CN108957247A - 一种基于仿电磁学算法的配电网故障定位方法 - Google Patents
一种基于仿电磁学算法的配电网故障定位方法 Download PDFInfo
- Publication number
- CN108957247A CN108957247A CN201811134093.1A CN201811134093A CN108957247A CN 108957247 A CN108957247 A CN 108957247A CN 201811134093 A CN201811134093 A CN 201811134093A CN 108957247 A CN108957247 A CN 108957247A
- Authority
- CN
- China
- Prior art keywords
- particle
- distribution network
- power distribution
- imitative
- feeder line
- 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.)
- Pending
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及交流电网的故障定位技术领域,更具体地,涉及一种基于仿电磁学算法的配电网故障定位方法。本发明通过利用馈线终端设备FTU故障时上报的故障电流信息以及配电网的拓扑结构形成适应度函数,再利用快速性、准确性和容错性都很好的仿电磁学算法来搜寻适应度函数的最优解,以此定位故障区域。该方法具有原理简单、算法实现较容易、运行效率高的特点,仿真验证表明该算法在配电网故障定位的快速性和高容错性方面具有明显优势。
Description
技术领域
本发明涉及交流电网的故障定位技术领域,更具体地,涉及一种基于仿电磁学算法的配电网故障定位方法。
背景技术
配电网故障定位是实现配电网故障区段快速有效隔离和恢复供电的前提,对于保证用户供电质量和提高系统可靠性具有重要作用。随着配电网自动化水平的提高,大量白动化终端设备如馈线终端单元(feeder terminal unit,FTU)等的应用,可实时获取配电网的运行信息,以此为基础的配电网故障定位方法具有原理简单、算法实现便捷的优点。目前,这些算法主要有统一矩阵算法和人工智能方法这2类。统一矩阵算法又称直接法,具有实现简单、速度快的优点,成为配电网故障定位的常用方法。不足之处在于其采用的故障定位信息仅为线路元件两端分段开关的信息,属于局部搜索算法,当故障定位信息发生畸变时,容易出现故障错判或漏判等问题。基于人工智能技术的故障定位方法又称为间接法,只要构建的模型能够有效反映配电网拓扑信息,进行故障定位时将具有较高的容错性能,这些故障定位方法主要有蚁群算法、粗糙集理论、神经网络、Petri网、遗传算法等。但以人工智能为基础的配电网故障定位方法存在模型构建相对复杂、故障定位效率不高及模型不够完善等缺点。
为进一步完善以人工智能为基础的配电网故障定位数学模型及提高故障定位效率,将仿电磁学算法(electromagnetism-like mechanism,ELM)应用到配电网故障定位中。本发明具有简单、算法实现较容易、运行效率高的特点,仿真证明该算法在配电网故障定位的快速性和高容错性方面具有明显优势,并验证故障定位统一数学模型的正确性。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于仿电磁学算法的配电网故障定位方法。
为解决上述技术问题,本发明采用的技术方案是:一种基于仿电磁学算法的配电网故障定位方法,所述方法包括以下步骤:
S1:将配电网中装有馈线终端设备FTU的断路器、分段开关看作节点,节点间的支路为定位的馈线区段;若馈线区段存在故障则馈线区段状态为1,若馈线区段不存在故障则馈线区段状态为0;
S2:根据配电网的有向图和拓扑结构,得到一个适应度函数,利用仿电磁学算法得到适应度函数最小时的最优解,以此确定故障区域;
S3:提出开关函数,并搭建仿真平台进行验证。该方法原理简单,算法实现较容易、运行效率高,且对于馈线终端设备FTU发生漏报、误报的情况具有较高的容错率。
优选地,所述步骤S1具体包括以下步骤:
s11:将配电网中装有馈线终端设备FTU的断路器、分段开关看作节点并编号,并对各节点间的馈线区段进行编号;
s12:采用0-1编码的方法,代表独立设备的状态信息,其中逻辑值1表示设备故障,逻辑值0表示设备正常;
s13:若馈线终端设备FTU测得馈线区段故障电流越限信息,则上报1,否则上报0。
优选地,所述适应度函数为:其中Ij为第j个断路器、分段开关的故障电流越限信息,有越限时Ij为1,否则Ij为0;x(j)为第j个馈线区段的状态信息,有故障时为1,无故障时为0;Ij *(X)为设备状态信息确定的第j个断路器或分段开关故障电流越限的期望值函数,称其为开关函数;w是避免误判错判而取的权重系数,0<w<1。
优选地,所述仿电磁学算法具体步骤为:
s41:从可行域中随机产生一组初始种群,并将每个个体Xk,i看作一个带电粒子;
s42:在迭代过程中根据每个粒子的适应度函数值f(Xk,i)计算出其对应的电荷值qk,I,其计算公式为其中,qk,i为第k次迭代中第i个粒子具有的电荷值,其值大小表明粒子与本次迭代中最好粒子的接近程度,电荷值越大表明其与最好粒子越接近;m为种群中粒子总数;n为粒子维数;f(·)为种群中粒子的适应度函数;Xk,i为第k次迭代中第i个粒子;Xk,best为第k次迭代中适应度函数值最好的粒子;
s43:根据粒子及其电荷值描述种群中每个粒子的矢量力大小和性质,若f(Xk,j)<f(Xk,i),粒子Xk,i和粒子Xk,j之间作用力性质为吸引力,否则为排斥力;矢量Fk,i表示其他粒子Xk,j与粒子Xk,i作用力的代数和,粒子Xk,i的矢量力表达式为:
其中,||·||为向量的欧氏范数;Fk,i为第k次迭代中第i个粒子的矢量力;
s44:根据粒子Xk,i电荷值计算和矢量力计算,仿电磁学算法通过种群移动模型产生新一代种群,种群进化模型的数学模型为:其中,λ为权重因子,为0~1之间的随机数,直接反映了种群的移动程度。
优选地,若断路器或分段开关下游有任一馈线区段发生故障,则开关函数为1,否则为0。
与现有技术相比,本发明的有益效果是:
本发明为一种基于仿电磁学算法的配电网故障定位方法,仿电磁学算法与遗传算法相比在优化性能和速度上具有明显优势,对于以人工智能方法为基础的配电网故障定位方法的发展有重要作用,具有良好的应用前景;该发明可同时实现多个馈线区段的故障定位,提高了故障定位的效率;本发明对离散变量的处理方法具有通用性,可以用于含有离散变量的组合优化问题。
附图说明
图1为本发明的多电源复杂配电网的故障定位方法流程图;
图2多电源配电网的拓扑结构图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例
图1为本发明一种基于仿电磁学算法的配电网故障定位方法的流程图,所述方法包括以下步骤:
S1:将配电网中装有馈线终端设备FTU的断路器、分段开关看作节点,节点间的支路为定位的馈线区段;若馈线区段存在故障则馈线区段状态为1,若馈线区段不存在故障则馈线区段状态为0;
S2:根据配电网的有向图和拓扑结构,得到一个适应度函数,利用仿电磁学算法得到适应度函数最小时的最优解,以此确定故障区域;
S3:提出开关函数,并搭建仿真平台进行验证。该方法原理简单,算法实现较容易、运行效率高,且对于馈线终端设备FTU发生漏报、误报的情况具有较高的容错率。
其中,步骤S1具体包括以下步骤:
s11:将配电网中装有馈线终端设备FTU的断路器、分段开关看作节点并编号,并对各节点间的馈线区段进行编号;
s12:采用0-1编码的方法,代表独立设备的状态信息,其中逻辑值1表示设备故障,逻辑值0表示设备正常;假定对具有9个馈线区段的单电源辐射型配电网的故障定位最终结果为[000000100],则表示故障发生在第7个馈线区段;若馈线终端设备FTU测得馈线区段故障电流越限信息,则上报1,否则上报0。
另外,适应度函数为:表达式的值为每个潜在解对应的适应度值,值越小表示解越优良,因此适应度函数应取极小值;式中,Ij为第j个断路器、分段开关的故障电流越限信息,有越限时Ij为1,否则Ij为0;x(j)为第j个馈线区段的状态信息,有故障时为1,无故障时为0;Ij *(X)为设备状态信息确定的第j个断路器或分段开关故障电流越限的期望值函数,称其为开关函数;w是避免误判错判而取的权重系数,0<w<1,在本实施例中,w=0.8。
其中,仿电磁学算法具体步骤为:
s41:从可行域中随机产生一组初始种群,并将每个个体Xk,i看作一个带电粒子;
s42:在迭代过程中根据每个粒子的适应度函数值f(Xk,i)计算出其对应的电荷值qk,i,其计算公式为其中,qk,i为第k次迭代中第i个粒子具有的电荷值,其值大小表明粒子与本次迭代中最好粒子的接近程度,电荷值越大表明其与最好粒子越接近;m为种群中粒子总数;n为粒子维数;f(·)为种群中粒子的适应度函数;Xk,i为第k次迭代中第i个粒子;Xk,best为第k次迭代中适应度函数值最好的粒子;
s43:根据粒子及其电荷值描述种群中每个粒子的矢量力大小和性质,
若f(Xk,j)<f(Xk,i),粒子Xk,i和粒子Xk,j之间作用力性质为吸引力,否则为排斥力;矢量Fk,i表示其他粒子Xk,j与粒子Xk,i作用力的代数和,粒子Xk,i的矢量力表达式为:
其中,||·||为向量的欧氏范数;Fk,i为第k次迭代中第i个粒子的矢量力;
s44:根据粒子Xk,i电荷值计算和矢量力计算,仿电磁学算法通过种群移动模型产生新一代种群,它是保证算法继续进化和种群多样性的必备条件,其作用类似于遗传算法的定义和变异算子,种群进化模型的数学模型为:其中,λ为权重因子,为0~1之间的随机数,直接反映了种群的移动程度。
另外,若断路器或分段开关下游有任一馈线区段发生故障,则开关函数为1,否则为0。
图2是多电源配电网的拓扑结构图,图中的箭头为配电网的正方向,数字1~19为需要定位的19个区域,有故障为1,无故障为0;S1~S19为装有FTU的开关。根据配电网的结构以及各开关的期望状态Ij*(X)的定义,可以得到各开关的期望状态Ij*(X)如下:
式中:∨表示逻辑或运算。即开关函数满足下列条件:断路器或分段开关下游若有任意区域发生故障,则开关函数为1;否则为0。
线路发生短路故障时,FTU检测到过流现象并上报至控制主站。主站分析故障信息,确定故障区段,部分情况的结果统计如下表。
FTU上报情况 | 定位情况 |
FTU上传无误 | 定位结果全部正确 |
区段4故障,S1出现漏报 | 区段4有故障 |
区段14故障,S6出现误报 | 区段14有故障 |
区段19故障,S6出现误报,S9出现误报 | 区段19有故障 |
本发明验证更多情况,发现在漏报、误报的情况下,仍有较高的正确率,且仿电磁学算法原理简单、算法实现较容易、运行效率高。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种基于仿电磁学算法的配电网故障定位方法,其特征在于,所述方法包括以下步骤:
S1:将配电网中装有馈线终端设备FTU的断路器、分段开关看作节点,节点间的支路为定位的馈线区段;若馈线区段存在故障则馈线区段状态为1,若馈线区段不存在故障则馈线区段状态为0;
S2:根据配电网的有向图和拓扑结构,得到一个适应度函数,利用仿电磁学算法得到适应度函数最小时的最优解,以此确定故障区域;
S3:提出开关函数,并搭建仿真平台进行验证。
2.根据权利要求1所述的一种基于仿电磁学算法的配电网故障定位方法,其特征在于,所述步骤S1具体包括以下步骤:
s11:将配电网中装有馈线终端设备FTU的断路器、分段开关看作节点并编号,并对各节点间的馈线区段进行编号;
s12:采用0-1编码的方法,代表独立设备的状态信息,其中逻辑值1表示设备故障,逻辑值0表示设备正常;
s13:若馈线终端设备FTU测得馈线区段故障电流越限信息,则上报1,否则上报0。
3.根据权利要求2所述的一种基于仿电磁学算法的配电网故障定位方法,其特征在于,所述适应度函数为:其中Ij为第j个断路器、分段开关的故障电流越限信息,有越限时Ij为1,否则Ij为0;x(j)为第j个馈线区段的状态信息,有故障时为1,无故障时为0;Ij *(X)为设备状态信息确定的第j个断路器或分段开关故障电流越限的期望值函数,称其为开关函数;w是避免误判错判而取的权重系数,0<w<1。
4.根据权利要求3所述的一种基于仿电磁学算法的配电网故障定位方法,其特征在于,所述仿电磁学算法具体步骤为:
s41:从可行域中随机产生一组初始种群,并将每个个体Xk,i看作一个带电粒子;
s42:在迭代过程中根据每个粒子的适应度函数值f(Xk,i)计算出其对应的电荷值qk,I,其计算公式为其中,qk,i为第k次迭代中第i个粒子具有的电荷值,其值大小表明粒子与本次迭代中最好粒子的接近程度,电荷值越大表明其与最好粒子越接近;m为种群中粒子总数;n为粒子维数;f(·)为种群中粒子的适应度函数;Xk,i为第k次迭代中第i个粒子;Xk,best为第k次迭代中适应度函数值最好的粒子;
s43:根据粒子及其电荷值描述种群中每个粒子的矢量力大小和性质,
若f(Xk,j)<f(Xk,i),粒子Xk,i和粒子Xk,j之间作用力性质为吸引力,否则为排斥力;矢量Fk,i表示其他粒子Xk,j与粒子Xk,i作用力的代数和,粒子Xk,i的矢量力表达式为:
其中,||·||为向量的欧氏范数;Fk,i为第k次迭代中第i个粒子的矢量力;
s44:根据粒子Xk,i电荷值计算和矢量力计算,仿电磁学算法通过种群移动模型产生新一代种群,种群进化模型的数学模型为:其中,λ为权重因子,为0~1之间的随机数,直接反映了种群的移动程度。
5.根据权利要求1至4任一项所述的一种基于仿电磁学算法的配电网故障定位方法,其特征在于,若断路器或分段开关下游有任一馈线区段发生故障,则开关函数为1,否则为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811134093.1A CN108957247A (zh) | 2018-09-27 | 2018-09-27 | 一种基于仿电磁学算法的配电网故障定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811134093.1A CN108957247A (zh) | 2018-09-27 | 2018-09-27 | 一种基于仿电磁学算法的配电网故障定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108957247A true CN108957247A (zh) | 2018-12-07 |
Family
ID=64472557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811134093.1A Pending CN108957247A (zh) | 2018-09-27 | 2018-09-27 | 一种基于仿电磁学算法的配电网故障定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108957247A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707895A (zh) * | 2020-06-22 | 2020-09-25 | 合肥博雷电气有限公司 | 一种基于机器学习的电磁环境复杂度评估方法及系统 |
CN113687189A (zh) * | 2021-09-15 | 2021-11-23 | 南京软核科技有限公司 | 一种配电网故障定位方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
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 |
-
2018
- 2018-09-27 CN CN201811134093.1A patent/CN108957247A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
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 |
Non-Patent Citations (1)
Title |
---|
郭壮志等: "配电网故障区间定位的仿电磁学算法", 《中国电机工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707895A (zh) * | 2020-06-22 | 2020-09-25 | 合肥博雷电气有限公司 | 一种基于机器学习的电磁环境复杂度评估方法及系统 |
CN113687189A (zh) * | 2021-09-15 | 2021-11-23 | 南京软核科技有限公司 | 一种配电网故障定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Application of NSGA-II algorithm for fault diagnosis in power system | |
CN107394773B (zh) | 考虑故障处理全过程的配网信息物理系统可靠性评估方法 | |
CN104578427B (zh) | 一种含微网电源的配电网的故障自愈方法 | |
CN108957246A (zh) | 一种基于粒子群的配电网故障定位方法 | |
Weerasooriya et al. | Towards static-security assessment of a large-scale power system using neural networks | |
Wang et al. | A hierarchical power grid fault diagnosis method using multi-source information | |
CN107271852B (zh) | 基于电压暂降信息的复杂配电网故障定位方法 | |
CN108459240A (zh) | 一种配电网线路故障区间定位方法 | |
CN106093713A (zh) | 一种含分布式电源的配电网区段故障定位方法及系统 | |
CN106841927A (zh) | 含分布式电源配电网的故障定位方法 | |
CN108957247A (zh) | 一种基于仿电磁学算法的配电网故障定位方法 | |
CN106130781B (zh) | 基于配电网拓扑模型的变压器故障累积效应评估方法 | |
CN104750878A (zh) | 一种基于混合搜索策略的拓扑故障诊断方法 | |
CN104166940A (zh) | 配电网运行风险评估方法及评估系统 | |
CN108983040A (zh) | 一种基于贝叶斯分析的配电网故障定位方法 | |
Lin et al. | Adaptive multiple fault detection and alarm processing for loop system with probabilistic network | |
CN109460431A (zh) | 一种配电网故障定位方法 | |
CN108548992A (zh) | 一种基于假设故障区域的配网故障定位方法 | |
CN106526432A (zh) | 一种基于bfoa的故障定位算法及装置 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
Rayudu | A knowledge-based architecture for distributed fault analysis in power networks | |
CN107861026A (zh) | 一种基于混合免疫算法的配电网故障定位方法 | |
Satuyeva et al. | Q-learning based protection scheme for microgrid using multi-agent system | |
CN115456109B (zh) | 电网故障元件辨识方法、系统、计算机设备及存储介质 | |
CN109886306A (zh) | 一种电网故障诊断数据清洗方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |