一种基于改进万有引力算法的含DG配电网的故障区段定位方法技术

本发明专利技术公开了一种基于改进万有引力算法的含DG配电网的故障区段定位方法，根据正常运行时段汇集的FTU信息，对接入DG后的配电网生成拓扑图；确定电流的正方向，并对故障电流进行编码；根据拓扑图，构造馈线与节点间的开关函数和评价函数；根据FTU上传的故障电流信息，对馈线区段信息进行编码，形成算法中的寻优粒子，基于综合反向学习法和混沌映射法的万有引力算法进行故障定位。本发明专利技术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。

【技术实现步骤摘要】
一种基于改进万有引力算法的含DG配电网的故障区段定位方法
本专利技术涉及配电网故障定位技术，具体涉及一种基于改进万有引力算法的含DG配电网的故障区段定位方法。
技术介绍
传统配电网引入分布式电源(DistributedGenerationDG)后，直接影响到了系统的负荷增长模式，配电网运行的可靠性和稳定性也会受到波动。当配电网发生故障时，由于DG的并入，配电网结构变得复杂，故障的定位也产生一定困难。针对配电网故障定位的方法可以分为测距类和定位类两大类。测距类有阻抗法、行波法等，定位类有矩阵法、人工智能法等。其中，人工智能法具有较高的容错率，能够很好的解决FTU上传信息畸变等问题进而完善配电网SCADA系统。当前已有的配电网故障定位方法主要有粒子群算法和遗传算法。粒子群算法存在寻优过程中处理的数据较多，快速性差等缺点；遗传算法也存在着早熟收敛、计算量大从而导致定位速度慢的缺点。
技术实现思路
本专利技术目的在于提供一种基于改进万有引力算法的含DG配电网的故障区段定位方法。实现本专利技术目的的技术解决方案为：一种基于改进本文档来自技高网...

【技术保护点】
1.基于改进万有引力算法的含DG配电网的故障区段定位方法，其特征在于，包括如下步骤：/n步骤1：根据正常运行时段汇集的FTU信息，对接入DG后的配电网生成拓扑图；/n步骤2：确定电流的正方向，并对故障电流进行编码；/n步骤3：根据拓扑图，构造馈线与节点间的开关函数和评价函数；/n步骤4：根据FTU上传的故障电流信息，对馈线区段信息进行编码，形成算法中的寻优粒子，基于综合反向学习法和混沌映射法的万有引力算法进行故障定位。/n

【技术特征摘要】
1.基于改进万有引力算法的含DG配电网的故障区段定位方法，其特征在于，包括如下步骤：
步骤1：根据正常运行时段汇集的FTU信息，对接入DG后的配电网生成拓扑图；
步骤2：确定电流的正方向，并对故障电流进行编码；
步骤3：根据拓扑图，构造馈线与节点间的开关函数和评价函数；
步骤4：根据FTU上传的故障电流信息，对馈线区段信息进行编码，形成算法中的寻优粒子，基于综合反向学习法和混沌映射法的万有引力算法进行故障定位。


2.根据权利要求1所述的基于改进万有引力算法的含DG配电网的故障区段定位方法，其特征在于，步骤2中，规定从母线流向短路点的故障电流方向为正方向，那么部分分段开关上流过相反方向的短路电流，记为负方向故障电流，用“-1”表示，相应的，流过正方向过电流用“1”表示，无过电流用“0”表示。


3.根据权利要求1所述的基于改进万有引力算法的含DG配电网的故障区段定位方法，其特征在于，步骤3中，基于含DG配电网的结构特点，以网络中某一开关节点j为分断点，将配电网分成上半区与下半区，其中包含系统电源的部分称为该开关的上半区，其余部分称为该开关的下半区，节点j上的FTU检测到的电流故障信号为正时显示1，为负时显示-1，没有则显示0，得到开关函数为：



式子中：是第j个分段开关的开关函数，K1代表j号开关上游DG接入配电网的馈状态，K2代表j号开关下游DG接入配电网的馈状态，若是并网运行时则取“1”，否则取“0”；ΠT1表示j号开关到上游电源K1所有馈线状态的或运算，ΠT2表示j号开关到下游电源K2所有馈线状态的或运算；ΠTj(l)表示j号开关下游所有馈线状态的或运算，ΠTj(m)表示j号开关上游所有馈线状态的或运算，当线路发生故障时值为1，正常运行值为0；M、L分别为第j号开关上、下半区的馈线区段总数；
评价函数为：



式子中：N为配电网中的开关总数；M为配电网馈线个数；Ij为配电网中馈线的故障电流编码；为各开关期望的状态值；ω为修正系数，取值范围在[0,1]之间，本文中ω取值为0.8；xb(j)为第b个粒子在第j维的位置。


4.根据权利要求1所述的基于改进万有引力算法的含DG配电网的故障区段定位方法，其特征在于，步骤4中，利用开关函数将馈线区段信息转换成对应的故障电流信息，再利用评价函数评价各粒子的位置优劣程度，在多次迭代中找到粒子的全局最优位置，即找到故障发生区段，具体步骤为：
步骤4.1、设定算法具体参数，包括：种群规模N、混沌映射参数a、空间维度D及迭代次数T，其中空间维度D就是FTU的个数；
步骤4.2、进行反向学习初始化；
采用加入扰动因子的反向映射规则公式为：
xi＝ai+bi-randγxi
式中，randγ作为扰动因子加入，是在(0，1)之间的随机数；
步骤4.3、计算个体的惯性质量；
惯性质量计算公式为：



式中，Mi(t)为第i个粒子的惯性质量；mi(t)表示t时刻，第i个粒子在某一维的惯性质量；fiti(t)表示t时刻，粒子i的适应度值；Low(t)为适应度最小值；High(t)为适应度最大值；
步骤4.4、计算个体的合力；
t时刻第i个粒子受到第...

【专利技术属性】
技术研发人员：杨富辉，周立赏，高知林，谢鑫，秦华旺，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32