二进制编码模块500，用于利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；

判断模块600，用于判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群并触发飞行速度更新模块。循环执行，直到满足预先设置的最大迭代次数。

可选的，所述初始化模块200具体为根据所述配电网故障定位模型及各个预定初始化参数，利用二进制粒子群算法计算生成初始种群；其中，粒子通过二进制编码进行初始化，对应配电网系统的编码为粒子编码组成的字符串。

可选的，所述飞行速度更新模块300具体为根据所述初始种群的全局极值和个体极值，利用飞行速度更新公式更新粒子的飞行速度的模块；

其中，c₁和c₂为学习因子；r₁和r₂为区间内[0,1]内的随机数，为第k代粒子的飞行速度，x为粒子，p_gd和p_id分别为全局极值和个体极值，为第k代的第i个粒子的d维度。

可选的，所述二进制编码模块500具体为采用二进制编码公式将粒子的每一个维度限制在0和1之间，形成新一代种群。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的含分布式电源的配电网区段故障定位方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种含分布式电源的配电网区段故障定位方法，其特征在于，包括：

S1、建立含分布式电源的配电网故障定位模型；

S2、根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；

S3、根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；

S4、根据更新后粒子的飞行速度更新粒子的位置；

S5、利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；

S6、判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群返回步骤S3。

2.根据权利要求1所述的配电网区段故障定位方法，其特征在于，所述配电网故障定位模型为

其中，I_j为第j个测控点中FTU和RTU返回的实际状态，I_j ^*(x)为第j个测控点的期望状态函数值，x(j)为配电网中第j段馈线的状态信息，w为设备故障数和的系数。

3.根据权利要求2所述的配电网区段故障定位方法，其特征在于，所述S2包括：

根据所述配电网故障定位模型及各个预定初始化参数，利用二进制粒子群算法计算生成初始种群；其中，粒子通过二进制编码进行初始化，对应配电网系统的编码为粒子编码组成的字符串。

4.根据权利要求3所述的配电网区段故障定位方法，其特征在于，所述S3包括：

根据所述初始种群的全局极值和个体极值，利用飞行速度更新公式更新粒子的飞行速度；

其中，c₁和c₂为学习因子；r₁和r₂为区间内[0,1]内的随机数，为第k代粒子的飞行速度，x为粒子，p_gd和p_id分别为全局极值和个体极值，为第k代的第i个粒子的d维度。

5.根据权利要求4所述的配电网区段故障定位方法，其特征在于，所述S4包括：

根据更新后粒子的飞行速度，利用位置更新公式更新粒子的位置；

其中，为第k+1代的第i个粒子的d维度，为第k+1代粒子的飞行速度，为第k代的第i个粒子的d维度。

6.根据权利要求5所述的配电网区段故障定位方法，其特征在于，所述S5包括：

采用二进制编码公式将粒子的每一个维度限制在0和1之间，形成新一代种群。

7.一种含分布式电源的配电网区段故障定位系统，其特征在于，包括：

模型构建模块，用于建立含分布式电源的配电网故障定位模型；

初始化模块，用于根据所述配电网故障定位模型及各个预定初始化参数，利用预定二进制智能算法计算生成初始种群；

飞行速度更新模块，用于根据所述初始种群的全局极值和个体极值更新粒子的飞行速度；

位置更新模块，用于根据更新后粒子的飞行速度更新粒子的位置；

二进制编码模块，用于利用二进制编码公式对更新后的粒子进行离散化操作，形成新一代种群；

判断模块，用于判断是否满足迭代终止条件，若满足，输出配电网区段故障定位结果；否则将新一代种群作为初始种群并触发飞行速度更新模块。

8.根据权利要求7所述的配电网区段故障定位系统，其特征在于，所述初始化模块具体为根据所述配电网故障定位模型及各个预定初始化参数，利用二进制粒子群算法计算生成初始种群；其中，粒子通过二进制编码进行初始化，对应配电网系统的编码为粒子编码组成的字符串。

9.根据权利要求8所述的配电网区段故障定位系统，其特征在于，所述飞行速度更新模块具体为根据所述初始种群的全局极值和个体极值，利用飞行速度更新公式更新粒子的飞行速度的模块；

其中，c₁和c₂为学习因子；r₁和r₂为区间内[0,1]内的随机数，为第k代粒子的飞行速度，x为粒子，p_gd和p_id分别为全局极值和个体极值，为第k代的第i个粒子的d维度。

10.根据权利要求9所述的配电网区段故障定位系统，其特征在于，所述二进制编码模块具体为采用二进制编码公式将粒子的每一个维度限制在0和1之间，形成新一代种群。