基于免疫二进制粒子群优化算法的配电网故障 定位方法研究

针对二进制粒子群算法在复杂规模化配电网故障定位时收敛速度慢、易陷入局部最优解的缺陷,提出一种基于免疫二进制粒子群优化算法的配电网故障定位方法。首先,应用免疫系统信息处理机制对粒子群算法进行改进,在算法进化过程中建立记忆细胞单元存储优质抗体,避免抗体种群更新后的群体退化。其次,引入抗体浓度调节机制与免疫选择操作保持抗体种群多样性,强化算法全局搜索能力,防止算法早熟。在此基础上,构建亲和度评价函数将改进后的算法应用于配电网故障定位。仿真结果表明,基于免疫二进制粒子群优化算法的配电网故障定位方法能够有效提升算法收敛速度与故障定位准确率,且在故障信息畸变情况下具有良好的容错性能。     

采用改进免疫算法的多目标配电网重构

建立了网损最小、负荷均衡度最小及静态电压稳定裕度最大的多目标配电网重构优化模型。应用免疫算法进行模型求解,略去了交叉操作,利用可行解排序确定抗体综合亲和度,并根据综合亲和度自适应调整可行解变异率,利用自适应变异及疫苗接种操作保证了抗体的多样性,提高了可行解比例,保证了算法向全局最优解收敛。算例结果验证了该方法的有效性。     

量子计算和免疫优化算法相结合的有源配电网故障定位

针对现有配电网区段定位算法在有源配电网故障定位时存在的定位耗时长和易陷入局部最优等问题,提出了一种基于量子免疫优化算法的故障定位方法。首先,根据馈线终端单元(feeder terminal unit, FTU)上传至主控制器的故障信息畸变问题,将畸变故障信息的误报、漏报计入故障变量,构建具有容错能力的适应度函数;其次,结合量子计算与免疫算法,减小种群规模,使算法加快收敛;随后,优化克隆扩增和变异操作过程,让陷入或即将陷入局部极值的算子跳出局部最优进行全局搜索;最后,对所提算法在有源配电网分层模型中进行对比实验。结果表明:量子免疫优化算法在单一、多重故障以及含信息畸变情况下的故障定位全局寻优能力较强,故障定位耗时短、准确率高。所提故障定位方法可为解决高性能计算系统在故障定位时存在的复杂度高和容错性差的问题提供参考。     

基于混沌优化蝙蝠算法的含分布式电源配电网故障区段定位

针对含分布式电源配电网故障区段定位问题,改进了已有的开关函数,并提出了一种基于混沌优化蝙蝠算法的诊断方法。利用蝙蝠算法全局寻优能力对配电网故障区段进行定位搜索,并针对蝙蝠算法易陷入局部最优的缺点,使用混沌策略对部分最优个体进行优化,使其收敛速度加快,定位准确度提高。通过建立算例配电网模型,对其多种故障定位结果分析表明,算法对于含分布式电源配电网故障区段定位具有一定的实用性。     

基于自适应遗传退火算法的配电网故障定位研究

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出了一种混合遗传算法(自适应遗传退火算法)用于解决辐射状配电网故障定位问题。该算法采用轮盘赌和最优保存策略相结合的选择机制,使得当前最优个体始终保持在种群里,并结合自适应交叉、变异概率,扩大种群的搜索范围,继而引入模拟退火算法,加快迭代后期算法的收敛速度。最后,通过对IEEE-33节点配电系统进行仿真计算,结果表明,该算法能够对单点和多点故障进行实时、准确地定位,并在故障信息畸变的情况下,也能快速地得到准确结果。     

基于BAS-IGA的含分布式电源配电网故障定位

针对遗传算法解决含分布式电源配电网故障区段定位易早熟收敛的问题,提出了一种基于天牛须搜索算法和改进遗传算法相结合的故障定位方法。该方法首先利用天牛须搜索算法产生高质量的初始种群,其次通过构造遗传算法数学模型、优化3种遗传算子和调节交叉变异概率对遗传算法进行改进,最终经遗传迭代产生最优解,达到精确定位故障区段的目的。以IEEE33节点配电网模型为例,分别针对单重故障、多重故障以及信息畸变情况进行仿真。仿真结果表明,提出的优化算法定位准确率为100%,且收敛速度快、容错性好。     

计及电网经济性的配电网供电恢复重构寻优算法

综合考虑开关操作次数和网络损耗2个经济性因素,建立计及电网经济性的多目标配电网恢复重构数学模型。从群体规模和遗传算子的角度,提出了一种新配电网供电恢复重构遗传寻优算法,用群体中个体的年龄和寿命来替代选择算子,并结合配电网自身特点,采用基于环路的策略来减少不可行解的产生,运用与群体规模相适应的的交叉率和变异率,能有效地促进最优个体的生成,从全局和局部角度提高算法的效率,使算法快速稳定收敛到全局最优解,最后通过算例18节点配网系统验证了该算法的高效性和稳定性。     

新群体规模自适应遗传算法在配网恢复重构中的应用

从群体规模和和遗传算子的角度,提出了新群体规模自适应遗传算法,用以解决配电网恢复重构问题。将群体中个体赋予年龄和寿命来代替选择算子,采用宏观调控法对群体规模易出现快速“膨胀”问题进行改善,并结合配电网开环运行特点,采用基于环路策略的遗传操作来减少不可行解。运用与群体规模自适应的交叉率和变异率,能有效地从全局和局部角度提高算法的效率,使算法快速稳定收敛到全局最优解。通过算例验证了该算法在配电网恢复重构运用中的高效性和稳定性。     

基于免疫算法的含分布式电源配电网的故障定位

分布式电源(DG)的接入,使传统配电网络拓扑结构从单电源辐射状网络变成复杂的多电源网络。在这种情况下,传统的故障定位算法已不再适用。针对这一问题,提出了一种新的基于故障电流的故障定位算法——免疫算法。首先,针对含DG的配电网,构建了适应多个分布式电源的故障电流编码方式和适应多个分布式电源的开关函数。其次,相比传统的遗传算法,免疫算法通过计算抗体的匹配程度和浓度对个体进行评价,并且增加了记忆单元保证了算法进化过程中抗体的多样性从而避免了遗传算法中的‘早熟’收敛问题。最后,通过Matlab建模仿真,验证了该算法适用于含分布式电源(DG)配电网的故障定位,并具有一定的快速性和容错性。     

基于种间竞争遗传算法的配电网故障恢复

当配电网发生故障时,会出现剩余电源容量不够恢复所有的停电区域的情况,此时应以尽可能恢复更多的停电区域为目的。针对配电网自身的特点,确定了故障恢复模型所采用的目标函数及其约束条件,在基于种间竞争的遗传算法的基础上,引入了自适应策略,运用交叉算子和变异算子的自适应技术协调种内进化过程,通过种间竞争频率的自适应调剂促进最优个体的生成,并根据实际情况,对于染色体交叉、变异加以改进。算例分析表明,该算法具有更强的全局搜索能力和收敛速度,可以恢复更多的停电区域。     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

基于贝叶斯公式的似然比形式的配电网故障定位方法

提出了一种基于贝叶斯(Bayes)概率公式的似然比形式的配电网故障定位算法,建立基于该算法的故障寻址模型,利用SCADA系统采集到的负荷开关的故障信息序列。进行似然比运算,在最大故障概率条件下进行故障定位。算法简洁、实用,能够在一定程度上屏蔽SCADA数据的错误和畸变,并通过算例验证了算法的准确性和有效性。     

A fault segment location method for distribution networks based on spiking neural P systems and Bayesian estimation

With the increasing scale of distribution networks and the mass access of distributed generation, traditional centralized fault location methods can no longer meet the performance requirements of speed and high accuracy. Therefore, this paper proposes a fault segment location method based on spiking neural P systems and Bayesian estimation for distribution networks with distributed generation. First, the distribution network system topology is decoupled into single-branch networks. A spiking neural P system with excitatory and inhibitory synapses is then proposed to model the suspected faulty segment, and its matrix reasoning algorithm is executed to obtain a preliminary set of location results. Finally, the Bayesian estimation and contradiction principle are applied to verify and correct the initial results to obtain the fnal location results. Simulation results based on the IEEE 33-node system validate the feasibility and efectiveness of the proposed method.     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

基于 GrapSAGE 算法的配电网故障定位方法

本文提出一种基于GraphSAGE (graph sample and aggregate)算法的配电网故障定位方法。以对系统侧母线电压进行形态学黑帽运算的结果启动故障定位算法；利用GSA模型自主挖掘网络拓扑和零序电流特征，根据节点特征和标签建立函数映射，评估线路运行状态从而实现故障定位。基于PSCAD/EMTDC仿真平台搭建IEEE33节点模型，测试结果表明所提配电网故障定位方法可行且有效。并且配电网拓扑变化时，该方法无需重新训练模型即能获得可靠的故障定位结果，验证了方法的鲁棒性和对拓扑变化的适应性。     

Fault location in active distribution networks using non-synchronized measurements

Fault location is a necessity to realize the self-healing concept of modern distribution networks. This paper presents a novel fault location method for distribution networks with distributed generation (DG) using measurements recorded at the main substation and at the DG terminals. The proposed method is based on an iterative load flow algorithm, which considers the synchronization angle as an unknown variable to be estimated. Therefore, it obviates the need of synchronized measurements. A new fault location equation is also proposed which is valid for all different fault types, hence the fault type information is not required. The developed method can be simply implemented by minor modifications in any distribution load flow algorithm and it is applicable to different distribution network configurations. The accuracy of the method is verified by simulation studies on a practical 98-node test feeder with several DG units.     

基于IELM算法的配电网故障区段定位

针对传统智能优化算法在配电网故障区段定位中存在准确率随配电网规模扩大而大幅下降的问题,提出一种基于改进仿电磁学(IELM)算法的配电网故障区段定位方法.首先,基于分层处理以及全局寻优思想对传统故障定位方法的一体式结构进行优化,通过改变算法结构实现单一故障及多重故障的分层处理并缩减多重故障定位的解空间规模.在结构优化的基础上对仿电磁学(ELM)算法进行改进,忽略全局电荷对单一电荷的影响,突出单一电荷对最优电荷的学习能力,提高其全局寻优能力及运算效率.最后,分别以IEEE 13节点单电源辐射配电网和改进后的4电源119节点配电网为仿真测试系统进行了测试.测试结果表明,所提故障区段定位方法在面对不同结构和规模的配电网时具有准确性高、容错性好、定位速度快以及降维效果佳等优点,在大规模配电网中具有良好的应用前景.     

配电网接地故障特征及其诊断定位方法

快速、准确的故障定位是迅速隔离故障和恢复供电的前提,对于维护配电网的安全运行具有重要意义,而配电网的单相接地故障定位长期以来是难以解决的课题.本文通过对国内外关于各种研究情况做了全面深入地分析,在此基础上从接地故障测距算法和在线监测两方面进行了研究,并且针对基于对配电网发生单相接地故障后的故障主要特征的分析,提出了相应的接地故障定位系统以及硬件总体设计,对于提高供电配电网具有重要的研究意义和实用价值.     

基于改进秃鹰搜索算法的含分布式电源配电网分区故障定位

为解决含分布式电源多分支配电网故障定位中存在快速性和准确性难以兼顾的问题，提出了一种基于改进秃鹰搜索算法的分区故障定位模型。首先利用Sinusoidal映射的均匀分布特性生成初始化种群，通过交叉算子、非均匀变异算子和翻筋斗觅食策略来改进秃鹰的位置更新方式，提高算法的开采和勘探能力。其次构建考虑分布式电源的开关函数和目标函数，在此基础上借鉴“黑盒方法”建立含分布式电源配电网等效分区模型，并加入定位矫正机制保障定位的准确率。最后在含分布式电源多分支配电网中进行仿真验证。与传统的秃鹰搜索算法分区定位模型相比，求解速度平均提高了30.5%，准确率平均提高了1.72%。且在不同故障位置和不同畸变点数情况下，改进秃鹰搜索算法分区定位模型均能够快速准确地定位出故障所在区段。