庹祖雄,朱于華,胡德洲,劉俊夫

(1.恩施永揚(yáng)水利電力工程建設(shè)有限責(zé)任公司,湖北 恩施 45000；2.湖北民族學(xué)院 信息工程學(xué)院,湖北 恩施 45000)

一種混合算法在配電網(wǎng)故障定位中的研究

庹祖雄1,朱于華1,胡德洲1,劉俊夫2

(1.恩施永揚(yáng)水利電力工程建設(shè)有限責(zé)任公司,湖北 恩施 45000；2.湖北民族學(xué)院 信息工程學(xué)院,湖北 恩施 45000)

對(duì)于復(fù)雜配電網(wǎng)中不止一處發(fā)生故障的現(xiàn)象,提出采用兩種定位方法相結(jié)合的方式進(jìn)行故障定位,首先根據(jù)配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)運(yùn)用分區(qū)理論將復(fù)雜的配電網(wǎng)進(jìn)行分區(qū),并采用遺傳算法對(duì)分區(qū)后的簡(jiǎn)化模型進(jìn)行一次定位,然后再用Bayes公式分別對(duì)每個(gè)故障區(qū)域進(jìn)行二次定位,綜合兩次定位的結(jié)果最終確定故障區(qū)域.由于采用分區(qū)思想大大縮小了遺傳算法可行解的維數(shù),提高了定位速度；而運(yùn)用Bayes公式對(duì)故障區(qū)域進(jìn)行定位,使得定位的結(jié)果更加精確.通過(guò)仿真證明該方法在配電網(wǎng)故障定位中的可行性,結(jié)果也證實(shí)了該方法的準(zhǔn)確性.

Bayes公式;遺傳算法;分區(qū)理論;故障定位;配電網(wǎng)

智能電網(wǎng)的發(fā)展,促使人們非常重視對(duì)配電網(wǎng)方面的研究,而配電網(wǎng)故障定位作為配電網(wǎng)自動(dòng)化中非常重要的一個(gè)環(huán)節(jié),使得人們對(duì)于配電網(wǎng)故障定位的研究越來(lái)越多.文獻(xiàn)[1]中將矩陣與粒子兩種算法進(jìn)行結(jié)合,利用矩陣算法來(lái)提高粒子算法的全局搜索能力,使其故障定位更加準(zhǔn)確.文獻(xiàn)[2]采用優(yōu)化后的粒子群算法進(jìn)行故障定位,通過(guò)對(duì)算法中的收縮因子與慣性權(quán)重進(jìn)行改善,從而提升其故障定位的精確性.文獻(xiàn)[3]中通過(guò)增加多變量約束,使開(kāi)關(guān)函數(shù)得到改進(jìn),并通過(guò)優(yōu)化的遺傳算法建立配電網(wǎng)結(jié)構(gòu)模型.然后采用分級(jí)處理思想來(lái)簡(jiǎn)化算法的運(yùn)算量,使定位的速度有很大提高.然而對(duì)于復(fù)雜配電網(wǎng)不止一處出現(xiàn)故障的情況,目前很少有人對(duì)此進(jìn)行較為深入的研究,因此找到一種較好方法來(lái)進(jìn)行配電網(wǎng)多重故障定位的研究就顯得十分必要.

針對(duì)復(fù)雜配電網(wǎng)中不止一處發(fā)生故障的現(xiàn)象,本文首先采用分區(qū)理論將復(fù)雜的配電網(wǎng)結(jié)構(gòu)簡(jiǎn)單化,然后采用遺傳算法對(duì)分區(qū)后的簡(jiǎn)化模型來(lái)進(jìn)行一次故障定位找到故障區(qū)域,然后對(duì)每個(gè)故障區(qū)域分別用Bayes公式來(lái)進(jìn)行二次定位,最后綜合兩次定位的結(jié)果最終確定故障區(qū)域[4-8].

1 遺傳算法的故障定位

本文采用的遺傳算法是基于過(guò)電流故障定位方法,其中以電源向饋線供電的功率流出的方向?yàn)殡娏鞯恼较?當(dāng)FTU上流過(guò)相反方向的電流時(shí),就說(shuō)明出現(xiàn)過(guò)電流[9-12].利用遺傳算法來(lái)進(jìn)行故障定位主要是包括以下幾個(gè)內(nèi)容.

1.1 編碼

編碼就是將FTU上的故障信息用數(shù)字0-1表示出來(lái),一般只對(duì)有故障的回路進(jìn)行編碼,首先進(jìn)行終端狀態(tài)編碼,就是針對(duì)FTU上通過(guò)的電流,把故障信息方向相反的FTU設(shè)定為1,故障信息相同的FTU設(shè)定為0.然后進(jìn)行區(qū)段編碼,有故障的區(qū)段設(shè)定為1,沒(méi)有發(fā)生故障的區(qū)段設(shè)定為0.

1.2 產(chǎn)生初始種群

這里設(shè)定初始種群中種群的規(guī)模為N,其中種群中染色體長(zhǎng)度與區(qū)段個(gè)數(shù)一一對(duì)應(yīng),并且染色體中每一位數(shù)字串表示對(duì)應(yīng)的區(qū)段狀態(tài).

1.3 適應(yīng)度檢測(cè)

適應(yīng)度函數(shù)是進(jìn)行種群區(qū)分的標(biāo)準(zhǔn),這里的適應(yīng)度函數(shù)如式(1).

(1)

其中:M取故障回路中FTU數(shù)目的2倍；Itj為第j個(gè)終端的終端狀態(tài)編碼；Itj(s)為第j個(gè)終端的終端狀態(tài)函數(shù),其中Itj(s)的計(jì)算公式如式(2).

(2)

式(2)表示如果在FTU下方區(qū)段中只要有一個(gè)區(qū)段編碼為1,那么該FTU的Itj(s)值就為1,否則對(duì)應(yīng)的Itj(s)值為0.

1.4 選擇、交叉和變異

這里以輪盤賭法作為選擇操作,同時(shí)根據(jù)經(jīng)驗(yàn),交叉概率選為0.6,變異概率選為0.01.當(dāng)遺傳算法的適應(yīng)度值或者迭代次數(shù)中的一個(gè)條件滿足要求時(shí),則表示找到了最優(yōu)個(gè)體；然后對(duì)最優(yōu)個(gè)體的區(qū)段狀態(tài)編碼進(jìn)行譯碼得到故障區(qū)段.

2 利用Bayes公式進(jìn)行配電網(wǎng)故障定位

Bayes公式是基于已經(jīng)知道結(jié)果的前提下,運(yùn)用數(shù)學(xué)公式來(lái)挖掘該事件的發(fā)生原因[13-14].因此把貝葉斯公式運(yùn)用到配電網(wǎng)故障定位上來(lái),就是根據(jù)已知FTU上傳的故障信息,來(lái)確定發(fā)生故障區(qū)域.

Bayes算法模型：如圖1所示,A表示的是單電源供電,Ki(i=1,2,...,8)表示饋線開(kāi)關(guān),Si(i=1,2,...,8)表示支路編號(hào).F=(b1,b2,…,b8)是從饋線上接受到的信息序列,若支路上有故障電流經(jīng)過(guò),則bi=1；若支路上沒(méi)有故障電流經(jīng)過(guò),則bi=0.

圖1 單電源供電的饋線圖Fig.1 Single power supply of the feeder

這里是以故障出現(xiàn)的概率來(lái)進(jìn)行定位的,由于實(shí)際中一條饋線發(fā)生多處故障的可能性很低,因此我們假設(shè)在同一饋線上不止一處發(fā)生故障的可能性幾乎沒(méi)有,并且設(shè)定Ki為其支路Si上發(fā)生一處故障的事件,那么從S1到Sn就構(gòu)成了整個(gè)事件集合,同時(shí)認(rèn)為所有支路中故障出現(xiàn)的可能都是一樣的.因此根據(jù)F就可以得到Si上發(fā)生的故障,對(duì)應(yīng)的Bayes公式如式(3)所示.

(3)

從式(3)可以看到,只要知道P(F|ki),P(ki)和P(F)的值就可以得到P(ki|F)的值.其中,P(ki|F)為其支路上檢測(cè)到故障的概率,而對(duì)于P(ki)和P(F)這兩個(gè)值是比較難得到的,因此考慮的是利用故障區(qū)段的顯著度來(lái)進(jìn)行比較衡量,顯著度最大的區(qū)域就為故障區(qū)段.這里的故障區(qū)段顯著度相比較的公式如式(4)所示.

(4)

這樣就將求解P(ki|F)轉(zhuǎn)換到求解P(F|ki)(i=1,2,…,n)的比值r.因此可以得出P(ki|F)的公式為：

(5)

待算出全部的P(F|ki)(i=1,2,...,n)后,進(jìn)行比較后得出最大值,則出現(xiàn)故障的區(qū)段即為P(ki|F)最大值所對(duì)應(yīng)的負(fù)荷開(kāi)關(guān)ki所在支路Si.

3 基于混合算法實(shí)現(xiàn)過(guò)程

根據(jù)上述理論得到遺傳算法與基于Bayes公式相結(jié)合的配電網(wǎng)故障定位方法,具體實(shí)現(xiàn)過(guò)程是：首先根據(jù)配電網(wǎng)的拓?fù)浣Y(jié)構(gòu)進(jìn)行分區(qū)操作,在配電網(wǎng)中選取一條支路作為主干路,并把與其相鄰的支路和其末梢均設(shè)定為獨(dú)立區(qū)域.針對(duì)節(jié)點(diǎn)數(shù)目較多的區(qū)域,根據(jù)需要可以繼續(xù)進(jìn)行劃分為級(jí)別較低的區(qū)域.然后采用遺傳算法對(duì)配網(wǎng)結(jié)構(gòu)模型進(jìn)行一次故障定位得到每個(gè)故障區(qū)域,并對(duì)各個(gè)故障區(qū)域再運(yùn)用基于Bayes公式的配電網(wǎng)故障定位方法進(jìn)行故障二次定位,最后綜合兩次定位的結(jié)果最終確定故障區(qū)域[15-20].

4 算例分析

圖2 單電源配電網(wǎng)饋線結(jié)構(gòu)圖Fig.2 Single power distribution feeders structure

如圖2所示,在一個(gè)配電網(wǎng)的單條饋線上,一處發(fā)生故障的概率要比兩處和多處發(fā)生故障的概率要高很多,因此這里只考慮單條饋線的單個(gè)支路上發(fā)生一處故障或者不發(fā)生故障的情況.

按照分區(qū)理論,將配電網(wǎng)進(jìn)行分區(qū)后,則遺傳算法定位中的個(gè)體組成為S1、S2、S3、I、II、III,所以根據(jù)上面的規(guī)定,此時(shí)M取值為14,運(yùn)用遺傳算法對(duì)該個(gè)體進(jìn)行故障定位,得到的定位結(jié)果如表1所示.

表1 基于遺傳算法的定位結(jié)果

表2 基于Bayes公式的定位結(jié)果

從表1得到有故障的區(qū)域?yàn)閰^(qū)域I、II,然后再使用Bayes公式來(lái)對(duì)故障區(qū)域I、II進(jìn)行精確定位,從而準(zhǔn)確的找到故障位置.如表2所示,就是使用Bayes公式進(jìn)行定位的結(jié)果.

由表2可以得出,因?yàn)閐<<1,因此區(qū)域I中(1-d)3值最大,區(qū)域II中(1-d)2值最大,判斷出開(kāi)關(guān)K6、K7檢測(cè)到故障信息,進(jìn)而可以判定對(duì)應(yīng)的區(qū)段S6、S7為故障區(qū)域,準(zhǔn)確的找到了故障位置,證明了該方法的可行性.

5 總結(jié)

本文提出了采用兩種定位方法相結(jié)合的方式對(duì)配電網(wǎng)進(jìn)行故障定位的方法,首先分區(qū)思想的運(yùn)用,使遺傳算法計(jì)算量減低,進(jìn)而提高運(yùn)算速度；其次對(duì)于故障區(qū)域再運(yùn)用Bayes公式進(jìn)行定位,由于其思路簡(jiǎn)單,計(jì)算方便,也具有一定的容錯(cuò)性,使得各區(qū)的定位更加精確,特別是對(duì)于復(fù)雜配電網(wǎng)絡(luò)不止一處發(fā)生故障的情況,更加能夠體現(xiàn)出該方法的優(yōu)越性.

[1] 李洪揚(yáng).一種用于配電網(wǎng)故障定位的粒子群算法分析[J].重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版),2012,12(3):127-131.

[2] 趙金憲,涂展,謝陽(yáng).粒子群改進(jìn)算法在配電網(wǎng)故障定位中的應(yīng)用[J].黑龍江科技大學(xué)學(xué)報(bào),2014,24(3):277-281.

[3] 郭壯志,陳波,劉燦萍,等.基于遺傳算法的配電網(wǎng)故障定位[J].電網(wǎng)技術(shù),2007,31(11):55-57.

[4] 齊鄭,喬豐,黃哲沫,等.基于暫態(tài)分量遺傳算法的小電流接地故障定位方法[J].電力系統(tǒng)保護(hù)與控制,2014,42(1):35-39.

[5] Sheble G B,Kristin Brining Refined Genetic Algorithm-Economic Dispatch Example[J].IEEE Trans on Power System,1995,10(1):117-124.

[6] 陳樹果,吳辰寧,田振寧,等.基于自適應(yīng)遺傳算法的配電網(wǎng)故障定位研究[J].電氣工程與自動(dòng)化,2011,33(315):55-57.

[7] Wen Fushuan,Chang C S.Probabilistic Approach for Fault-Section Estimation in Power System Based on a Refined-Genetic Algorithm[J].IEE Proceedings-Generation,Transmission and Distribution,1997,144(2):160-168.

[8] 嚴(yán)太山,崔杜武,陶永芹.基于改進(jìn)遺傳算法的配電網(wǎng)故障定位[J].高電壓技術(shù),2009,35(2):255-259.

[9] 郭壯志,吳杰康.配電網(wǎng)故障區(qū)間定位的仿電磁學(xué)算法[J].中國(guó)電機(jī)工程學(xué)報(bào),2010,30(13):34-40.

[10] LU C N,TSAY M T,HWANC Y J,et al.An artificial neural network based trouble call analysis[J].IEEE Transactions on Power Delivery,1994,9(3):1663-1668.

[11] 唐金銳,尹項(xiàng)根,張哲,等.配電網(wǎng)故障自動(dòng)定位技術(shù)研究綜述[J].電力自動(dòng)化設(shè)備,2013,33(5):8-11.

[12] YUAN Y H,LU F C,CHIEN Y,et a1.An expert system for locating distribution system faults[J].IEEE Transactions on Power Delivery,1991,6(1):366-372.

[13] 劉淑芬,楊雙雙,王輝.基于故障樹和Bayes網(wǎng)絡(luò)組合的裝備故障診斷[J].吉林大學(xué)學(xué)報(bào)(理學(xué)版),2014,52(5):983-987.

[14] 宗劍,牟龍華,李曉波.基于貝葉斯公式的配電網(wǎng)故障區(qū)段定位方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2007,19(5):46-48.

[15] 劉健,張小慶,同向前,等.含分布式電源配電網(wǎng)的故障定位[J].電力系統(tǒng)自動(dòng)化,2013,37(2):36-41.

[16] 賈惠彬,李明舒,張國(guó)云.一種基于圖論剪枝算法的多分支配電網(wǎng)行波故障定位算法[J].電測(cè)與儀表,2017,54(1):27-32.

[17] 付家才,陸青松.基于蝙蝠算法的配電網(wǎng)故障區(qū)間定位[J].電力系統(tǒng)保護(hù)與控制,2015,43(16):101-104.

[18] 吳磊,廖秋萍,呂林,等.含分布式發(fā)電配電網(wǎng)故障區(qū)段點(diǎn)位新方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2015,27(5):93-96.

[19] MIRZAI M A,AFZALIAN A A.A Novel Fault-Locator System,Algorithm,Principle and Practical Implementation[J].IEEE Transactions on Power Delivery,2010,25(1):35-46.

[20] LIN Xiangning,KE Shuohao,LI Zhengtian,et al.A fault diagnosis method of power systems based on improved objective function and genetic algorithm-tabu search[J].IEEE Transactions on Power Delivery,2010,25(3):1268-1274．

責(zé)任編輯：時(shí) 凌

A Hybrid Algorithm in Distribution Network Fault Location

TUO Zuxiong1,ZHU Yuhua1,HU Dezhou1,LIU Junfu2

(1.Enshi Yongyang Hydropower Engineering Construction Co.,Ltd,Enshi 445000,China; 2.School of Information and Engineering,Hubei University for Nationalities,Enshi 445000,China)

For multiple faults that happen to complex distribution network,this paper proposes a method combining the genetic algorithm with the Bayes formula for fault location.Firstly,according to the distribution network topology,the theory of partition is used to partition the complex distribution network,and the genetic algorithm is used to locate the simplified model after partition.Secondly,the Bayes formula is used to re-locate each fault zone respectively.The fault zone is eventually determined by synthesizing the result of the two locations.As the idea of partitioning is adopted,the dimension of feasible solution of the genetic algorithm is reduced greatly and the location speed is improved.When the Bayes formula is used to locate the fault zone,the location result is more accurate.The simulation result proves the feasibility and accuracy of this method in distribution network fault locationd.

Bayes formula;genetic algorithm;partition theory;fault location;distribution network

2017-04-28.

國(guó)家自然科學(xué)基金項(xiàng)目(61263030；61463014).

庹祖雄(1970-),男,高級(jí)工程師,主要從事電力系統(tǒng)運(yùn)行與控制的研究.

1008-8423(2017)03-0343-04

10.13501/j.cnki.42-1569/n.2017.09.021

TM744

A