CN107290633A - 基于mopso的含分布式光伏配电网故障区段定位方法 - Google Patents
基于mopso的含分布式光伏配电网故障区段定位方法 Download PDFInfo
- Publication number
- CN107290633A CN107290633A CN201710716394.4A CN201710716394A CN107290633A CN 107290633 A CN107290633 A CN 107290633A CN 201710716394 A CN201710716394 A CN 201710716394A CN 107290633 A CN107290633 A CN 107290633A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- particle
- mtd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于MOPSO的含分布式光伏配电网故障区段定位方法,属于配电网及其自动化的技术领域。本发明基于稳态故障电流和故障电流暂态分量,定义了含光伏配电网发生短路和单相接地故障故障情形下的开关状态编码。通过考虑不同光照强度下光伏电源提供的故障电流特性,提出满足光伏电源动态投切配网馈线的开关函数模型。本发明基于FTU实际上传开关越限信息、假定开关状态信息、故障区段数构造多目标定位模型,并基于Pareto最优概念提出采用多目标粒子群算法(MOPSO)进行求解。本发明实现了含光伏配网发生单一和多重故障的区段定位,提升了故障区段定位的准确性和快速性,并对畸变信息实现容错。
Description
技术领域
本发明涉及一种基于MOPSO的含分布式光伏配电网故障区段定位方法,属于配电网及其自动化技术领域。
背景技术
近年来,随着清洁、可再生的分布式光伏电源(PV)的接入,配电网的结构和潮流等也因此发生变化,且会影响光伏电源向故障点提供的故障电流特性。由于配电网线路分布范围广,每条线路较短、供电区域小,线路发生故障后,一般采用人工沿线寻找故障点的办法。但线路故障会造成对用户的供电中断,快速的故障定位能使用户的停电时间大大缩短,减小停电造成的损失,有利于提高系统的稳定性。在基于馈线监控终端(FTU)的集中智能配电系统下,故障区段定位是保证配电网安全可靠运行的前提。
目前,配电网故障区段的研究基本上是针对相间短路故障情形,提供的故障电流能满足基于FTU定位的要求。但由于我国中压配电网多采用中性点小电流接地方式,发生单相接地故障较多,其故障电流不明显,因此有必要确定该故障情形下的开关编码。同时,传统定位方法将定位问题通过加权法转化成单目标优化问题,利用普通智能算法求解易造成故障区段的误判。因此为避免对权重值的选取,构建含分布式光伏配电网的多目标故障定位模型尤为重要。利用复杂度低、寻优能力强等优点的MOPSO算法对定位模型求解,可提升含分布式光伏配网故障区段定位的准确性、快速性和容错性。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种基于MOPSO的含分布式光伏配电网故障区段定位方法。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种基于MOPSO的含分布式光伏配电网故障区段定位方法,包括如下步骤:
步骤1,定义含分布式光伏配电网的终端状态编码;
步骤2,建立基于MOPSO的含分布式光伏配网的开关函数模型;
步骤3,建立含光伏配网故障区段定位的多目标定位模型;
步骤4,基于Pareto最优概念采用多目标粒子群进化算法MOPSO对上述多目标优化问题进行求解从而定位故障区段。
作为优选方案,所述步骤1包括以下步骤:
步骤1-a,采集FTU检测到的主电源和光伏电源向故障区段输出高于FTU整定值的故障电流信息,包括短路故障情形下的短路电流方向信息以及单相接地故障情形下的零序电流方向信息;设定短路电流方向为零序电流方向为
步骤1-b,定义配电网馈线的网络正方向:规定主电源到馈线的方向为整个网络的唯一正方向
步骤1-c,定义相间短路故障和单相接地故障情形下开关状态编码:
其中,Ij_d,Ij_l分别为第j个分段开关在相间短路与单相接地故障下的状态编码。
作为优选方案,所述步骤2包括以下步骤:
步骤2-a,建立主电源供电配网的开关函数;设定故障区段只存在0、1两种状态,0表示区段正常,1表示区段故障;
式中:为第j个分段开关的开关函数;假定第j个开关到系统主电源线路为上游线路,第j个开关与线路末端的线路为下游线路,Nj为开关j下游线路馈线区段总数;xj,i为开关j下游第i个馈线区段状态值,0为正常状态,1为故障状态;“Π”为逻辑或运算;
步骤2-b,考虑不同数量光伏电源接入配网不同位置,主电源供电配网的开关函数中引入投切系数K满足光伏电源的动态投切,若接入则取1,否则为0;考虑不同馈线位置的光照强度有所不同,从而影响故障电流分布,引入屏蔽系数S改进主电源供电配网的开关函数,光伏电源在较高光照强度下输出高于阈值的故障电流则对应屏蔽系数为1,否则为0,其中对于上游线路系统主电源的屏蔽系数为1;
步骤2-c,建立含分布式光伏配网的开关函数;
式中:以第j个分段开关为分界点,将配电线路分成开关到主电源的上游线路和开关到线路末端的下游线路,Nj,up,dg,Nj,down,dg分别为上、下游线路主电源与光伏电源个数;分别为从第j个开关到上游线路的第iup,dg个主电源或光伏电源路径上经过的第i1个、下游线路的第idown,dg个光伏电源路径上经过的第i2个馈线区段状态值;分别为第j个开关到上游线路第iup,dg个、下游线路的第idown,dg个主电源或光伏电源的区段数;分别为第j个开关划分的上游线路第iup个、下游线路第idown个区段状态值;Nj,up,Nj,down分别为第j个开关上、下游线路的区段数;分别为上游线路的第iup,dg个、下游线路的第idown,dg个光伏电源接入配网的开关系数;分别为上游线路第iup,dg个、下游线路第idown,dg个光伏电源提供故障电流被屏蔽的系数。
作为优选方案,所述步骤3包括以下步骤:
步骤3-a,多目标模型的目标函数有:FTU实际上传的开关越限信息与假定开关状态信息的差异化最小,与故障区段数最小,可表示为:
其中,f1(x)为FTU实际上传的开关越限信息与假定开关状态信息的差值,f2(x)为故障区段数;minf1(x)为第一目标,minf2(x)为第二目标;
步骤3-b,基于FTU实际上传的开关越限信息与假定开关状态信息,利用两者的差异化最小构造目标函数,表示为:
式中:Ij_PV为配网中FTU实际上传第j个开关的越限信息;为第j个开关的假定开关状态信息;NS为开关总数;
步骤3-c,由于仅利用f1(x)容易造成故障区段的错误定位,根据故障诊断理论中的“最小集”概念构建辅助故障区段评价函数,以故障区段数最小为目标,表示为:
式中:xi表示第i个区段的状态值;NQ为配网区段总数;
步骤3-d,含光伏配网故障区段定位的约束:
x(i)=0or1
其中,x(i)为馈线区段状态,i的取值为0,1,...,N;在馈线区段未发生故障时x(i)为0,若发生故障x(i)为1。
作为优选方案,所述步骤4包括以下步骤:
步骤4-a,设定MOPSO算法中参数:内部粒子群规模,外部粒子群规模,惯性权重,学习因子和最大迭代次数,设定算法中粒子的维度与配网区段的数目相对应,通过随机选择0、1两种离散信息初始化粒子位置;
步骤4-b,粒子编码;基于配网区段数对内部粒子群中粒子的位置进行随机初始化编码;
步骤4-c,更新外部粒子群;若内部粒子群中最优粒子的位置pbest支配外部粒子群中某粒子的位置,则替换该粒子;若其被支配则不被替换;若它们没有支配关系则将该粒子存入外部粒子群;基于Pareto最优解集的MOPSO收敛过程,每次迭代根据Pareto最优概念在内部粒子群中,选择非支配解所对应的粒子位置,并基于该粒子与外部粒子群中粒子的支配关系完成外部粒子群更新的过程;
步骤4-d,粒子密度信息估计与确定gbest位置;通过网格密度法确定gbest位置,粒子在网格中的密度表达式如下:
Di=k×NOPi
式中:Di为第i个网格的密度值;NOPi为第i个网格中外部粒子的个数;k为正常数,通常取1;
采用网格密度法对每次迭代外部粒子群中的粒子进行密度评估,若每个网格中每个网格中的粒子数越多,则其密度值越大,反之越小;使用轮盘赌的方法选择某个密度最低的网格,然后在这个网格随机选择一个粒子作为gbest位置;
步骤4-e,更新内部粒子群与确定pbest位置;基于第一目标,第二目标最小所对应粒子的gbest位置,根据下式更新粒子速度,使粒子的位置能够更快向最优解更新;并确定对应粒子的当前位置与pbest位置;
的函数为:
式中:分别为第i个粒子在第t+1次迭代时在第n维空间的速度和位置;是第i个粒子到第t次迭代时在第n维空间的当前个体最优位置; 分别是外部粒子群中到第t次迭代为止在第n维空间使第一目标、第二目标最小时所确定的粒子最优位置;w为惯性权重;c1、c2是加速因子;均为第t次迭代中在[0,1]范围内的随机数,为第t+1次迭代介于[0,1]的随机数;
基于Pareto最优概念更新pbest位置,如果当前粒子的位置被其pbest所支配,则pbest不更新;若当前粒子的位置支配pbest,则用当前粒子的位置替换pbest;如果两者互不支配,则随机选择其中一个作为pbest。
步骤4-f,根据Pareto最优解集,找到使第一目标最小的解,对该解对应的粒子进行解码从而定位故障区段。
作为优选方案,所述步骤4-a中MOPSO算法参数设置如表1所示:
表1。
有益效果:本发明提供的基于MOPSO的含分布式光伏配电网故障区段定位方法,考虑单相接地情形下的终端状态编码,完善了不同故障类型下FTU上传开关状态信息的编码。考虑了不同光照强度下光伏电源提供的故障电流特性,改进了含分布式电源配电网故障区段定位的开关函数模型。
同时,解决了单目标优化定位问题需要主观设定权重值的问题,构建了含分布式光伏配网故障区段的多目标定位模型。本发明提出了采用MOPSO算法求解含光伏配网的故障定位模型,提升了定位的准确性和快速性,且对畸变信息存在一定的容错性。
附图说明
图1为基于MOPSO的含分布式光伏配电网故障区段定位的算法流程图;
图2为含光伏的简单配电网络图;
图3为粒子编码图;
图4为粒子空间密度评估网格图;
图5为含光伏的复杂配电网络图;
图6为多重故障时的Pareto前沿图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示,一种基于MOPSO的含分布式光伏配电网故障区段定位方法,包括如下步骤:
步骤1,定义含分布式光伏配电网的终端状态编码,具体包括以下步骤:
如图2所示,以一个简单配电网络为例,其包含5个馈线区段,一个主电源S,一个光伏电源PV,其中分段开关用黑色圆点表示,编号为1-5;圆点之间的线段表示馈线区段x1-x5;实线箭头代表短路电流流向,虚线箭头代表零序电流流向,区段x3发生故障。
步骤1-a,采集FTU检测到的主电源和光伏电源向故障区段输出高于FTU整定值的故障电流信息,包括短路故障情形下的短路电流方向信息以及单相接地故障情形下的零序电流方向信息;设定短路电流方向为零序电流方向为
步骤1-b,定义配电网馈线的网络正方向:规定主电源到馈线的方向为整个网络的唯一正方向
步骤1-c,定义相间短路故障和单相接地故障情形下开关状态编码:
其中,Ij_d,Ij_l分别为第j个分段开关在相间短路与单相接地故障下的状态编码。
步骤2,建立基于MOPSO的含分布式光伏配网的开关函数模型,具体包括以下步骤:
步骤2-a,建立主电源供电配网的开关函数;设定故障区段只存在0、1两种状态,0表示区段正常,1表示区段故障;
式中:为第j个分段开关的开关函数;假定第j个开关到系统主电源线路为上游线路,第j个开关与线路末端的线路为下游线路,Nj为开关j下游线路馈线区段总数;xj,i为开关j下游第i个馈线区段状态值,0为正常状态,1为故障状态;“Π”为逻辑或运算;
步骤2-b,构建一个反映各分段开关故障电流越限与故障区段关联关系的函数,即开关函数;考虑不同数量光伏电源接入配网不同位置,主电源供电配网的开关函数中引入投切系数K满足光伏电源的动态投切,若接入则取1,否则为0;考虑不同馈线位置的光照强度会有所不同,从而影响故障电流分布,引入屏蔽系数S改进主电源供电配网的开关函数,光伏电源在较高光照强度下输出高于阈值的故障电流则对应屏蔽系数为1,否则为0,其中对于上游线路系统主电源的屏蔽系数为1;
步骤2-c,建立含分布式光伏配网的开关函数;
式中:以第j个分段开关为分界点,将配电线路分成开关到主电源的上游线路和开关到线路末端的下游线路,Nj,up,dg,Nj,down,dg分别为上、下游线路主电源与光伏电源个数;分别为从第j个开关到上游线路的第iup,dg个主电源或光伏电源路径上经过的第i1个、下游线路的第idown,dg个光伏电源路径上经过的第i2个馈线区段状态值;分别为第j个开关到上游线路第iup,dg个、下游线路的第idown,dg个主电源或光伏电源的区段数;分别为第j个开关划分的上游线路第iup个、下游线路第idown个区段状态值;Nj,up,Nj,down分别为第j个开关上、下游线路的区段数;分别为上游线路的第iup,dg个、下游线路的第idown,dg个光伏电源接入配网的开关系数;分别为上游线路第iup,dg个、下游线路第idown,dg个光伏电源提供故障电流被屏蔽的系数。
步骤3,建立含光伏配网故障区段定位的多目标定位模型,具体包括以下步骤:
步骤3-a,多目标模型的目标函数有:FTU实际上传的开关越限信息与假定开关状态信息的差异化最小,与故障区段数最小,可表示为:
其中,f1(x)为FTU实际上传的开关越限信息与假定开关状态信息的差值,f2(x)为故障区段数;min f1(x)为第一目标,min f2(x)为第二目标;
步骤3-b,考虑能合理地解释如何根据FTU上传信息定位配网发生故障的区段,基于FTU实际上传的开关越限信息与假定开关状态信息,利用两者的差异化最小构造目标函数,表示为:
式中:Ij_PV为配网中FTU实际上传第j个开关的越限信息;为第j个开关的假定开关状态信息;NS为开关总数;
步骤3-c,由于仅利用f1(x)容易造成故障区段的错误定位,根据故障诊断理论中的“最小集”概念构建辅助故障区段评价函数,以故障区段数最小为目标,表示为:
式中:xi表示第i个区段的状态值;NQ为配网区段总数;
步骤3-d,含光伏配网故障区段定位的约束:
x(i)=0or1
其中,x(i)为馈线区段状态,i的取值为0,1,...,N;在馈线区段未发生故障时x(i)为0,若发生故障x(i)为1。
步骤4,基于Pareto最优概念采用多目标粒子群进化算法(MOPSO)对上述多目标优化问题进行求解,具体包括以下步骤:
步骤4-a,设定MOPSO算法中参数:内部粒子群规模,外部粒子群规模,惯性权重,学习因子和最大迭代次数,设定算法中粒子的维度与配网区段的数目相对应,通过随机选择0、1两种离散信息初始化粒子位置;
步骤4-b,粒子编码;基于配网区段数对内部粒子群中粒子的位置进行随机初始化编码;
步骤4-c,更新外部粒子群;若内部粒子群中最优粒子的位置pbest支配外部粒子群中某粒子的位置,则替换该粒子;若其被支配则不被替换;若它们没有支配关系则将该粒子存入外部粒子群;基于Pareto最优解集的MOPSO收敛过程,每次迭代根据Pareto最优概念在内部粒子群中,选择非支配解所对应的粒子位置,并基于该粒子与外部粒子群中粒子的支配关系完成外部粒子群更新的过程;
步骤4-d,粒子密度信息估计与确定gbest位置;通过网格密度法确定gbest位置,粒子在网格中的密度表达式如下:
Di=k×NOPi
式中:Di为第i个网格的密度值;NOPi为第i个网格中外部粒子的个数;k为正常数,通常取1;
采用网格密度法对每次迭代外部粒子群中的粒子进行密度评估,若每个网格中每个网格中的粒子数越多,则其密度值越大,反之越小;使用轮盘赌的方法选择某个密度最低的网格,然后在这个网格随机选择一个粒子作为gbest位置;
步骤4-e,更新内部粒子群与确定pbest位置;基于第一目标,第二目标最小所对应粒子的gbest位置,根据下式更新粒子速度,使粒子的位置能够更快向最优解更新;并确定对应粒子的当前位置与pbest位置;
的函数为:
式中:分别为第i个粒子在第t+1次迭代时在第n维空间的速度和位置;是第i个粒子到第t次迭代时在第n维空间的当前个体最优位置; 分别是外部粒子群中到第t次迭代为止在第n维空间使第一目标、第二目标最小时所确定的粒子最优位置;w为惯性权重;c1、c2是加速因子;均为第t次迭代中在[0,1]范围内的随机数,为第t+1次迭代介于[0,1]的随机数;
基于Pareto最优概念更新pbest位置,如果当前粒子的位置被其pbest所支配,则pbest不更新;若当前粒子的位置支配pbest,则用当前粒子的位置替换pbest;如果两者互不支配,则随机选择其中一个作为pbest。
步骤4-f,配网故障区段定位问题的Pareto最优解集中只存在唯一解对应故障区段。根据Pareto最优解集,找到使第一目标最小的解,对该解对应的粒子进行解码从而定位故障区段。
下面结合图3至图6,以含光伏电源的复杂配电网络为具体实例说明本发明所述模型与算法的可行性和有效性:
如图3所示,为本方法算例中所用含分布式光伏的复杂配电网络,共设置23个分段开关,用黑色圆点表示,编号为1-23;圆点之间的线段表示馈线区段,编号为(1)-(23)。其中,分段开关1处为系统主电源S,PV1-PV3为并入配电网的3个光伏电源,分别设置在馈线末端的分段开关12、20处,以及馈线中分段开关5与6之间,K1-K3为对应光伏电源的接入开关。
以配网中第4个开关的上游线路存在主电源S和一个光伏电源PV1、下游线路存在一个光伏电源PV2为例,对应的开关系数和屏蔽系数为KS=KPV1=KPV2=1,SS=SPV1=SPV2=1,此时的开关函数为:
当第4个开关的上游某区段发生故障时,当第4个开关的下游某区段发生故障,
若PV2接入处的光照强度较低,导致其出力较小,提供的故障电流被屏蔽,SPV2=0,此时开关函数为:
第4个开关的上游某区段发生故障时的下游某区段发生故障时的以上计算结果与FTU实际上传故障信息一致,因此含光伏电源的配电网络开关函数具有可行性和有效性。
本发明采用MOPSO算法求解含分布式光伏配电网故障区段定位问题,算法中的参数设置如表1所示。
参数 | 取值 |
内部粒子群规模 | 100 |
外部粒子群规模 | 50 |
惯性权重w | 0.9 |
学习因子c1、c2 | 1.5 |
粒子维度N | 23 |
最大迭代次数t | 100 |
表1
关于粒子编码如图4所示,由搜索空间、目标空间和密度信息3个部分组成。搜索空间表示各粒子的23维位置信息;目标空间表示本方法中定位模型的第一目标、第二目标函数;密度信息包括根据图5所示的空间密度评估网格确定外部粒子群中各粒子的密度,及其所在网格的编号。
如图6所示,为以区段(5)、(8)发生故障为例求得的Pareto前沿。所有光伏电源并网运行且提供的故障电流都未被FTU屏蔽,FTU实际上传的故障信息序列为[1 1 1 1 1 0 01 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 0 0 0],将该采集信号作为输入,启动MOPSO算法得到如图6所示收敛的Pareto前沿。由图6可知,Pareto最优解集中存在三种最优粒子,其中使f2最小对应的粒子a3编码为[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0],表示无区段发生故障;粒子a2对应编码为[0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00],对应区段(5)发生故障,上述两种解不满足定位要求;使目标f1最小粒子a1的编码为[0 00 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0],即该粒子的第5和8维位置为1,对应区段(5)、(8)发生故障,定位结果与预先设置的故障情况相吻合,且符合关于故障区段确定的要求。
考虑以下三种情况:
情形1:不考虑光照强度影响,FTU上传信息未发生畸变;
情形2:不考虑光照强度影响,FTU上传信息发生畸变;
情形3:考虑光照强度影响。
情形1下对含分布式光伏配网进行故障区段定位,不考虑光照强度和信息畸变的影响,由于主电源和光伏电源都能提供高于FTU设定阈值的故障电流,因此在不同数量光伏电源接入配网的定位结果如表2所示。当线路发生单一或多重故障时,在不考虑光照强度的影响下,不同数量的光伏电源接入配网的不同位置,本发明提出的MOPSO定位方法都能获得准确的故障区段定位结果,具有较高的准确性。
表2
情形2下FTU实际上传的故障信息序列中存在个别或多个信息畸变,采用所提的MOPSO算法进行求解,在该情形下,仿真结果如表3所示。考虑在不同数量光伏电源并入下存在畸变信息,发生单重和多重故障时的定位结果与实际故障区段相符合,表明算法的容错性较好。
表3
情形3中3个光伏电源全都并网运行的前提下,考虑某光伏电源因当地光照强度较弱导致其提供的故障电流被FTU屏蔽的情况,通过对此情形进行仿真分析,验证在不同光照强度下光伏电源接入情形时本文提出的开关函数的有效性,以及所提定位方法的可行性。仿真结果见表4。
表4
由表4可见,在光伏电源接入馈线不同位置处光照强度较低的情形下光伏电源提供的故障电流被屏蔽,此时构建的开关函数依然能合理地推导得到与故障区段关联的分段开关越限信息,并能准确定位故障区段。
综合上述三种情形,本发明提出的基于MOPSO的含分布式光伏配电网故障区段定位模型和算法,能实现在不同光照强度、存在畸变信息,发生单一和多重故障下区段的准确与容错定位。
表5
本文还从发生“未成熟收敛”的次数比较MOPSO求解本文的多目标模型与使用普通智能算法BPSO和GA求解单目标模型的性能。分别利用3种算法对表1中的同一个单一、多重故障进行定位分析,每种算法连续运行30次,得到3种算法求解出现“未成熟收敛”次数的比较结果如表5所示。由表5可知,使用普通智能算法求解带有权重值的单目标优化问题会出现“未成熟收敛”现象,且次数随着故障数的增加而增加,而使用MOPSO算法避免了对权重的选取,因此未出现该现象。
此外,本文比较了MOPSO与NSGA-II收敛速度。由于多目标进化算法求解得到的是最优解集,因此设定连续5代最优解集不变则迭代截止,通过连续运行10次求得平均迭代次数,见表6。MOPSO算法的平均迭代次数明显要少,因此其定位故障区段的速度较快,满足配网故障区段定位快速性的要求。
表6
算例结果表明,本发明提出的方法能有效定位含分布式光伏配网的故障区段。相比于使用NSGA-II算法和普通智能算法,定位的快速性和准确性得到提升。以上所述仅是本发明的优选实施方式,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,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于MOPSO的含分布式光伏配电网故障区段定位方法,其特征在于:包括如下步骤:
步骤1,定义含分布式光伏配电网的终端状态编码;
步骤2,建立基于MOPSO的含分布式光伏配网的开关函数模型;
步骤3,建立含光伏配网故障区段定位的多目标定位模型;
步骤4,基于Pareto最优概念采用多目标粒子群进化算法MOPSO对上述多目标优化问题进行求解从而定位故障区段。
2.根据权利要求1所述的基于MOPSO的含分布式光伏配电网故障区段定位方法,其特征在于:所述步骤1包括以下步骤:
步骤1-a,采集FTU检测到的主电源和光伏电源向故障区段输出高于FTU整定值的故障电流信息,包括短路故障情形下的短路电流方向信息以及单相接地故障情形下的零序电流方向信息;设定短路电流方向为零序电流方向为
步骤1-b,定义配电网馈线的网络正方向:规定主电源到馈线的方向为整个网络的唯一正方向
步骤1-c,定义相间短路故障和单相接地故障情形下开关状态编码:
其中,Ij_d,Ij_l分别为第j个分段开关在相间短路与单相接地故障下的状态编码。
3.根据权利要求1所述的基于MOPSO的含分布式光伏配电网故障区段定位方法,其特征在于:所述步骤2包括以下步骤:
步骤2-a,建立主电源供电配网的开关函数;设定故障区段只存在0、1两种状态,0表示区段正常,1表示区段故障;
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mi>S</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Pi;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
式中:为第j个分段开关的开关函数;假定第j个开关到系统主电源线路为上游线路,第j个开关与线路末端的线路为下游线路,Nj为开关j下游线路馈线区段总数;xj,i为开关j下游第i个馈线区段状态值,0为正常状态,1为故障状态;“Π”为逻辑或运算;
步骤2-b,考虑不同数量光伏电源接入配网不同位置,主电源供电配网的开关函数中引入投切系数K满足光伏电源的动态投切,若接入则取1,否则为0;考虑不同馈线位置的光照强度有所不同,从而影响故障电流分布,引入屏蔽系数S改进主电源供电配网的开关函数,光伏电源在较高光照强度下输出高于阈值的故障电流则对应屏蔽系数为1,否则为0,其中对于上游线路系统主电源的屏蔽系数为1;
步骤2-c,建立含分布式光伏配网的开关函数;
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mi>P</mi>
<mi>V</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&lsqb;</mo>
<munderover>
<mi>&Pi;</mi>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>N</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>u</mi>
<mi>p</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>S</mi>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>K</mi>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</msub>
<mo>&CenterDot;</mo>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</msub>
<mo>-</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&lsqb;</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>S</mi>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>K</mi>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>,</mo>
<mi>d</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<munderover>
<mi>&Pi;</mi>
<mrow>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>u</mi>
<mi>p</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>u</mi>
<mi>p</mi>
</mrow>
</msub>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中:以第j个分段开关为分界点,将配电线路分成开关到主电源的上游线路和开关到线路末端的下游线路,Nj,up,dg,Nj,down,dg分别为上、下游线路主电源与光伏电源个数;分别为从第j个开关到上游线路的第iup,dg个主电源或光伏电源路径上经过的第i1个、下游线路的第idown,dg个光伏电源路径上经过的第i2个馈线区段状态值;分别为第j个开关到上游线路第iup,dg个、下游线路的第idown,dg个主电源或光伏电源的区段数;分别为第j个开关划分的上游线路第iup个、下游线路第idown个区段状态值;Nj,up,Nj,down分别为第j个开关上、下游线路的区段数;分别为上游线路的第iup,dg个、下游线路的第idown,dg个光伏电源接入配网的开关系数;分别为上游线路第iup,dg个、下游线路第idown,dg个光伏电源提供故障电流被屏蔽的系数。
4.根据权利要求1所述的基于MOPSO的含分布式光伏配电网故障区段定位方法,其特征在于:所述步骤3包括以下步骤:
步骤3-a,多目标模型的目标函数有:FTU实际上传的开关越限信息与假定开关状态信息的差异化最小,与故障区段数最小,可表示为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,f1(x)为FTU实际上传的开关越限信息与假定开关状态信息的差值,f2(x)为故障区段数;min f1(x)为第一目标,min f2(x)为第二目标;
步骤3-b,基于FTU实际上传的开关越限信息与假定开关状态信息,利用两者的差异化最小构造目标函数,表示为:
<mrow>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mi>P</mi>
<mi>V</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>S</mi>
</msub>
</munderover>
<mo>|</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mi>P</mi>
<mi>V</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>I</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mi>P</mi>
<mi>V</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
式中:Ij_PV为配网中FTU实际上传第j个开关的越限信息;为第j个开关的假定开关状态信息;NS为开关总数;
步骤3-c,由于仅利用f1(x)容易造成故障区段的错误定位,根据故障诊断理论中的“最小集”概念构建辅助故障区段评价函数,以故障区段数最小为目标,表示为:
<mrow>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>Q</mi>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
式中:xi表示第i个区段的状态值;NQ为配网区段总数;
步骤3-d,含光伏配网故障区段定位的约束:
x(i)=0or1
其中,x(i)为馈线区段状态,i的取值为0,1,...,N;在馈线区段未发生故障时x(i)为0,若发生故障x(i)为1。
5.根据权利要求1所述的基于MOPSO的含分布式光伏配电网故障区段定位方法,其特征在于:所述步骤4包括以下步骤:
步骤4-a,设定MOPSO算法中参数:内部粒子群规模,外部粒子群规模,惯性权重,学习因子和最大迭代次数,设定算法中粒子的维度与配网区段的数目相对应,通过随机选择0、1两种离散信息初始化粒子位置;
步骤4-b,粒子编码;基于配网区段数对内部粒子群中粒子的位置进行随机初始化编码;
步骤4-c,更新外部粒子群;若内部粒子群中最优粒子的位置pbest支配外部粒子群中某粒子的位置,则替换该粒子;若其被支配则不被替换;若它们没有支配关系则将该粒子存入外部粒子群;基于Pareto最优解集的MOPSO收敛过程,每次迭代根据Pareto最优概念在内部粒子群中,选择非支配解所对应的粒子位置,并基于该粒子与外部粒子群中粒子的支配关系完成外部粒子群更新的过程;
步骤4-d,粒子密度信息估计与确定gbest位置;通过网格密度法确定gbest位置,粒子在网格中的密度表达式如下:
Di=k×NOPi
式中:Di为第i个网格的密度值;NOPi为第i个网格中外部粒子的个数;k为正常数,通常取1;
采用网格密度法对每次迭代外部粒子群中的粒子进行密度评估,若每个网格中每个网格中的粒子数越多,则其密度值越大,反之越小;使用轮盘赌的方法选择某个密度最低的网格,然后在这个网格随机选择一个粒子作为gbest位置;
步骤4-e,更新内部粒子群与确定pbest位置;基于第一目标,第二目标最小所对应粒子的gbest位置,根据下式更新粒子速度,使粒子的位置能够更快向最优解更新;并确定对应粒子的当前位置与pbest位置;
<mrow>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>wv</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>r</mi>
<mn>1</mn>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
<mo>.</mo>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>r</mi>
<mn>2</mn>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>g</mi>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
<mn>1</mn>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>r</mi>
<mn>3</mn>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>g</mi>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
<mn>2</mn>
<mo>,</mo>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>t</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo><</mo>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>m</mi>
<mi>o</mi>
<mi>i</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>&GreaterEqual;</mo>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>m</mi>
<mi>o</mi>
<mi>i</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
的函数为:
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>m</mi>
<mi>o</mi>
<mi>i</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>v</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0.98</mn>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>v</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>></mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
</msup>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mn>4</mn>
<mo>&le;</mo>
<msubsup>
<mi>v</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>&le;</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>0.98</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>v</mi>
<mi>i</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo><</mo>
<mo>-</mo>
<mn>4</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中:分别为第i个粒子在第t+1次迭代时在第n维空间的速度和位置;是第i个粒子到第t次迭代时在第n维空间的当前个体最优位置; 分别是外部粒子群中到第t次迭代为止在第n维空间使第一目标、第二目标最小时所确定的粒子最优位置;w为惯性权重;c1、c2是加速因子;均为第t次迭代中在[0,1]范围内的随机数,为第t+1次迭代介于[0,1]的随机数;
基于Pareto最优概念更新pbest位置,如果当前粒子的位置被其pbest所支配,则pbest不更新;若当前粒子的位置支配pbest,则用当前粒子的位置替换pbest;如果两者互不支配,则随机选择其中一个作为pbest。
步骤4-f,根据Pareto最优解集,找到使第一目标最小的解,对该解对应的粒子进行解码从而定位故障区段。
6.根据权利要求1所述的基于MOPSO的含分布式光伏配电网故障区段定位方法,其特征在于:所述步骤4-a中MOPSO算法参数设置如表1所示:
表1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710716394.4A CN107290633B (zh) | 2017-08-18 | 2017-08-18 | 基于mopso的含分布式光伏配电网故障区段定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710716394.4A CN107290633B (zh) | 2017-08-18 | 2017-08-18 | 基于mopso的含分布式光伏配电网故障区段定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107290633A true CN107290633A (zh) | 2017-10-24 |
CN107290633B CN107290633B (zh) | 2019-11-08 |
Family
ID=60106381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710716394.4A Expired - Fee Related CN107290633B (zh) | 2017-08-18 | 2017-08-18 | 基于mopso的含分布式光伏配电网故障区段定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107290633B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108548992A (zh) * | 2018-05-30 | 2018-09-18 | 广东电网有限责任公司 | 一种基于假设故障区域的配网故障定位方法 |
CN108957226A (zh) * | 2018-06-21 | 2018-12-07 | 西安理工大学 | 一种适用于含高比例分布式电源接入配电网的故障馈线定位方法 |
CN109490704A (zh) * | 2018-10-16 | 2019-03-19 | 河海大学 | 一种基于随机森林算法的配电网故障区段定位方法 |
CN109541397A (zh) * | 2018-11-29 | 2019-03-29 | 杭州电力设备制造有限公司 | 一种主动配电网的相间短路故障定位方法、装置及系统 |
CN109635411A (zh) * | 2018-12-06 | 2019-04-16 | 湖北鄂电德力电气有限公司 | 一种计及ftu漏报和误报的配电网故障分层定位方法 |
CN110632451A (zh) * | 2019-08-22 | 2019-12-31 | 国网浙江省电力有限公司衢州供电公司 | 一种低压有源配电网故障定位方法 |
CN111289845A (zh) * | 2020-01-13 | 2020-06-16 | 山东大学 | 一种有源配电网故障定位方法及系统 |
CN112014686A (zh) * | 2020-08-14 | 2020-12-01 | 国网河南省电力公司封丘县供电公司 | 一种基于邻接矩阵最短路径的低压配电网故障定位方法 |
CN112147458A (zh) * | 2020-04-09 | 2020-12-29 | 南京理工大学 | 一种基于改进万有引力算法的含dg配电网的故障区段定位方法 |
CN112327097A (zh) * | 2020-10-27 | 2021-02-05 | 南方电网科学研究院有限责任公司 | 一种电力故障线路定位方法 |
CN112684281A (zh) * | 2020-11-12 | 2021-04-20 | 国网河北省电力有限公司电力科学研究院 | 配电网单相接地故障区段定位方法、装置及终端设备 |
CN113410838A (zh) * | 2021-06-22 | 2021-09-17 | 天津大学 | 一种配电网多目标鲁棒优化模型帕累托最优解分析方法 |
CN113687190A (zh) * | 2021-09-22 | 2021-11-23 | 云南民族大学 | 一种基于sabso算法的含分布式电源配电网故障定位方法 |
CN117638868B (zh) * | 2023-10-23 | 2024-06-04 | 天津大学 | 分布式光伏接入下配电网方向电流保护适用边界评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103515954A (zh) * | 2013-09-10 | 2014-01-15 | 河海大学 | 一种基于时变负荷分布特性的配电网动态重构方法 |
CN104599193A (zh) * | 2015-01-16 | 2015-05-06 | 国家电网公司 | 一种基于规则库的配电网单相接地故障定位方法 |
CN105337308A (zh) * | 2015-10-23 | 2016-02-17 | 南京南瑞集团公司 | 一种电网侧区域分布式光伏运维管理系统及管理方法 |
CN105785231A (zh) * | 2016-05-16 | 2016-07-20 | 河南工程学院 | 一种配电网在线故障容错性定位的线性整数规划方法 |
CN106229964A (zh) * | 2016-07-22 | 2016-12-14 | 南京工程学院 | 一种基于改进二进制粒子群算法的配电网故障定位方法 |
CN106680669A (zh) * | 2016-12-24 | 2017-05-17 | 国网吉林省电力有限公司培训中心 | 基于二进制混合算法的配电网故障区段定位方法 |
-
2017
- 2017-08-18 CN CN201710716394.4A patent/CN107290633B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103515954A (zh) * | 2013-09-10 | 2014-01-15 | 河海大学 | 一种基于时变负荷分布特性的配电网动态重构方法 |
CN104599193A (zh) * | 2015-01-16 | 2015-05-06 | 国家电网公司 | 一种基于规则库的配电网单相接地故障定位方法 |
CN105337308A (zh) * | 2015-10-23 | 2016-02-17 | 南京南瑞集团公司 | 一种电网侧区域分布式光伏运维管理系统及管理方法 |
CN105785231A (zh) * | 2016-05-16 | 2016-07-20 | 河南工程学院 | 一种配电网在线故障容错性定位的线性整数规划方法 |
CN106229964A (zh) * | 2016-07-22 | 2016-12-14 | 南京工程学院 | 一种基于改进二进制粒子群算法的配电网故障定位方法 |
CN106680669A (zh) * | 2016-12-24 | 2017-05-17 | 国网吉林省电力有限公司培训中心 | 基于二进制混合算法的配电网故障区段定位方法 |
Non-Patent Citations (1)
Title |
---|
黄知伟: "基于云粒子群算法的含DG配电网故障定位", 《中国优秀硕士学位论文全文数据库(电子期刊网)》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108548992A (zh) * | 2018-05-30 | 2018-09-18 | 广东电网有限责任公司 | 一种基于假设故障区域的配网故障定位方法 |
CN108957226A (zh) * | 2018-06-21 | 2018-12-07 | 西安理工大学 | 一种适用于含高比例分布式电源接入配电网的故障馈线定位方法 |
CN108957226B (zh) * | 2018-06-21 | 2020-11-27 | 西安理工大学 | 一种适用于分布式电源接入配电网的故障馈线定位方法 |
CN109490704A (zh) * | 2018-10-16 | 2019-03-19 | 河海大学 | 一种基于随机森林算法的配电网故障区段定位方法 |
CN109541397A (zh) * | 2018-11-29 | 2019-03-29 | 杭州电力设备制造有限公司 | 一种主动配电网的相间短路故障定位方法、装置及系统 |
CN109635411A (zh) * | 2018-12-06 | 2019-04-16 | 湖北鄂电德力电气有限公司 | 一种计及ftu漏报和误报的配电网故障分层定位方法 |
CN110632451A (zh) * | 2019-08-22 | 2019-12-31 | 国网浙江省电力有限公司衢州供电公司 | 一种低压有源配电网故障定位方法 |
CN111289845A (zh) * | 2020-01-13 | 2020-06-16 | 山东大学 | 一种有源配电网故障定位方法及系统 |
CN112147458A (zh) * | 2020-04-09 | 2020-12-29 | 南京理工大学 | 一种基于改进万有引力算法的含dg配电网的故障区段定位方法 |
CN112014686A (zh) * | 2020-08-14 | 2020-12-01 | 国网河南省电力公司封丘县供电公司 | 一种基于邻接矩阵最短路径的低压配电网故障定位方法 |
CN112014686B (zh) * | 2020-08-14 | 2022-07-05 | 国网河南省电力公司封丘县供电公司 | 一种基于邻接矩阵最短路径的低压配电网故障定位方法 |
CN112327097A (zh) * | 2020-10-27 | 2021-02-05 | 南方电网科学研究院有限责任公司 | 一种电力故障线路定位方法 |
CN112684281A (zh) * | 2020-11-12 | 2021-04-20 | 国网河北省电力有限公司电力科学研究院 | 配电网单相接地故障区段定位方法、装置及终端设备 |
CN112684281B (zh) * | 2020-11-12 | 2022-10-04 | 国网河北省电力有限公司电力科学研究院 | 配电网单相接地故障区段定位方法、装置及终端设备 |
CN113410838A (zh) * | 2021-06-22 | 2021-09-17 | 天津大学 | 一种配电网多目标鲁棒优化模型帕累托最优解分析方法 |
CN113410838B (zh) * | 2021-06-22 | 2022-04-15 | 天津大学 | 一种配电网多目标鲁棒优化模型帕累托最优解分析方法 |
CN113687190A (zh) * | 2021-09-22 | 2021-11-23 | 云南民族大学 | 一种基于sabso算法的含分布式电源配电网故障定位方法 |
CN117638868B (zh) * | 2023-10-23 | 2024-06-04 | 天津大学 | 分布式光伏接入下配电网方向电流保护适用边界评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107290633B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107290633B (zh) | 基于mopso的含分布式光伏配电网故障区段定位方法 | |
CN110348048B (zh) | 基于考虑热岛效应负荷预测的配电网优化重构方法 | |
CN108957226B (zh) | 一种适用于分布式电源接入配电网的故障馈线定位方法 | |
CN103310065B (zh) | 计及分布式发电和储能单元的智能配网重构方法 | |
CN107271852B (zh) | 基于电压暂降信息的复杂配电网故障定位方法 | |
CN109490704A (zh) | 一种基于随机森林算法的配电网故障区段定位方法 | |
CN108776869A (zh) | 基于智能电表大数据分析的台区变压器三相不平衡治理方法 | |
CN110554280B (zh) | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 | |
CN105305442B (zh) | 基于量子遗传算法的多目标智能配电网自愈恢复方法 | |
CN104578427A (zh) | 一种含微网电源的配电网的故障自愈方法 | |
CN110988596A (zh) | 一种新型主动配电网故障区段定位方法 | |
CN111123028A (zh) | 一种基于分层模型的有源低压配电网故障定位优化方法 | |
CN112557811B (zh) | 一种基于改进遗传算法的含分布式电源配电网故障定位 | |
CN109217284A (zh) | 一种基于免疫二进制粒子群算法的配电网重构方法 | |
CN104123684A (zh) | 一种计及网损和可靠性的配电网经济性重构方法 | |
CN116154855A (zh) | 基于分布式发电孤岛运行方式的智能配电网供电恢复方法 | |
CN111429043B (zh) | 基于场景构建的电压暂降特征量随机评估方法 | |
CN112485587B (zh) | 一种含分布式光伏配电网故障区段分层定位方法 | |
Zhang et al. | Evolutionary based Pareto optimization algorithms for bi-objective PV array reconfiguration under partial shading conditions | |
CN112132283A (zh) | 一种基于遗传算法的非信号注入式户变拓扑关系识别方法 | |
CN112014687A (zh) | 一种含分布式电源的主动配电网故障区段分层定位方法 | |
CN108334950A (zh) | 一种应用单亲遗传算法的配电网络重构方法 | |
CN111091141B (zh) | 一种基于分层Softmax的光伏背板故障诊断方法 | |
Wang et al. | Application of multiattention mechanism in power system branch parameter identification | |
CN112487710B (zh) | 一种配电网保护配置优化方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191108 |