配电网故障定位容错算法

为了兼顾配电网故障定位的速度和容错性,提出了一种先故障定位后信息畸变判断的新方法.根据馈线终端单元(FTU)反馈的故障信息,采用基于子节点数搜索的基本定位算法,得到故障区段向量;对故障区段向量进行逆运算得到期望故障信息;将期望故障信息和FTU反馈的故障信息进行比较,根据信息畸变数最小和故障区段最少原则确定最佳故障区段....     

配电网故障定位容错算法

为了兼顾配电网故障定位的速度和容错性,提出了一种先故障定位后信息畸变判断的新方法.根据馈线终端单元(FTU)反馈的故障信息,采用基于子节点数搜索的基本定位算法,得到故障区段向量;对故障区段向量进行逆运算得到期望故障信息;将期望故障信息和FTU反馈的故障信息进行比较,根据信息畸变数最小和故障区段最少原则确定最佳故障区段.仿真结果表明,该算法有效减少了基本定位的搜索次数.而且,对于信息缺失畸变情况下的多故障定位,也具有很好的实时性和容错性.     

优化BP神经网络在配电网故障定位中的应用

针对电力系统设施建设及措施的不到位导致配电网故障、事故不能完全避免的问题,对配电网故障进行定位显得格外重要。为此采用云理论及遗传算法对BP神经网络进行优化,以提高故障定位的准确性。     

计及容错的配电网故障定位新算法

利用增广故障信息阵以及三态标识法提出了故障定位的新判据,即将电源节点作为增广节点考虑形成网络描述矩阵,再分别根据故障信息节点是否通过故障电流以及馈线终端单元FTU(Feeder Terminal Unit)本身故障三种状态形成故障判定矩阵的对角元素,继而进行故障定位。还给出了FTU信息上传失败以及上传错误两种情况下的判定。该方法有效地解决了线路末端故障以及FTU本身故障的问题,无需复杂的矩阵乘运算以及规格化处理,可满足实时性要求。     

基于整数线性规划的配电网故障定位容错算法

为了提高配电网馈线故障定位的速度和容错能力,提出一种基于整数线性规划模型的配电网故障区段定位容错算法。将各馈线终端单元(Feeder Terminal Unit, FTU)的漏报、误报状况和馈线状态作为决策变量,基于最小故障诊断集理论,建立计及FTU漏报、误报信息的故障定位模型。针对逻辑运算在求解大规模配电网故障区段时建模复杂、算法受限的问题,构建基于代数关系运算的开关函数,并提出一种逻辑关系线性化策略将约束条件线性化。所建模型采用具有良好数值稳定性的常规优化方法进行决策,以保证解的全局最优性。仿真算例表明,所提方法定位准确高效、容错性强,在正确定位故障馈线区段的同时能获取具体节点的漏报、误报状况,适用于多节点过流信息发生畸变的大型配电网络。     

基于神经网络模式的配电网故障定位

统一矩阵故障定位法在信息畸变模式下可能会造成误判;遗传算法则存在目标函数构造瓶颈问题。基于新型神经网络模式的配电网故障定位方法利用了FTU的特征量实现故障定位,具有一定的容错能力。仿真结果证明了该方法的有效性。     

基于LVQ神经网络的配电网故障定位方法

分析了配电网单相接地故障定位的难点及利用行波精确定位的问题。在利用故障点反射行波信号确定配电网单相接地故障距离的基础上,重点研究了应用学习向量量化（Learn Vector Quantization,LVQ）神经网络方法,利用该方法对不同分支的反射行波进行了特征提取与模式识别,实现了故障分支的判别,从而实现了精确定位。为了明确LVQ神经网络方法在精确定位方面的优越性,同时利用传统的BP（Back-Propagation）神经网络方法进行了比较。ATP-EMTP和Matlab软件对LVQ和BP两种神经网络方法进行了仿真验证;结果证明,在解决配电网单相接地故障精确定位问题方面,LVQ神经网络的效果优于BP神经网络。     

配电网故障定位的组合方法

结合配电网的实际情况,提出能够确定配电网故障点位置的实用方法.该方法通过比较各节点相间电压和负序电压来确定故障区段,并结合比较电压法和负序电压法进行测距,适用于配电网各种短路故障的定位,也可用于故障的自动在线检测.     

配电网馈线末端故障定位优化算法

提出了一种能解决配电网馈线末端故障定位、并适用于多电源复杂网络故障定位的优化算法.根据网络拓扑结构和假定的正方向建立网络描述矩阵,由馈线终端单元(FTU)获得的故障过电流及其方向信息组成信息矩阵,结合网络描述矩阵对信息矩阵进行修正得到信息判断矩阵,由信息判断矩阵可以直接判别出故障区域.     

一种实用的配电网短路故障定位方法

结合我国配电网的实际情况,提出一种能够确定配电网故障点确切位置的实用算法,该算法通过提取故障后负荷电流及电压的正序、负序和零序分量,并考虑故障前后线路电流的变化量,建立了故障前后线路电压电流的线性方程组,联立求解得出故障点距离。该算法适用于中性点经低电阻接地或不直接接地系统的各种短路故障的定位,并可实现故障的自动在线检测。     

基于矩阵算法的有源配电网故障定位容错方法

故障区段定位对于配电网发生故障后的故障处理与恢复供电具有重要意义。针对有源配电网的故障定位方法中,矩阵算法计算速度快但容错性差、智能优化算法容错性高但定位速度慢且在大规模配电网中存在局部收敛的问题,提出了一种将矩阵算法和智能优化算法的优点相结合的定位方法。首先,在有源配电网发生故障后,利用馈线终端设置(Feeder Terminal Unit,FTU)上传的告警信息,运用矩阵算法快速定位故障区段。然后运用开关函数对矩阵算法的定位结果进行校验,避免因矩阵算法容错性差而输出错误的定位结果。校验不通过的定位结果将全部列入可疑故障集合,该集合的维度大幅低于配电网的维度,再运用灰狼优化（Grey Wolf Optimization,GWO）算法对该集合进行优化处理,从而输出最终的定位结果。在MATLAB上进行仿真测试,仿真结果表明此方法能在有源配电网中实现故障区段的快速定位,且具有一定的容错性。     

配电网故障区间定位的改进矩阵算法

分析目前配电网故障定位算法中存在的不足,结合配电网的结构特点,提出网络关系矩阵概念和用于故障定位的改进矩阵算法。该算法与之前的矩阵算法及其他改进矩阵算法相比,具有原理简单,无须复杂的运算且运算量小,实时性好的特点。不仅适用于单电源供电的简单配电网故障定位,也适用于多电源供电的复杂配电网故障定位。不仅可以快速准确地定位单点故障,也可以快速准确地定位多点故障。甚至各台柱上FTU上传主站的信号发生畸变时,仍能快速准确地定位故障,具有非常好的容错性能。实例分析和案例仿真表明该算法的可行性与准确性。     

配电网故障定位的层级模型及其预测校正算法

为有效解决互补约束故障定位模型缺乏多重故障强辨识能力及决策方法存在的数值稳定性问题,借鉴其代数关系建模优势,基于分层解耦策略,构建具有多重故障强适应性的配电网故障定位层级优化模型。基于松弛策略和二次规划极值理论,提出具有全局收敛特点且无需对离散变量直接进行优化决策的模型求解预测校正算法。仿真结果表明,所提模型和算法不仅能实现馈线故障区段单一和多重故障的准确高容错性辨识,且进行优化决策时具有实现便捷、数值稳定性好、优化效率高的优点。     

多目标配电网故障定位的Pareto进化算法

提出一种用于配电网故障定位的多目标优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA-II)进行求解。传统多目标优化问题通过加权方式转换为单目标问题,对权值比较敏感,且每次只能得到一种权值下的最优解。NSGA-II则避免了传统加权求解时权值的选择和解的偏好性。该算法采用快速非支配排序机制,计算复杂性低;同时考虑个体拥挤距离,从而保证种群的多样性;最后,提出适用于故障定位的最优解集处理方法,便于从多目标最优解集中筛选出唯一符合故障情况的解。算例测试分别模拟单点、多点故障,以及信息完备和部分信息畸变的情况,测试结果表明,所提方法均能准确地定位故障区段。     

基于小波模糊神经网络配网馈线故障测距的研究

在小电流接地系统单相接地故障特征分析的基础上,结合小波变换和模糊神经网络的特点,提出了适合配网故障后暂态信号分析的小波模糊神经网络模型及算法,应用于小电流接地系统的故障测距.理论分析及大量仿真结果显示此方法是可行的,且具有较好的故障测距性能.     

基于拓扑划分的配电网故障定位新算法

提出一种配电网故障定位的新算法,将配电网根据电源的个数进行分区,基于图论快速识别电网拓扑,将同一电源供电区域内的节点以树的形式进行链接。通过一次粗略定位找到存在故障的树,根据树中节点之间的链接关系,仅选择包含故障信息的支路,利用支路中父子节点故障信息的不一致性完成二次定位,准确找到故障的发生区段。用算例验证了所提算法的正确性和高效性。     

基于潮流计算的直流配电网单极接地故障定位算法

提出了一种基于潮流计算的直流配电网单极接地故障定位算法。通过分析流过接地故障点的电流特征,发现故障暂态过程结束后,故障点对地电压近似为零。利用潮流计算得到负荷电流分布,配合故障点对地电压近似为零的条件,计算每个节点故障时各个测量点对地残余电压的分布情况。将其与故障时各测量点残余电压分布情况进行比较,一致性最高的即为距实际故障点最近的节点。进一步利用阻抗法确定故障点的准确位置。在Matlab/Simulink中搭建仿真模型,仿真结果验证了该算法的有效性。     

基于矩阵算法的配电网故障定位

分析了原有的配电网矩阵法故障定位中存在的问题,提出一种适用于辐射状网及开环运行环网的配电网故障定位算法。该算法仍以矩阵分析为核心,通过网络拓扑形成网络关联矩阵,然后结合馈线终端设备(FTU)上传的故障信息形成故障判定矩阵,判定方法简单。它不仅可以实现配电网单一故障的快速定位,而且对末端故障及多点故障也可以做出准确判断。通过编程实现算法,并用不同区域故障的模拟验证了算法的有效性。     

基于TensorFlow框架的有源配电网深度学习故障定位方法

随着大规模分布式电源(DG)接入配电网,配电网的结构由传统的辐射型变为多端电源结构,传统的故障定位方法不再完全满足含DG的配电网系统,对此提出一种基于深度学习的有源配电网故障定位方法。首先通过馈线监控终端采集过电流故障数据与节点电压数据,结合各电源出力数据,形成故障数据向量;然后使用Tensorflow构建基于全连接网络的深度神经网络模型,挖掘故障数据向量与故障支路之间的映射联系,形成故障定位模型;最后利用该模型在线定位故障并验证其有效性。模型测试结果表示,与反向传播神经网络、学习向量量化神经网络模型相比,深度学习模型收敛速度更快,故障定位准确率更高,同时在数据畸变或缺失时,模型具有较高的容错性。