基于二进制局部PSO算法的配电网故障恢复研究

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;在粒子群优化算法的基础上,提出了二进制局部PSO算法,并对该算法易早熟收敛和收敛速度慢的缺点进行了优化.通过算例的验证表明,该改进算法能够正确、有效地解决配电网故障恢复问题.     

基于白鲸优化算法的配电网故障恢复方法

提出了一种基于白鲸优化（BWO）算法的配电网故障恢复方法。首先,建立光储、风储系统模型以及负荷模型,以故障后重要负荷损失量最小为目标函数,进行配电网的初步孤岛划分。其次,以网络损耗和开关操作次数加权求和最小为目标,采用BWO算法求解,获取孤岛划分与开关操作配合的故障恢复结果。然后,通过3种场景对比,验证了所提方法能够在不同故障时段获得配电网故障恢复的最优结果。最后,将BWO算法与二进制粒子群优化算法、灰狼优化算法的运行结果进行对比,验证了BWO算法寻优效果更好。     

基于融合遗传原理的蚁群算法在配电网故障恢复中的应用

本文对配电网的故障恢复问题进行了研究,提出了结合实际的配电网故障恢复目标函数,在分析了遗传算法和蚁群算法的基础上,结合遗传算法和蚁群算法的各自优点,提出了一种将遗传算法融入到蚁群算法的新策略,利用遗传算法的交叉操作产生蚁群算法的新的旅行路径,以此提高蚁群算法的全局搜索能力,构造了基于遗传算法的混合蚁群算法。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了故障恢复的速度和精度。     

精英区域学习的转轴人工蜂群算法

针对人工蜂群(ABC)算法在解决复杂优化问题时容易出现收敛速度慢、开采能力不足的问题,提出了一种精英区域学习的转轴人工蜂群(ERABC)算法。在ERABC算法中,通过执行区域学习方法构建精英池,并利用精英池改进其搜索策略,同时在每一代中以一定的频率对最优解执行转轴法(RM)局部搜索。在20个包含单峰、多峰和偏移函数的基准测试函数上,分析了ERABC算法中改进策略的有效性,并与多种新近的改进ABC算法和演化算法进行了比较实验。实验结果表明,提出的算法在保证精英池中个体多样性的同时加快了算法的收敛速度,RM有效地提高了算法的开采能力。     

基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

基于多源信息的配电网停电故障研判

对客户服务管理系统、配电自动化系统、用户信息采集系统、生产管理系统中的信息进行有效融合和共享,可在某些故障信息缺失的情况下,利用拓扑上或管理层级上关联的上级或邻近信息来帮助快速定位中低压配电网中的故障。针对线路跳闸、配电变压器停电、客户报修触发的停电事件,利用客户、表计、表箱、配电变压器、分支线、馈线之间的关联关系,提出了基于多源信息的配电网停电故障研判方法,对停电事件信息池中的事件进行研判,完善其信息;并以客户报修触发的停电事件为例,给出停电故障研判的过程。     

配电网故障区间定位的新型矩阵算法

针对配电网故障区间定位的问题，利用配电网的结构和运行状态，提出一种基于开关有向树型网络描述模型，在此基础上，结合从FTU得到的故障信息得到新型故障区间定位算法，此算法无需进行矩阵的相乘和求逆运算，因其快速性可用于在线计算，并可推广至多电源系统中。     

考虑可平移负荷和智能软开关的主动配电网故障恢复方法

在配电网发生故障后,主动配电网能够实现用户侧参与功率的实时供需平衡,满足故障后的负荷恢复。用户参与配电网的调度也是提升故障后负荷恢复比例的途径之一,可平移负荷具有较强的可控性,有效提升了主动配电网的灵活性,智能软开关等新兴可控设备的接入,也使负荷的快速供电成为可能。本文建立了考虑可平移负荷和智能软开关的主动配电网故障恢复模型,并考虑了负荷的重要性系数。通过改进的IEEE 33节点算例进行仿真分析,构建单一故障、多点故障、短时故障的场景,验证了本文所提出方法的有效性以及可控装置对故障后负荷恢复量的提升。     

基于启发式规则与改进和声算法的配网快速故障恢复网络重构

网络重构是改变配电网运行状态最重要的手段之一,可有效提高配电网经济、安全以及供电可靠性.为此,提出融合启发式规则与网络重构的配电网故障快速恢复方法,采用宽度优先遍历的思想,确定故障隔离后非故障失电区,据此利用提出的启发式规则确定非故障失电区的故障恢复方式,以及实现非故障失电区与非故障带电区的连通;对接入了非故障失电区且除去了主动孤岛恢复部分的配电网络,构建以网络损耗最小为目标,以满足配电网安全运行为约束条件的网络重构模型,利用所提出改进和声算法对模型进行求解.通过69节点系统仿真,表明所提方法相比其他方法具有优越性,同时验证了所提出的配电网故障恢复网络重构模型的有效性.     

配电网故障定位方法研究

对配电线路的故障定位方法进行了归纳总结, 并予以分类.针对不同类型的故障定位算法, 重点分析了其基本原理、优缺点及后续改进方案, 并结合配电网的发展趋势及用户对供电可靠性的要求, 对未来配电网故障定位技术的研究进行了初步展望.     

基于RCA-BA算法的配电网故障区段定位研究

为提高配电网故障区段定位灵敏度和准确率,快速处理故障,恢复供电。将可逆元胞自动机(RCA)与蝙蝠算法(BA)相结合,将蝙蝠看作元胞形成可逆元胞蝙蝠算法(RCA-BA)。蝙蝠不断地在其邻居和前置状态范围内进行寻优。利用动态惯性系数改进BA算法的速度、位置等变量的更新方式,增强了RCA-BA算法搜索的灵敏度,提高了算法搜索到全局最优解的概率。MATLAB仿真结果表明可逆元胞蝙蝠算法能够迅速准确的定位故障区段,同时受采集信号畸变的影响小。     

配电网故障快速自愈的一种新算法

提出一种开环运行状态下配电网故障快速自愈的新算法。在传统配电网馈线自动化方式下,故障时均会对部分用户造成短时间的停电,提出了实现智能配电网模式下的故障快速自愈新算法。PSCAD仿真表明该算法快速可靠。     

基于改进遗传算法的配电网故障诊断

针对传统配电网故障诊断系统的不足,提出基于改进GA的配电网故障诊断方法.提出节点表示配电网络的模型描述方法,将配电网基本组成元件归纳为进线断路器、开关和线路3类.在实现拓扑分区的基础上,深入研究适应度函数和遗传算子及参数等的改进.仿真实验表明该方法的有效性和高容错性.     

基于零序分量的配电网故障定位方法

针对目前中性点不接地配电网络单相接地故障定位难的问题,利用配电网络发生单相接地故障时故障点同侧的相邻检测点间零序分量基本相同,故障点两侧零序分量相差较大的特性,先进行区段定位,然后在此基础上构造出故障零序等效电路图,进一步求得准确的故障距离。仿真表明该算法有良好的精度。 更多还原     

基于启发式搜索的配电网供电恢复系统

基于配电网的特点,提出了适用于实时控制的配电网供电恢复计算方法－－启发式搜索法,该方法定义了恢复方案的综合评价函数,首先求出各个联络开关的一阶负荷矩,对“弧立岛”所有可能的恢复供电路径按步骤穷举搜索,可快速搜索出可行的供电恢复方案,再利用评价函数确定最佳的供电恢复方案。     

基于IHHT-RF的配电网单相接地故障选线方法

小电流系统发生单相接地故障时故障特征易受高接地过渡电阻、小初相角等弱故障条件影响而导致选线准确率低。为此,提出一种基于改进希尔伯特黄变换—随机森林（improved Hilbert-Huang transform-random forest,IHHT-RF）的配电网单相接地故障选线方法。首先,提取每条线路在故障发生时的电流暂态信号,通过IHHT提取纯净的暂态电气量,构造标准差、能量熵和幅值畸变度3类特征向量;然后,将特征向量输入RF分类器建立故障选线模型,把故障选线问题转化为二分类问题;最后,将测量数据输入RF分类器中得出分类结果,实现故障线路的自动识别。仿真结果表明,该选线方法综合利用暂态信号的幅值、频率和能量等特征信息,不受弱故障条件、馈线结构等因素的影响,能有效提高故障选线的准确率,具有较强的适应性和可靠性。     

基于智能控制终端的主动配电网故障处理方法

由于大规模分布式电源(DG)接入配电网,传统配电网的运行模式、控制策略已不适用于主动配电网。自愈控制能够对配电网的故障进行主动预防、诊断、分析和恢复正常供电,是主动配电网的主要特点。该文设计一种适用于主动配电网的智能控制终端,对其中的故障隔离、故障选相、故障定位测距等故障处理模块进行研究。最后,在Matlab/Simulink建立仿真模型,结果表明该终端系统对主动配电网故障有很好的处理能力。     

基于布点优化方法的配电网多端行波故障定位分析

为减少配电网中行波检测装置安装数量以节约成本,并对传统的在配电网线路末端安装行波检测装置的方法加以改进。通过在线路末端安装备用行波检测装置,采取多测点配合的双端行波测距方法对故障点进行定位。当故障发生在线路末端附近时,若此线路末端的行波检测装置记录的初始行波到达时刻发生错误时,利用备用行波检测装置配合单端零线模时差法判断并校正故障点位,同时对树状配电网的所有线路进行故障定位。通过在MATLAB/Simulink软件中搭建10 kV树状配电网络进行仿真实验,实验结果表明：本文提出的方法能够准确定位故障位置,并能对错误的故障点位置进行校正。