一种基于遗传算法的微电网故障判别方法技术

本发明专利技术涉及一种基于遗传算法的微电网故障判别方法，包括步骤：1)检测微电网故障情况下各节点电压和各支路电流；2)初始化遗传算法。本发明专利技术的有益效果是：充分考虑了微电网故障的高随机性，提出采用遗传算法对微电网故障位置和故障类型进行迭代计算判别。对于任意形式的目标函数和约束，无论是线性的还是非线性的，离散的还是连续的都可处理，能够得到有效的全局搜索结果；进行微电网的故障判别能够同时判别故障点位置和故障类型，具有更广泛的应用背景，通过对故障类型进行编号使故障类型判别数字化，具有充分的创新性；提出的微电网故障判别的计算方法不仅适用于微电网发生故障，也适用于复杂电网的故障判别，本发明专利技术具有一定的泛用性。

A method of micro grid fault diagnosis based on genetic algorithm

【技术实现步骤摘要】
一种基于遗传算法的微电网故障判别方法
本专利技术涉及微电网故障分析
，尤其包括一种基于遗传算法的微电网故障判别方法。
技术介绍
采用集中发电、远距离输电和大电网互联的供电方式，存在灵活性差、局部事故易扩散等弊端。结合电网与分布式发电(DistributedGeneration，DG)的智能电网能够吸引资本、降低能耗、提高电力系统的灵活性和可靠性。在过去的十几年内，以可再生能源(太阳能、风能等)和清洁燃料(天然气、氢能等)为基础的分布式发电技术获得了长足的发展。作为智能电网中关键技术之一的分布式发电具有高效、经济、灵活、环保等优点，而太阳能、风能等可再生能源具有高随机性这一主要缺点。大规模的可再生能源通过分布式发电并网运行可能会导致电网频率偏移、电压波动等电能质量问题，严重影响电网的可靠运行。微电网是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。微电网旨在实现分布式电源的灵活、高效应用，解决数量庞大、形式多样的分布式电源并网问题。开发和延伸微电网能够充分促进分布式电源与可再生能源的大规模接入，实现对负荷多种能源形式的高可靠供给，是实现主动式配电网的一种有效方式。目前，微电网的故障定位和隔离的方法有两类：直接算法和间接算法。直接算法包括两种：矩阵算法和过热弧搜寻法，这两种方法都是依据图论理论知识，考虑故障过流或失压分析，利用电网的拓扑结构实现故障定位。间接算法主要包括：人工神经网络，遗传算法，专家系统，模糊理论等，这些方法都是基于人工智能技术来实现故障定位。现有的微电网故障分析方法都需要已知微电网中故障的类型和拓扑结构来推算微电网中的故障位置。对于微电网的故障分析问题，微电网的拓扑结构往往比较容易获得，而具体的故障类型则需要采用其他方法进行判别，一般通过先判别微电网故障类型、再将故障类型作为输入得到微电网的故障位置。这类方法一方面会使误差累计降低结果的准确性，另一方面则是降低了微电网故障判别的效率、影响后续的故障切除。
技术实现思路
本专利技术的目的是克服现有技术中的不足，提供一种基于遗传算法的微电网故障判别方法。这种基于遗传算法的微电网故障判别方法，包括以下步骤：1)检测微电网故障情况下各节点电压和各支路电流：在微电网故障发生后，利用各节点的电压传感器和各支路的电流传感器得到各节点的节点电压与各支路的支路电流；2)初始化遗传算法，生成初始故障类型和故障位置，得到故障位置和故障类型的初始种群；3)计算各故障位置和故障类型下的微电网电压电流：根据发电机节点电压与故障后线路阻抗，进行潮流计算得到节点电压与支路电流；4)比较计算的电压电流与检测结果的差值：将计算的节点电压与电压传感器检测得到的节点电压作差得到各个节点电压的偏差；将计算的支路电流与电流传感器检测得到的支路电流作差得到各个支路电流的偏差；5)根据计算的电压电流与检测结果的差值，选择最优个体：采用加权计算的方案将节点电压差值的绝对值与支路电流差值的绝对值加权相加后，选择最小总差值的故障类型和故障位置作为最优个体；6)判断最优个体的电压电流与检测结果的差值是否小于预设精度ε：若最优个体的电压电流与检测结果的差值小于预设精度ε，则输出最优个体的故障位置和故障类型并结束计算；若最优个体的电压电流与检测结果的差值大于或等于预设精度ε，则以最优个体为目标输入遗传算法，生成下一代的故障类型和故障位置的初始种群，并返回执行步骤3)至步骤6)，直到最优个体的电压电流与检测结果的差值小于预设精度ε，输出最优个体的故障位置和故障类型并结束计算。作为优选，步骤2)所述得到故障位置和故障类型的初始种群的具体方式为：对微电网中的所有支路进行编号，编号时保证临近的线路的数值相近；将所有故障类型进行排序编号，编号时保证同类型的故障的数值相近；随机生成初始种群其中α为故障位置，β为故障类型，上标为初始种群的代数，下标为初始种群中的个体编号，n为初始种群中的个体编号的总数。作为优选，步骤3)所述计算各故障位置和故障类型下的微电网电压电流的具体方式为：根据的故障位置和故障类型得到线路的节点导纳矩阵；j为遗传算法的代数，k为一代种群中的个体编号；根据发电机节点电压、各节点的功率和节点导纳矩阵进行潮流计算，得到各个节点的节点电压和各条支路的支路电流。作为优选，步骤5)所述采用加权系数法根据计算的电压电流与检测结果的差值，选择最优个体的具体方式为：记微电网的节点数量为n，支路数量为m，则节点电压差值与支路电流差值的权重比应为m:n，采用加权计算的方案将节点电压差值的绝对值与支路电流差值的绝对值加权相加：上式中，j为遗传算法的代数，k为一代种群中的个体编号，为总差值，u为微电网的节点电压，N为微电网的节点编号，i为微电网的支路电流，M为微电网的支路编号，上标*代表电压或电流的检测值；选择最小总差值最小的作为第j代种群中的最优个体。作为优选，步骤6)所述以最优个体为目标生成下一代的故障类型和故障位置的初始种群的具体方式为：以最优个体为目标输入遗传算法，进行新的一轮迭代得到新的种群上式中j为迭代前的代数，j+1为第j+1代种群，下标为种群中个体的编号，n为种群中的个体编号的总数。本专利技术的有益效果是：(1)本专利技术充分考虑了微电网故障的高随机性，提出采用遗传算法对微电网故障位置和故障类型进行迭代计算判别。由于遗传算法在搜索过程中不需要问题的内在性质，对于任意形式的目标函数和约束，无论是线性的还是非线性的，离散的还是连续的都可处理，能够得到有效的全局搜索结果。(2)本专利技术进行微电网的故障判别能够同时判别故障点位置和故障类型，具有更广泛的应用背景，通过对故障类型进行编号使故障类型判别数字化，具有充分的创新性。(3)本专利技术提出的微电网故障判别的计算方法不仅适用于微电网发生故障，也适用于复杂电网的故障判别，本专利技术具有一定的泛用性。附图说明图1为本专利技术的计算方法流程图；图2为一种常见微电网的拓扑示意图；图3为微电网的故障点编号的简化方案；图4为微电网的故障点编号的深化方案。具体实施方式下面结合实施例对本专利技术做进一步描述。下述实施例的说明只是用于帮助理解本专利技术。应当指出，对于本
的普通人员来说，在不脱离本专利技术原理的前提下，还可以对本专利技术进行若干修饰，这些改进和修饰也落入本专利技术权利要求的保护范围内。本专利技术检测微电网故障下各节点电压和支路电流、遗传算法得到故障位置和故障类型、计算各故障位置和故障类型下的微电网电压电流、比较计算的电压电流与检测结果的差值、根据差值选择最优个体。该方法可有效解决微电网发生故障时的故障判别问题，不仅能够判别故障的类型，还可以精确定位故障发生的具体位置，从而快速排出微电网的故障。得到故障位置和故障类型的初始种群的具体方式为：对微电网中的所有支路进行编号，编号时保证临近的线路的数值相近；将所有故障类型进行本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的微电网故障判别方法，其特征在于，包括以下步骤：/n1)检测微电网故障情况下各节点电压和各支路电流：在微电网故障发生后，利用各节点的电压传感器和各支路的电流传感器得到各节点的节点电压与各支路的支路电流；/n2)初始化遗传算法，生成初始故障类型和故障位置，得到故障位置和故障类型的初始种群；/n3)计算各故障位置和故障类型下的微电网电压电流：根据发电机节点电压与故障后线路阻抗，进行潮流计算得到节点电压与支路电流；/n4)比较计算的电压电流与检测结果的差值：将计算的节点电压与电压传感器检测得到的节点电压作差得到各个节点电压的偏差；将计算的支路电流与电流传感器检测得到的支路电流作差得到各个支路电流的偏差；/n5)根据计算的电压电流与检测结果的差值，选择最优个体：采用加权计算的方案将节点电压差值的绝对值与支路电流差值的绝对值加权相加后，选择最小总差值的故障类型和故障位置作为最优个体；/n6)判断最优个体的电压电流与检测结果的差值是否小于预设精度ε：若最优个体的电压电流与检测结果的差值小于预设精度ε，则输出最优个体的故障位置和故障类型并结束计算；若最优个体的电压电流与检测结果的差值大于或等于预设精度ε，则以最优个体为目标输入遗传算法，生成下一代的故障类型和故障位置的初始种群，并返回执行步骤3)至步骤6)，直到最优个体的电压电流与检测结果的差值小于预设精度ε，输出最优个体的故障位置和故障类型并结束计算。/n...

【技术特征摘要】
1.一种基于遗传算法的微电网故障判别方法，其特征在于，包括以下步骤：
1)检测微电网故障情况下各节点电压和各支路电流：在微电网故障发生后，利用各节点的电压传感器和各支路的电流传感器得到各节点的节点电压与各支路的支路电流；
2)初始化遗传算法，生成初始故障类型和故障位置，得到故障位置和故障类型的初始种群；
3)计算各故障位置和故障类型下的微电网电压电流：根据发电机节点电压与故障后线路阻抗，进行潮流计算得到节点电压与支路电流；
4)比较计算的电压电流与检测结果的差值：将计算的节点电压与电压传感器检测得到的节点电压作差得到各个节点电压的偏差；将计算的支路电流与电流传感器检测得到的支路电流作差得到各个支路电流的偏差；
5)根据计算的电压电流与检测结果的差值，选择最优个体：采用加权计算的方案将节点电压差值的绝对值与支路电流差值的绝对值加权相加后，选择最小总差值的故障类型和故障位置作为最优个体；
6)判断最优个体的电压电流与检测结果的差值是否小于预设精度ε：若最优个体的电压电流与检测结果的差值小于预设精度ε，则输出最优个体的故障位置和故障类型并结束计算；若最优个体的电压电流与检测结果的差值大于或等于预设精度ε，则以最优个体为目标输入遗传算法，生成下一代的故障类型和故障位置的初始种群，并返回执行步骤3)至步骤6)，直到最优个体的电压电流与检测结果的差值小于预设精度ε，输出最优个体的故障位置和故障类型并结束计算。


2.根据权利要求1所述的基于遗传算法的微电网故障判别方法，其特征在于，步骤2)所述得到故障位置和故障类型的初始种群的具体方式为：
对微电网中的所有支路进行编号，编号时保证临近的线路的数值相近；将所有故障类型进行...

【专利技术属性】
技术研发人员：赵力航，杨敏，汪洋叶，年珩，陈新琪，张浙波，
申请(专利权)人：浙江浙能技术研究院有限公司，
类型：发明
国别省市：浙江;33