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。     

基于Lambda算法的配电网故障定位方法研究

为了有效的提升配电网故障分析和定位的效率、降低经济成本等,本文对多种故障原因进行了深度的分析并提出了一种基于Lambda算法的配电网故障定位技术。该算法通过对出现故障的配电网络和馈线终端上传的数据进行分析,使用高效的模糊度搜索技术,快速的定位出故障所在位置。实验表明,使用本文所提出的基于Lambda配电网故障定位技术对故障网络进行分析,可以有效地降低不同模糊度之间的相关性,极大地减少迭代和搜索次数,提升配电网故障定位效率。     

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。     

基于改进矩阵算法的配电网故障定位研究

分析了配电网故障定位中原有算法可能存在的问题,提出一种新的基于改进矩阵算法的配电网故障定位算法.该算法既能实现辐射状网、树状网和环网开环运行的故障定位,又能实现环网闭环运行和多电源多重故障定位,而且也能准确定位出配电网末端故障.针对实际算例对算法进行了验证,结果表明了该算法的有效性.     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题.该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性.     

配电网故障定位蚁群算法研究

为了提高配电网故障定位系统的搜索速度及容错性,根据变结构耗散网络理论对配电网进行简化建模。在配电网简化模型的基础上,改进配电网故障定位蚁群算法,提出了设置初始信息素浓度的新方法,并引入正负信息素更新机制,动态调整信息素浓度,在算法停滞时,起动扰动原则,避免算法陷入局部最优。算例分析表明,改进的蚁群算法适用于单点故障和多点故障,并在搜索速度及容错性方面均有一定优势。     

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。     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题.首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性.     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题。首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性。     

基于蝙蝠算法的配电网故障区间定位

蝙蝠算法是受自然界中的微蝙蝠回声定位行为启发而演变出的一种新颖的智能优化算法。在分析基本算法的仿生原理和配电网结构特点的基础上,提出将蝙蝠算法应用到解决配电网故障定位的问题上。利用元胞自动机原理,按照定义的邻居规则在元胞周围产生可能的解,进一步提高该算法的局部寻优能力。通过建立合适的仿真模型,模拟简单配电网和复杂配电网发生单点和多点故障,从上传的故障信息无畸变和畸变两方面分别验证该算法进行定位的可行性。最后将蝙蝠算法与其他算法比较,表明其具有较好的收敛性。     

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 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。     

基于模拟植物生长算法的配电网故障定位

将模拟植物生长算法应用于配电网故障定位,提出了将开关及设备电流转化成整型变量的方法,建立起配电网故障定位模型。对单电源辐射型配电网和中低压配电网双电源单环网的仿真实验验证了上述基于模拟植物生长算法建立的模型的正确性、有效性及高容错性。为解决配电网故障定位问题提供了一种新途径。     

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。     

纵横交叉算法在配电网故障定位中的应用

基于人工智能算法具有较好的容错性,引入纵横交叉算法(CSO)应用在配电网故障定位过程中。CSO中的横向交叉机制和纵向交叉机制在与竞争算子的配合下提供了较强的搜索能力,能够快速解决多变量非线性优化问题,为准确解决故障定位提供了基础。在多电源分区故障定位中改进适应度函数,对不同区域适应度函数设置区域权值,区域权值由反馈故障电流决定。这种设置方式可以增强算法的容错性,使得输出结果不会因为故障信息在传送过程中发生畸变而误判或者漏判。仿真部分由双电源配电网系统和三电源配电网系统组成,并通过算法进行了验证,每次反馈信息都由一次正常信息和畸变信息组成。从仿真结果可以看出CSO拥有较强的稳定性。     

基于改进二进制灰狼优化算法的配网故障定位

灰狼算法具有结构简单、概念清晰、易实现和全局性能好等优点,但由于存在后期收敛速度慢、局部搜索能力弱等缺点。为提高配网故障定位的准确性和快速性,对灰狼优化算法进行了改进。首先,由于配网故障定位方法可以把问题表示为0~1整数规划问题,故引入转换函数,以解决算法在二进制空间里位置更新问题。然后引进动态权重策略,以平衡算法的全局搜索能力和局部搜索能力且加快算法收敛速度。最后加入概率扰动策略,使算法避免过早陷入局部收敛。本文通过配网故障的算例分析来验证改进二进制灰狼优化算法的可行性和高效性。