基于多种群遗传算法的含分布式电源的配电网 故障区段定位算法

构建了可动态适应多个分布式电源投切的开关函数,同时针对遗传算法的早熟收敛问题,引入多种群遗传算法,提出基于多种群遗传算法的含分布式电源配电网故障区段定位方法。该算法在故障区段定位时规定以系统电源指向用户的方向为馈线正方向,采用多个种群对解空间协同搜索,避免算法陷入局部最优,以最优个体保持代数作为收敛条件,充分提高收敛效率,适用于复杂的含分布式电源的配电网络。通过算例对配电网的故障定位进行仿真,结果表明算法能准确定位,并具有一定的有效性和容错性。     

含分布式电源配电网的快速故障区段定位

分布式电源(distributed generator,DG)的接入使配电网的结构发生改变,导致传统的配电网故障定位算法失效。本文针对含DG的配电网故障定位问题,提出了一种快速判断故障区段的矩阵算法。结合配电网的运行特点,以配电网运行网络中节点和馈线区段间的邻接关系为依据,优化了网络描述矩阵,并提出相应的故障判据。结合不同类型DG的故障特性对算法的通用性进行了分析。该算法网络描述简单直观,运算量小,通用性强,判断迅速准确。最后,本文验证了该算法在复杂配电网单一故障和多重故障下故障区段定位的有效性。     

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。     

基于改进遗传算法的含分布式电源的配电网故障定位

大量的分布式电源接入配电网,使得配电网的结构和运行方式均发生了变化。已有的故障定位方法受到了影响,甚至会出现误判。重新定义了含分布式电源的配网中各个开关的正方向,并建立改进遗传算法的开关函数和适应度函数。对算例进行仿真分析,结果表明,改进的遗传算法在含分布式电源的配电网中能准确地定位故障。     

基于SABSO算法的含分布式电源配电网故障定位

随着配电网中分布式电源的大规模应用,以及配电网规模的不断扩大,使得含分布式电源配电网的故障定位难度不断增加。为了有效解决这个问题,针对传统人工智能算法和矩阵法的不足,提出了一种模拟退火天牛群（SABSO）算法,该算法融合了天牛须搜索算法、粒子群算法和模拟退火算法的优点,并将此算法首次应用在含分布式电源配电网的故障定位中...     

基于蝙蝠算法的含分布式电源配电网故障定位

分布式电源接入配电网使得原来的故障定位方法不再适用,本文通过构造新的评价函数,提出了基于具有混沌搜索策略的二进制蝙蝠算法的含分布式电源配电网故障定位新方法。该方法可以适应分布式电源投切带来的潮流和拓扑变化,对配电网进行故障定位。算例仿真表明,该方法在含分布式电源配电网故障定位中定位准确并且具有较高的实时性和容错性。     

基于粒子群和差分进化算法的含分布式电源配电网故障区段定位

配电网中引入分布式电源将导致传统的故障区段定位方法不再适用。通过构建新的开关函数,提出了基于二进制混合算法的配电网故障区段定位方法。该方法可动态适应分布式电源的投切,在进行多重故障定位时只需确定一次正方向,利用双种群进化策略和信息交换机制实现了粒子群和差分进化算法的混合。算例分析结果表明该方法能够对含分布式电源的配电网中的单一和多重故障进行准确定位,并且具有一定的容错性和高效性。     

含分布式电源的配电网故障区间定位算法

含分布式电源(DG)的配电网络结构由单电源辐射型网络发展成复杂的多电源网络,潮流的方向随机变化,已有的故障定位方法将不能适应新的配电系统.根据DG接入配电网后,能通过与多分支母线节点关联的FTU监测点的电流方向和幅值大小判断故障方向的特点,提出一种故障定位的方法,首先判断FTU监测点的电流方向和正方向监测点的电流幅值,...     

含分布式电源的配电网故障区间定位算法

随着大规模分布式电源(DG)的接入,配电网结构变得日益复杂,潮流方向及大小无法确定,传统故障定位方法不足以完全满足含分布式电源的配电网系统。故本文根据含DG的配电网系统,建立合理数学模型,通过FTU监测点所监测到各个多分支母线上的电流信息,应用监测的信息提出一种新型故障区间定位方法。通过判断故障电流的大小、方向、幅值等,实施定位。该算法能定位故障发生的具体区域,且原理清晰、计算速度快、定位准确,在配电网故障定位中具有一定的实际意义。     

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。     

基于改进鸽群算法的含分布式电源配电网故障定位

分布式电源DGs(distributed generations)接入配电网中,使得配电网由传统的单电源辐射状网络变成多电源复杂网络,增加了配电网故障定位的难度。针对DG接入配电网定位问题,提出了一种基于改进鸽群算法的故障区段定位方法。首先,建立了适用于含多个分布式电源的开关函数并对电流编码方式重新定义。其次,对基本鸽群算法中的指南针因子和地标算子进行改进,并通过结合模拟退火算法防止其陷入局部最优,提高了算法的容错性。仿真结果表明,该算法适用于含分布式电源配电网的单重和多重故障区段定位,且在相同故障情况下,改进鸽群算法分别比传统鸽群算法和遗传算法在迭代时间上分别降低了17.019%和43.763%,具有一定的实时性。     

含分布式电源配电网的故障定位

为解决含分布式电源配电网的故障定位问题,对分布式电源的故障电流特性和含分布式电源配电网的短路电流进行了分析,探讨了根据故障电流信息和传统故障定位规则,对含分布式电源配电网进行故障定位的可行性分析.文中提出一种针对架空配电网且根据故障电流信息的改进故障定位策略,利用重合闸与分布式电源脱网的配合,解决含分布式电源架空配电网故障定位难题.研究结果表明:对于分布式电源接入母线的情形,可以根据故障电流信息,依靠传统的故障定位规则进行故障定位;在适当限制分布式电源接入馈线容量比例的条件下,对电缆配电网和供电距离较短的架空配电网,根据故障电流信息采用传统故障定位规则基本上都能正确进行故障定位,而对于供电距离较长、接纳电机类分布式电源容量偏高的架空配电网,需采用根据故障电流信息的改进故障定位策略.     

基于MOPSO的含分布式光伏配电网故障区段定位

光伏等分布式电源接入配电网,影响故障电流的分布,导致传统配网故障区段定位方法不再适用,对此提出基于MOPSO的含分布式光伏电源配网故障区段定位方法。针对配网发生单相接地故障情形,基于故障暂态分量确定终端状态的编码。考虑在不同光照强度下光伏电源提供的故障电流特性,构建满足光伏电源动态投切的开关函数。针对使用单目标优化智能算法易造成不收敛,以及NSGA-II计算复杂度较高的问题,提出采用多目标粒子群算法(MOPSO)定位故障区段。该算法避免了对权值的选取,且计算复杂度低。算例分析表明所提方法能实现含光伏配电网发生单一和多重故障的区段定位,且对畸变信息具有一定的容错性。     

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I...     

基于和声算法的含分布式电源的配电网故障定位方法

评价函数在优化算法对含DG的配电网故障定位中起着关键的作用,其合理的构建不仅能够有效地提高算法故障定位的速度,同时也能够减少定位过程中容易出现错判和漏判的现象。针对含DG配电网复杂的结构特点,建立了一种自适应性强且单、多电源通用的开关函数模型。为了提高搜索效率,引入关于"树"的区域划分方法,剔除无故障电流的无源树枝,降低解的维数,利用快速、准确的和声算法进行全局寻优。通过具体的算例分析,验证了该方法的准确性与快速性。     

含分布式发电的多电源配电网故障定位研究

<正>传统的配电网故障定位方法主要针对单电源辐射型配电网,含分布式电源(DG)系统结构的配电网系统由于具有新型的故障特点:故障响应迅速、提供短路电流能力差、呈现弱电;故障电气量含有大量谐波;系统结构与潮流分布复杂,使得故障区域与具体位置的判定具有难度。配电网故障时,对迅速准确定位、切除故障并减少对配电网其余DG的影响。因此,含分布式发电的多电源配电网故障     

粒子群优化算法含分布式电源配电网故障定位

为了提高含分布式电源配电网故障定位的准确性,针对传统含分布式电源配电网故障定位方法的不足,提出了基于粒子优化算法的含分布式电源配电网故障定位方法。根据含分布式电源配电网故障的监测函数设计粒子群优化算法的适应度函数,通过粒子之间的相互协作实现含分布式电源配电网故障定位,采用Matlab 2014仿真工具箱对故障诊断性能进行测试。结果表明,粒子群优化算法提高了含分布式电源配电网故障定位的正确率,加快了分布式电源配电网故障定位的速度,而且综合性能明显优于其他含分布式电源配电网故障方法。     

基于纵横交叉算法在含分布式电源的配电网故障定位

分布式电源(DG)接入配电网后对网络的故障电流产生影响,从而影响到故障电流的上报信息,使得系统发生误判故障位置。根据DG对故障电流的影响划分不同区域,寻找每个区域的故障临界点,通过设置故障电流上报阀值和判断电流方向,使得DG提供的故障电流不影响正确的故障定位结果。故障定位采用纵横交叉算法(CSO),该算法由横向交叉和纵向交叉2种搜索机制组成,2种机制与竞争算子的完美配合使得种群收敛精度和速度大大提高。仿真部分采用10 kV配电系统,对系统设置故障电流上报阀值后进行故障定位,同时将遗传算法(GA)和免疫算法(IA)与CSO算法进行对比,结果表明,该算法具有较强的稳定性和搜索能力。     

基于改进双种群遗传算法的含分布式电源配电网重构

针对配电网重构非线性多目标优化问题,建立以配电网的网损、馈线负荷均衡及节点电压质量协调最优为目标的含分布式电源配电网重构模型,并运用双种群遗传算法对其求解。算法采用基于重构环的十进制染色体编码,设定遗传操作策略避免不可行解的产生,并采用移民策略和精英保留策略。同时引进基于矢量距浓度的选择率,提出有自适应规则的混沌局部搜索策略以提高全局寻优能力。选取IEEE33节点和IEEE69节点配电网络系统为例,仿真分析分布式电源接入对配电网的影响,并将本文算法与传统遗传算法进行比较,验证了该算法的可行性和有效性。