基于二进制粒子群算法的辐射状配电网故障定位

粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点.通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性.结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好.     

基于蜻蜓算法的含DG配电网故障区段定位研究

为了减少系统故障给配电网运行造成的影响,快速准确地对故障进行定位,对配电网故障定位算法进行了分析,提出了用于辐射状含有DG配电网故障定位的二进制蜻蜓算法。介绍了蜻蜓算法求解配电网故障定位的具体步骤,并通过算例进行仿真分析说明,该算法能在配电网发生单点故障、多点故障和伴有部分开关信息畸变的情况下,均能够得到准确结果。通过与粒子群算法比较,证明了蜻蜓算法在故障定位中的快速性和可靠性。     

基于双态二进制粒子群优化算法的配电网故障定位

针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法。通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索。构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性。     

基于粒子群算法的配电网故障定位研究

为了提高配电网故障定位的快速性和准确性,提出运用粒子群算法来优化配网故障定位。介绍了粒子群算法的原理,并分析了故障定位的工作流程。针对传统配电网的故障定位进行了仿真分析,验证了粒子群算法应用于配电网故障定位的可行性。仿真结果表明,所提方法具有较大的实用性和优越性,能够大大提高故障定位的速度和精度。     

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。     

基于改进二进制粒子群优化算法的负荷均衡化配电网重构

提出了基于改进的二进制粒子群优化算法、以均衡负荷为目标的配电网重构方法。将配电网重构问题表示为以负荷均衡指标最小为目标函数的非线性优化问题,针对配电网开环运行的结构特点对配电网拓扑结构模型进行了简化,并对二进制粒子群优化算法加以改进,以保证配电网的辐射状结构,同时大大减少迭代次数。算例分析结果表明,该方法能够有效解决负荷均衡化的配电网重构问题,计算速度快,收敛性好。     

基于二进制粒子群算法的交直流混合配电网故障恢复方法

针对交直流混合配电网特殊的网架结构和电气特性,构建交直流混合配电网故障恢复模型。所提出的模型以故障恢复综合满意度指标为目标函数,并计及潮流约束、节点电压约束、支路传输约束和网络辐射状约束等约束。对所建立的模型设计两阶段优化求解流程,第一阶段采用二进制粒子群算法进行求解,第二阶段采用粒子群算法进行求解。最后通过一个算例表明,交直流混合配电网故障位置对故障恢复策略以及故障恢复综合满意度指标有着较大影响,同时所提出的模型适用于交直流混合配电网故障恢复问题。     

基于果蝇优化算法的配电网故障定位

为解决配电网故障定位问题,提出了一种基于果蝇优化算法的故障定位方法。将原先果蝇优化算法中连续的位置坐标和搜索步长离散化,使其与馈线区段的状态信息相联系。对于单电源辐射状配电网和多电源复杂配电网建立了相应的目标函数,分别针对单一故障、含信息畸变的单一故障、多重故障、含信息畸变的多重故障等四种场景进行了测试,测试结果验证了所提出方法的准确性和有效性。与蝙蝠算法、粒子群算法、遗传算法相比,果蝇优化算法在多重故障定位问题中表现出了良好的寻优能力和更快的收敛速度。     

基于B-YSPSO的配电网故障定位研究

针对使用矩阵法 (直接法)进行配电网故障定位过程中存在容错性差、适应性差等问题,在传统粒子群 (PSO)算法的基础上构建了含压缩因子的二进制粒子群(B-YSPSO)算法模型来实现配电网故障定位,并使用MATLAB进行仿真算例验证.结果证明该算法具有收敛性好,稳定性高,容错性能优越等优点。     

一种模糊自适应粒子群优化在配电网规划中的应用

根据以配电网最小网损为目标函数建立的规划模型，提出将一种模糊白适应粒子群优化算法应用于配电网规划中。针对迭代过程中二进制粒子群算法会产生大量不可行解的问题，通过建立节点分层矩阵进行辐射状判断和配电网潮流计算。IEEE16节点算例结果表明，优化算法使配电网更经济运行，且模糊自适应粒子群优化算法较基本粒子群优化算法收敛速度...     

优化和声算法在含DG配电网故障定位中的应用

为了提高含DG配电网故障定位的速度和容错性,提出利用高度并行、鲁棒性强的遗传算法来优化基本和声算法对初始化和声记忆库的过度依赖性,改进了和声算法中新解的产生方式。针对含DG配电网的结构特点引入"树"的区域划分方法以降低求解维度,根据故障定位最小集理论优化评价函数以提高容错性。分别利用优化前、后的和声算法对相同配电网模型进行寻优运算和分析比较,结果表明优化的和声搜索算法能够有效地提高算法收敛速度和故障定位精度,在信息缺失、畸变等情况下具有良好的容错性。     

基于阻抗法和行波法组合的复线牵引网故障测距研究

由于牵引网故障测距常用的两大算法阻抗分析法和行波分析法在不同的情况下各有优缺点,因此很难用一种算法取得理想的测距结果。经过仿真对比阻抗算法和行波算法,发现二者具有优缺点互补的特性。由此提出将两种算法结合应用,取其优点,舍其缺点来提高现有故障测距算法的精确度。分别采用改进的阻抗分析法和行波分析法对30 km长的复线直供带机车牵引网模型进行仿真和误差分析。对仿真结果进行综合分析后提出组合算法,结合阻抗算法和行波算法的优点得出改进精度的仿真数据,误差分析表明结果令人满意。研究提示阻抗法和行波法组合的故障测距算法在牵引网实际应用中可能具有良好的应用前景。     

光伏阵列故障类型的改进型RBF神经网络识别算法

光伏阵列是光伏系统中非常重要的组成部分。传统的BP神经网络诊断算法有着精度低、收敛速度慢等缺点,为了精确地诊断出光伏阵列内部的故障位置及其类型,通过分析阵列开路、短路、老化、阴影和电池板裂片5种故障,提出了一种改进型RBF神经网络的故障诊断识别算法。首先,建立RBF神经网络的光伏阵列故障诊断模型,确定基于遗传算法的故障模型隐层中心的确定方法,然后针对基于粒子群优化算法的网络模型进行自适应权重寻优的仿真实验。最后,将优化的算法与传统RBF神经网络算法进行对比。结果表明:该优化算法不仅可以有效地诊断光伏阵列的故障类型,还可以提高故障诊断的准确率。     

基于优化小波神经网络的输电线路行波故障测距

针对单端行波故障测距方法中故障点反射波与对端母线反射波的识别问题,提出了一种改进粒子群算法优化的小波神经网络的故障测距模型。提取保护安装处检测到的行波波头时间值与反向行波线模分量的李氏指数作为行波特征值,利用小波神经网络拟合行波特征值与输电线路故障距离之间的关系,构建小波神经网络故障测距模型,利用该模型可以直接得到输电线路的故障距离。在标准粒子群算法中引入遗传算法变异因子,利用改进后的粒子群算法作为小波神经网络的训练算法,优化小波神经网络的权值与阈值参数,加快了小波神经网络故障测距模型的收敛速度,并提高了输出结果的精度。仿真结果证明,该方法有效且可行。     

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.     

基于小波能量谱和SSA-GRU的混合直流输电系统故障测距方法

针对混合直流输电系统故障测距存在行波波头难以识别以及固有主频不易提取的问题,提出一种基于小波能量谱和麻雀搜索算法(sparrow search algorithm, SSA)优化的门控循环单元(gate recurrent unit, GRU)模型的故障测距方案。首先,分析频谱能量与故障距离的相关关系,利用小波包分解提取小波包能量谱特征向量,作为GRU模型输入。其次,搭建和训练GRU模型,挖掘时间序列中的深层次故障信息,并利用SSA的迭代寻优对GRU模型参数进行优化,实现故障距离的快速准确定位。最后,在PSCAD/EMTDC 中搭建混合三端直流输电系统模型,实验结果证明该方法定位精度高、抗干扰能力和泛化能力强,并具有一定的耐过渡电阻能力。     

复杂输电网行波故障定位方法

为了解决故障发生在双回线路(或多回线路)或故障线路两端某个变电站行波定位装置时间记录失败时,可能出现的双端行波定位算法失灵的问题,论文提出了复杂输电网行波故障定位方法。该方法依次假设电网中每一条线路为故障线路,采用保留故障线路的Dijkstra算法得到经过故障线路的计算路径。若计算路径存在冗余,则根据网络定位算法直接得到故障定位结果;若计算路径不存在冗余,则对输电网络实施单端行波定位装置增配方案,确保网络中任一行波定位装置时间记录失败时故障定位的可靠性。其次,论文还提出了一种复杂测量网络简化方法,能够简化网络定位算法的计算过程,提高定位计算的速度。最后对株洲实际电网进行仿真验证分析,结果表明,该方法实现简单,定位可靠性高,工程实用性强,能够解决复杂输电网的故障定位问题。     

基于参数优化VMD和TET的柔直线路单端故障测距方法

单端行波故障测距方法在考虑频变波速影响时需要提取故障行波时频域特征,但现有方法存在时频分辨率较低、波头识别困难和波速计算不准确的问题。为此,提出一种基于参数优化变分模态分解(variationalmode decomposition, VMD)和瞬态提取变换(transient extraction transform, TET)的单端故障定位方法。首先,利用麻雀搜索算法(sparrow search algorithm, SSA)优化VMD参数,提取含有故障特征的高频模态分量。然后,对该模态分量进行瞬态提取变换,通过去除短时傅里叶变换中模糊的时频能量,保留与信号瞬态特征密切相关的时频信息,得到故障行波时频域全波形。最后,在故障行波全波形中提取主频分量并标定初始波头与第二反射波头,通过计算主频分量下的波速度,结合行波定位方法实现单端故障测距。在PSCAD/EMTDC中搭建四端柔性直流电网的仿真结果表明,所提算法对过渡电阻和噪声具有较强的耐受性,即使在较低采样率下也能实现准确的故障定位。     

智能电网下固态变压器电源切换故障自适应定位分析

针对传统固态变压器电源切换故障自适应定位方法,存在定位精度较差的问题,提出一种智能电网下固态变压器电源切换故障自适应定位方法,引入自适应矩阵算法,获取智能电网下固态变压器电源切换故障区间,在故障区间内采用自适应遗传退火算法,完成固态变压器电源切换故障点的自适应定位。实验结果表明,该方法能够准确定位故障点,具有高度的容错性,且在不同过渡电阻与负载下,故障定位精度始终较高,在实际配电系统中具有可行性。     

面向智能变电站的输电线路综合故障定位方法研究

针对智能变电站条件下,因采样速率过低导致行波测距无法应用的问题,提出了一种面向智能变电站的输电线路工频综合故障定位方法。所提方法可以在现有各种单端工频测距方法中,选择出测距精度最高的方法,从而给出准确的故障位置信息。目前现有的各种工频测距方法的测距精度会受到电源、对端系统阻抗以及过渡电阻等参数的综合影响,在不同的故障条件下,各方法的测距精度会有不同的表现。首先获取输电线路发生故障时的大量训练样本,应用粗糙集理论对训练样本进行属性约简,找出测距精度与故障条件之间的内在关系。在系统发生故障时,应用KNN算法在多种工频测距方法中找到测距结果最准确的方法,计算故障距离。ATP仿真结果及RTDS仿真实验显示,所提方法可以成功避开误差较大的方法,选择实际精度最优的方法,有效提高测距精度。