CN111289845A - 一种有源配电网故障定位方法及系统 - Google Patents

一种有源配电网故障定位方法及系统 Download PDF

Info

Publication number
CN111289845A
CN111289845A CN202010268847.3A CN202010268847A CN111289845A CN 111289845 A CN111289845 A CN 111289845A CN 202010268847 A CN202010268847 A CN 202010268847A CN 111289845 A CN111289845 A CN 111289845A
Authority
CN
China
Prior art keywords
distribution network
power distribution
active power
feeder
node
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
Application number
CN202010268847.3A
Other languages
English (en)
Inventor
高湛军
陈明
彭博
魏振
郭英雷
安树怀
刘明峰
孙恩德
朱晓东
李晓悦
窦王会
张健磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Shandong University
Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Shandong University
Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Shandong University, Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Publication of CN111289845A publication Critical patent/CN111289845A/zh
Pending legal-status Critical Current

Links

Images

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)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供了有源配电网故障定位方法及系统。其中，该方法包括对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态；构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，最终准确定位出发生故障的馈线区段。

Description

一种有源配电网故障定位方法及系统
技术领域
本发明属于配电网故障定位领域，尤其涉及一种有源配电网故障定位方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
配电网是“发、变、输、配”四大环节中的最后一环，在电力系统中占有十分重要的地位。配电网的电能是从输电网中获得的，并遵循着一定的规定向消费者传输电能。但是，由于一些原因，过去我国在发、输电上较为重视，而轻视配电方面的发展，导致配电网的发展一度不景气。同时，我国配电网中性点一般采取小电流接地方式，使得人们对配电网故障处理难度增大。配电网的工作情况对消费者供电的可靠性和电能质量有着很大的影响，它的重要程度越来越高，所以，提高配电网故障定位的快速性与准确性至关重要。随着分布式电源的大量接入，配电网逐渐成了一个正常功率运行与故障电流双向流动的有源网络，传统配电网的故障区段定位方法已经不完全适用于有源配电网中因此，研究准确、快速的有源配电网故障区段定位技术具有较高的实用价值。
目前，有源配电网故障区段定位方法常用的主要分为两类：直接算法与间接算法。传统的直接算法包括过热弧搜索法和矩阵算法；基于人工智能算法的间接算法主要包括专家系统方法、遗传算法和二进制粒子群算法等。发明人发现，随着分布式电源的加入配电网中，传统有源配电网的故障区段定位算法采用单目标函数存在误差等问题，最终导致有源配电网故障定位精度差。
发明内容
为了解决上述问题，本发明的第一个方面提供一种有源配电网故障定位方法，其构建出了有源配电网多目标优化模型，并采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，无需考虑权值的影响，提高了故障定位计算效率及精度。
为了实现上述目的，本发明采用如下技术方案：
一种有源配电网故障定位方法，包括：
对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态；
构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；
采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，得到有源配电网多目标优化模型的最优解，最终准确定位出发生故障的馈线区段。
为了解决上述问题，本发明的第二个方面提供一种有源配电网故障定位系统，其构建出了有源配电网多目标优化模型，并采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，无需考虑权值的影响，提高了故障定位计算效率及精度。
为了实现上述目的，本发明采用如下技术方案：
一种有源配电网故障定位系统，包括：
期望开关函数构建模块，其用于对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态；
多目标优化模型构建模块，其用于构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；
多目标优化模型求解模块，其用于采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，得到有源配电网多目标优化模型的最优解，最终准确定位出发生故障的馈线区段。
为了解决上述问题，本发明的第三个方面提供一种计算机可读存储介质，其构建出了有源配电网多目标优化模型，并采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，无需考虑权值的影响，提高了故障定位计算效率及精度。
为了实现上述目的，本发明采用如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的有源配电网故障定位方法中的步骤。
为了解决上述问题，本发明的第四个方面提供一种计算机设备，其构建出了有源配电网多目标优化模型，并采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，无需考虑权值的影响，提高了故障定位计算效率及精度。
为了实现上述目的，本发明采用如下技术方案：
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的有源配电网故障定位方法中的步骤。
本发明的有益效果是：
传统的有源配电网故障定位算法采用单目标函数进行优化，目标函数由两个小目标函数加权而成，但权值的选取会影响配电网故障定位的结果，导致误判或漏判，本发明为了解决上述问题，在对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态的基础上，构建出包含f1和f2这两个目标函数的有源配电网多目标优化模型，其中，f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；最后采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，计算简单，无需考虑权值的影响，实现了准确定位出发生故障的馈线区段的目的。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例提供的故障定位流程图；
图2为本发明实施例提供的有源配电网模型；
图3为本发明实施例提供的个体之间的聚集距离；
图4为本发明实施例提供的含DG的修正的IEEE33节点配电网图；
图5为本发明实施例提供的第一种故障情形进化过程；
图6为NSGA-II算法与SGA算法的比较。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
本实施例以有源配电网中变电站出口断路器、各馈线段的进线断路器、分段开关、联络开关为节点，规定系统电源到分布式电源的方向为系统的正方向，当某馈线段中不存在分布式电源时，规定从系统电源到负荷端的方向为系统的正方向，以基于NSGA-II(non-dominant sorting genetic algorithm with elite strategy，带精英策略的非支配排序遗传)算法的有源配电网故障定位方法为核心，辅以构造了多目标优化模型，现对发明内容做进一步说明，本发明的有源配电网故障定位方法流程如图1所示。
如图1所示，本实施例的有源配电网故障定位方法的具体实施过程为：
步骤1：对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态。
例如：如图2所示，DG1,DG2为配电网的分布式电源。
Ll,L2,L3,L4,L5,L6,L7,L8表示有源配电网中该馈线区段的编号，比如，Ll表示馈线区段1。各馈线段只存在两种状态，即不是正常状态1就是故障状态0，若已知L2＝1，L4＝0，则表示1号馈线区段未发生故障，4号馈线区段发生故障；Sl,S2,S3,S4,S5,S6,S7,S8表示各开关的编号，各开关存在三种状态，各节点处STU(smart terminal unit智能终端单元)检测到过流信息方向与规定的正方向一致时，标记为1；不一致时，标记为-1；如果没有过流信息流过时，则标记为0，K1,K2为分布式电源与主网连接的并网开关，当分布式电源接入配电网时，K＝1；反之，K＝0。
对于4号节点S4,馈线L4,L5,L6,L7,L8故障时，S4流过正向故障电流，当馈线Ll,L2,L3故障时，S4流过反向故障电流，对于开关S5，只有当馈线L5,L6故障时，S5流过正向故障电流，所以各开关与对应的馈线的期望开关函数为：
Figure BDA0002442327620000061
推广到具有n个FTU(配电开关监控终端)时，期望开关函数可表示为：
Figure BDA0002442327620000071
其中，∪表示逻辑或运算，表示第n个节点与相关馈线间的开关函数；xi表示节点i下游的馈线区段总数，Lx表示第m号节点的下游第i个馈线区段的状态值；yi表示节点y下游的馈线区段总数，Ly表示第m号节点的上游第i个馈线区间的状态值；w为有源配电网中分布式电源的个数；Kt表示第m号开关下半区的第t个分布式电源是否接入配电网，当分布式电源接入配电网时，Kt＝1；反之，Kt＝0。
步骤2：构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和。
有源配电网多目标优化模型为：
Figure BDA0002442327620000072
其中，I(Sn)表示实际故障区段内第n个开关节点的实际状态；I*(Sn)表示实际故障区段内第n个开关节点的预测状态；N表示实际故障区段内所有开关节点的个数；Xi表示有源配电网各馈线区段的状态值。
步骤3：采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，得到有源配电网多目标优化模型的最优解，最终准确定位出发生故障的馈线区段。
在具体实施中，采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型的过程包括：
步骤3.1：快速非支配排序；其具体过程为：
首先，找出该种群中的所有非支配个体，并赋予他们一个共享的虚拟适应度值，得到第一个非支配最优层；然后，对种群中的其它个体继续按照支配与非支配关系进行分层，并赋予新的虚拟适应度值，该值要小于上一层的值，对剩下的个体继续上述操作，直到种群中的所有个体都被分层。
步骤3.2：确定拥挤度；其具体过程为：
通过计算个体的拥挤度作为实现种群多样性的依据。其意义为目标空间上的每个点与同等级相邻2个点之间的局部拥挤距离。如图3所示，设有2个子目标f1和f2，个体i的聚集度是与它在同一等级相邻点i-1和i+1在f1轴和f2轴距离之和，即由点i-1和i+1组成的矩形2个边长之和，表现为图3中实线矩形的长和宽之和。
步骤3.3：选择运算；其具体过程为：
为了使优化向Pareto最优解的方向进行并且维持种群的多样性，采用拥挤度比较操作算子形成均匀分布的Pareto前端。经过了非支配解的排序和聚集度的计算，群体中每个个体a都具有2个属性：非支配最优层序号irank和拥挤度id。如果2个个体的非支配最优层序号不同，取序号较小的个体；如果2个个体位于同一层，取拥挤度数值大的个体。
步骤3.4：精英保留策略；
其中，精英保留策略是为了解决由于随机因素导致优化过程中优秀个体丢失的问题。实现的方法为：将具有个体数N的父代Pt和经过二元竞标赛选择、交叉和变异操作产生的具有个体数N的子代Qt，合并在具有个体数2N的Rt中，针对Rt中所有的个体进行非支配排序,然后计算每个个体局部聚集度，并在各层中按聚集度进行个体排序，然后按照边界集序号由低到高逐一选择个体，直至个体总数达到N，形成新的父代种群Pt+1。在此基础上开始新一轮的选择、交叉和变异，形成新的子代种群Qt+1。
步骤3.5：最优解集的处理；
其中，多目标进化算法中，Pareto最优解集一般包含多个解。对于有源配电网故障定位而言，当故障发生时，各馈线区段在同一时刻的状态只能是一种，相应地，用算法得出的解也应该只存在一个。因此，需要对Pareto最优集进行分析和处理，以筛选出所需要的解。
搭建图4所示的改进的IEEE33节点配网图，假设每个开关均设有STU，采用NSGA-II进行故障定位分析，参数为：STU上传节点信息个数为33，最大进化代数为50。表1为改进的IEEE33节点中，在不同馈线区段发生单重故障与多重故障时，基于NSGAII算法的有源配电网故障定位结果。一共设置了四个情景，进行验证算法的可靠性，第一个情景进化过程如图5所示。
表1有源配电网单重故障仿真结果
Figure BDA0002442327620000091
为了检验基于NSGA-II算法有源配电网故障区段定位方法中的优势，本实施例加入标准GA算法(遗传算法，Genetic Algorithm)在表1的第2种情况下进行仿真对比，进化过程如图6所示。通过计算，NSGA-II算法收敛速度最快，在进化至24代左右时，算法达到最优解，且进化曲线波动性小；而GA算法在运行50代时仍然未达到最优解，且算法波动大不稳定。因此NSGA-II算法在解决有源配电网故障区段定位时较标准遗传算法更具有优越性。
本实施例在对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态的基础上，构建出包含f1和f2这两个目标函数的有源配电网多目标优化模型，其中，f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；最后采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，计算简单，无需考虑权值的影响，实现了准确定位出发生故障的馈线区段的目的。
实施例2
本实施例提供一种有源配电网故障定位系统，其包括：
(1)期望开关函数构建模块，其用于对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态；
在具体实施中，在所述期望开关函数构建模块中，采用0-1二进制编码来表示馈线区段的状态，0表示馈线区段正常运行；1表示馈线区段发生故障；
开关节点存在三种状态，各开关节点的过流信息方向与规定的正方向一致时，开关节点的状态值为1；不一致时，开关节点的状态值为-1；如果没有过流信息流过时，开关节点的状态值为0；
在有源配电网中，分布式电源与主网连接的并网开关存在两种状态，当分布式电源接入配电网时，并网开关的状态值为1；当分布式电源未接入配电网时，并网开关的状态值为0。
具体地，在所述期望开关函数构建模块中，各个开关节点与对应馈线区段的期望开关函数为：
Figure BDA0002442327620000111
其中，∪表示逻辑或运算，表示第n个节点与相关馈线间的开关函数；xi表示节点i下游的馈线区段总数，Lx表示第m号节点的下游第i个馈线区段的状态值；yi表示节点y下游的馈线区段总数，Ly表示第m号节点的上游第i个馈线区间的状态值；w为有源配电网中分布式电源的个数；Kt表示第m号开关下半区的第t个分布式电源是否接入配电网，当分布式电源接入配电网时，Kt＝1；反之，Kt＝0。
(2)多目标优化模型构建模块，其用于构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和。
有源配电网多目标优化模型为：
Figure BDA0002442327620000112
其中，I(Sn)表示实际故障区段内第n个开关节点的实际状态；I*(Sn)表示实际故障区段内第n个开关节点的预测状态；N表示实际故障区段内所有开关节点的个数；Xi表示有源配电网各馈线区段的状态值。
(3)多目标优化模型求解模块，其用于采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，得到有源配电网多目标优化模型的最优解，最终准确定位出发生故障的馈线区段。
本实施例在对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态的基础上，构建出包含f1和f2这两个目标函数的有源配电网多目标优化模型，其中，f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；最后采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，计算简单，无需考虑权值的影响，实现了准确定位出发生故障的馈线区段的目的。
实施例3
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例1所述的有源配电网故障定位方法中的步骤。
实施例4
本实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例1所述的有源配电网故障定位方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种有源配电网故障定位方法，其特征在于，包括：
对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态；
构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；
采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，得到有源配电网多目标优化模型的最优解，最终准确定位出发生故障的馈线区段。
2.如权利要求1所述的有源配电网故障定位方法，其特征在于，采用0-1二进制编码来表示馈线区段的状态，0表示馈线区段正常运行；1表示馈线区段发生故障。
3.如权利要求1所述的有源配电网故障定位方法，其特征在于，开关节点存在三种状态，各开关节点的过流信息方向与规定的正方向一致时，开关节点的状态值为1；不一致时，开关节点的状态值为-1；如果没有过流信息流过时，开关节点的状态值为0。
4.如权利要求1所述的有源配电网故障定位方法，其特征在于，在有源配电网中，分布式电源与主网连接的并网开关存在两种状态，当分布式电源接入配电网时，并网开关的状态值为1；当分布式电源未接入配电网时，并网开关的状态值为0。
5.如权利要求1所述的有源配电网故障定位方法，其特征在于，各个开关节点与对应馈线区段的期望开关函数为：
Figure FDA0002442327610000021
其中，∪表示逻辑或运算，表示第n个节点与相关馈线间的开关函数；xi表示节点i下游的馈线区段总数，Lx表示第m号节点的下游第i个馈线区段的状态值；yi表示节点y下游的馈线区段总数，Ly表示第m号节点的上游第i个馈线区间的状态值；w为有源配电网中分布式电源的个数；Kt表示第m号开关下半区的第t个分布式电源是否接入配电网，当分布式电源接入配电网时，Kt＝1；反之，Kt＝0。
6.一种有源配电网故障定位系统，其特征在于，包括：
期望开关函数构建模块，其用于对有源配电网的开关节点及馈线区段均编号，量化开关节点、馈线区段及有源配电网中并网开关的状态，构建出各个开关节点与对应馈线区段的期望开关函数，推算出实际故障区段内各个节点的预测状态；
多目标优化模型构建模块，其用于构建有源配电网多目标优化模型，所述有源配电网多目标优化模型包含f1和f2这两个目标函数；f1表示由实际故障区段内所有节点的实际状态与预测状态差值的累加和；f2表示有源配电网各馈线区段的状态值之和；
多目标优化模型求解模块，其用于采用基于Pareto最优概念的带精英策略的非支配排序遗传算法求解有源配电网多目标优化模型，使得f1和f2这两个目标函数均达到最小值，得到有源配电网多目标优化模型的最优解，最终准确定位出发生故障的馈线区段。
7.如权利要求6所述的有源配电网故障定位系统，其特征在于，在所述期望开关函数构建模块中，采用0-1二进制编码来表示馈线区段的状态，0表示馈线区段正常运行；1表示馈线区段发生故障；
或开关节点存在三种状态，各开关节点的过流信息方向与规定的正方向一致时，开关节点的状态值为1；不一致时，开关节点的状态值为-1；如果没有过流信息流过时，开关节点的状态值为0；
或在有源配电网中，分布式电源与主网连接的并网开关存在两种状态，当分布式电源接入配电网时，并网开关的状态值为1；当分布式电源未接入配电网时，并网开关的状态值为0。
8.如权利要求6所述的有源配电网故障定位系统，其特征在于，在所述期望开关函数构建模块中，各个开关节点与对应馈线区段的期望开关函数为：
Figure FDA0002442327610000031
其中，∪表示逻辑或运算，表示第n个节点与相关馈线间的开关函数；xi表示节点i下游的馈线区段总数，Lx表示第m号节点的下游第i个馈线区段的状态值；yi表示节点y下游的馈线区段总数，Ly表示第m号节点的上游第i个馈线区间的状态值；w为有源配电网中分布式电源的个数；Kt表示第m号开关下半区的第t个分布式电源是否接入配电网，当分布式电源接入配电网时，Kt＝1；反之，Kt＝0。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的有源配电网故障定位方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的有源配电网故障定位方法中的步骤。
CN202010268847.3A 2020-01-13 2020-04-08 一种有源配电网故障定位方法及系统 Pending CN111289845A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010032080 2020-01-13
CN2020100320804 2020-01-13

Publications (1)

Publication Number Publication Date
CN111289845A true CN111289845A (zh) 2020-06-16

Family

ID=71022383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010268847.3A Pending CN111289845A (zh) 2020-01-13 2020-04-08 一种有源配电网故障定位方法及系统

Country Status (1)

Country Link
CN (1) CN111289845A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116973694B (zh) * 2023-09-22 2023-12-12 国网浙江宁波市鄞州区供电有限公司 配电网故障诊断优化方法及系统
CN117250441A (zh) * 2023-11-17 2023-12-19 国网四川省电力公司广安供电公司 一种低压配电网故障定位方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8014291B2 (en) * 2006-11-28 2011-09-06 Cisco Technology, Inc. Relaxed constrained shortest path first (R-CSPF)
CN104578427A (zh) * 2015-01-27 2015-04-29 国家电网公司 一种含微网电源的配电网的故障自愈方法
CN107290633A (zh) * 2017-08-18 2017-10-24 国网江苏省电力公司 基于mopso的含分布式光伏配电网故障区段定位方法
CN108387820A (zh) * 2018-03-20 2018-08-10 东北电力大学 含分布式电源的配电网故障区段定位方法
CN108693771A (zh) * 2017-04-10 2018-10-23 南京理工大学 一种基于多种群遗传算法的配电网故障区段定位算法
CN108710742A (zh) * 2018-05-14 2018-10-26 南京工程学院 一种基于pgsa-ga混合算法的故障区段定位方法
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
US20190243941A1 (en) * 2017-09-05 2019-08-08 International Business Machines Corporation Modifying a manufacturing process of integrated circuits based on large scale quality performance prediction and optimization

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8014291B2 (en) * 2006-11-28 2011-09-06 Cisco Technology, Inc. Relaxed constrained shortest path first (R-CSPF)
CN104578427A (zh) * 2015-01-27 2015-04-29 国家电网公司 一种含微网电源的配电网的故障自愈方法
CN108693771A (zh) * 2017-04-10 2018-10-23 南京理工大学 一种基于多种群遗传算法的配电网故障区段定位算法
CN107290633A (zh) * 2017-08-18 2017-10-24 国网江苏省电力公司 基于mopso的含分布式光伏配电网故障区段定位方法
US20190243941A1 (en) * 2017-09-05 2019-08-08 International Business Machines Corporation Modifying a manufacturing process of integrated circuits based on large scale quality performance prediction and optimization
CN108387820A (zh) * 2018-03-20 2018-08-10 东北电力大学 含分布式电源的配电网故障区段定位方法
CN108710742A (zh) * 2018-05-14 2018-10-26 南京工程学院 一种基于pgsa-ga混合算法的故障区段定位方法
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALIMAHMOUDIAN: "Multi objective optimal allocation of fault current limiters in power system", 《INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS》 *
孙国强: "多目标配电网故障定位的Pareto进化算法", 《电力自动化设备》 *
马毅: "配电网馈线区间故障定位算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN116973694B (zh) * 2023-09-22 2023-12-12 国网浙江宁波市鄞州区供电有限公司 配电网故障诊断优化方法及系统
CN117250441A (zh) * 2023-11-17 2023-12-19 国网四川省电力公司广安供电公司 一种低压配电网故障定位方法
CN117250441B (zh) * 2023-11-17 2024-01-30 国网四川省电力公司广安供电公司 一种低压配电网故障定位方法

Similar Documents

Publication Publication Date Title
CN111289845A (zh) 一种有源配电网故障定位方法及系统
de Macêdo Braz et al. Distribution network reconfiguration using genetic algorithms with sequential encoding: Subtractive and additive approaches
Carrano et al. Electric distribution network expansion under load-evolution uncertainty using an immune system inspired algorithm
Yu et al. Assembly line balancing based on an adaptive genetic algorithm
Wang et al. Determination of power distribution network configuration using non-revisiting genetic algorithm
CN105098762B (zh) 一种含分布式电源配电网的孤岛划分方法
CN108233359B (zh) 一种特高压交直流馈入受端电网的分区优化方法及系统
US8793202B2 (en) Restoration switching analysis with genetic algorithm
US20120232713A1 (en) Restoration Switching Analysis with Modified Genetic Algorithm
CN112671029A (zh) 一种含分布式电源的配网多阶段故障恢复方法
CN110222889B (zh) 基于多种智能算法的配电网馈线自动化终端配置方法
CN108957246A (zh) 一种基于粒子群的配电网故障定位方法
RU2667662C2 (ru) Способ определения местоположения устройств защиты для их размещения в энергораспределительной сети
CN106841927A (zh) 含分布式电源配电网的故障定位方法
CN104134104A (zh) 一种基于多目标优化的配电网络重构优化方法
CN110137939A (zh) 一种变电站全停负荷转供方法
CN106405319A (zh) 一种基于启发式信息的粗糙集电力系统故障诊断方法
Kalantar et al. Combination of network reconfiguration and capacitor placement for loss reduction in distribution system with based genetic algorithm
CN105069517B (zh) 基于混合算法的配电网多目标故障恢复方法
CN110689186A (zh) 基于风电出力随机性的配电网供电可靠性评估方法及系统
CN108400935B (zh) 一种基于遗传算法的业务路径选择方法、装置及电子设备
Oyama Restorative planning of power system using genetic algorithm with branch exchange method
CN103177403A (zh) 一种综合停电检修计划的控制方法
Patel et al. A hopfield neural network based reconfiguration algorithm for power distribution systems
Choi et al. An application of genetic algorithms to the network reconfiguration in distribution for loss minimization and load balancing problem. II

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

Application publication date: 20200616

RJ01 Rejection of invention patent application after publication