买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河北工业大学

摘要：本发明提出了一种基于改进长城建造算法的主动配电网故障定位方法，属于配电网故障定位领域，其技术特点是：首先将配电网进行分区处理，建立三阶段分层定位模型；采集各节点处FTU上传的故障电流信息，判断信息是否缺失，若有节点信息缺失，利用故障电流自修正法进行修正，输入修正后的节点电流信息，对配电进行编码并构建合理的开关函数和适应度函数。其次，设置算法的初始参数，采用改进的IGWCA算法搜索发生故障的具体区域，判断是否满足算法的收敛条件，若已达到收敛条件，则输出具体的故障区域。最后，读取故障区域内各节点的故障电流信息，继续利用改进后的IGWCA算法求解故障存在的具体馈线区段，判断是否满足算法的收敛条件，输出最终的故障区段。

主权项：1.一种基于改进长城建造算法的主动配电网故障定位方法，其特征在于包括以下步骤：步骤1，确定配电网的编码方式、构建计及DG大量接入的开关函数和评价函数，建立初始的单层定位模型；步骤2，在初始模型的基础上，考虑配电网分区处理原则和加入对FTU上传数据的预处理阶段，建立了三阶段分层故障定位模型；步骤3，针对FTU可能发生的漏报、误报的情况，设计了一种故障电流自修正法，在三阶段分层故障定位模型中增加了故障信息自修正环节；步骤4，设置IGWCA算法的迭代次数，采用Hammersley序列与Tent映射相结合的改进初始化策略生成初始工人种群，计算工人的适应度值，并对每种运动模型下领导者的位置进行更新；步骤5，根据IGWCA迭代过程不断更新种群中个体的位置，计算更新后工人种群对应的适应度值，采用Lévy飞行扰动策略对当前全局最优解进行扰动；步骤6，对超出搜索边界的工人执行回归操作，并采用动态自适应权重因子淘汰工作效率低下的工人，使用新招募的工人来替代他们的位置；步骤7，判断迭代过程是否结束，若是，则输出当前全局最优解；若否，则跳转到步骤4，循环以上相应的操作，直到满足终止条件；步骤8，输出具体的故障区域，利用故障区域内各节点处FTU上传的故障电流信息，重新确定变量维度并对算法进行初始化操作，生成新的初始种群；步骤9，继续重复步骤4到步骤7的相关操作，对特定的故障区域内部进行定向搜索，以确定出发生故障的具体馈线区段；步骤1，确定配电网的编码方式、构建计及DG大量接入的开关函数和评价函数，建立初始的单层定位模型；1.1配电网的编码方式配电网各分段开关、联络开关、出口断路器等处均安装有馈线终端装置FeederTerminalUnit，FTU，当发生故障时FTU会检测到故障过电流信息，并将故障过电流信息上传给数据采集与监视控制系统SupervisoryControlandDataAcquisition，SCADA，在配电网中将两个节点之间的线段称为区段，状态值用表示，其编码规则如下： 在传统的简单配电网中，以电源流向用户负载的方向为正方向，根据FTU检测的电流确定开关处故障状态编码，此时由于DG未并网，电流的方向是单向的；因此，单电源辐射网络的开关j的状态编码规则如下： 当在配电网中大规模接入分布式电源后，潮流的方向会由单向变为双向，此时，就需要对故障电流的方向作出规定，规定当节点所在分支没有接入DG时，由系统电源流向用电负载方向为正方向；当节点所在分支接入DG时，由系统电源流向DG的方向为正方向，则开关j新的状态编码规则如下： 1.2开关函数的构建开关函数的构建是实现故障定位的先决条件，它可以有效地将线路区段状态和开关状态联系起来，从而实现故障定位，根据已知的各个开关节点的状态值可以判断出存在故障的具体区段，对于原先的简单配电网，其开关函数如下所示： 式中，是第j个开关的开关函数；在配电网中，上游被定义为系统电源到开关处，其反方向被定义为下游；ld为节点j下游区段d的状态值；П为逻辑“或”运算；DG并网后，配电网的潮流随着DG的切换而变化，各节点的电流方向也随之变化，此外，在故障情况下，每个节点监控的电流方向不是唯一的，而是由每个电源的电流信息决定的；根据配电网节点和区段的编码情况，将节点j至主电源途经的区段定义为节点j的上游部分，记作u，至DG或负载侧途经的区段定义为节点j的下游部分，记作d，含分布式电源配电网的开关函数表达式如下： 式中，表示节点状态的期望值，它由两部分构成，以开关j为边界将整个配电网分为上游区域和下游区域两部分；分别为节点j上游区域和下游区域的开关函数；M′、N′分别为开关j至上、下游电源所经过区段的数量；M、N分别为开关j上、下游区域所接入电源的数量；Ku、Kd表示上、下游区域电源的投切状态，电源接入配电网为1，电源未接入配电网为0；分别为开关j到上游电源Su和下游电源Sd所经过的区段的状态；lj，u、lj,d分别为开关j上游区域和下游区域所包含区段的状态；П为“或”运算；1.3评价函数评价函数也就是适应度函数，在进行配电网故障定位时，评价函数是用来判断当前方案是否有效，以保证可以准确地定位到故障区段；因此，一个合适的适应度函数是故障定位的基础，其本质原理是各节点FTU设备检测到的实际故障电流Ii与通过开关期望函数计算得到的电流之差，只有当实际故障电流信息与期望函数值最接近时，才能使两者差值最小以得到最优解；含分布式电源配电网的评价函数的表达式如下： 式中，Fl′为每个候选解的适应度值；Ij为FTU设备上传的故障电流信息经过式3进行编码后的实际值；为第j个区段的状态期望值；Q为含DG配电网中的开关总数；q为含DG配电网中的馈线区段总数；为馈线区段状态信息的累加和；θ为权系数，此处取为0.5，可以避免定位结果出现一值多解导致误判的现象；为了方便使用算法进行计算，引入一个极大值T，在确保评价函数恒为正的前提下，将最小值优化问题转换为最大值优化问题进行求解，故式6可以改写为如下的形式： 式中，T为一个整数，取为100，这样就能使评价函数FL0恒成立；步骤2，在初始模型的基础上，考虑配电网分区处理原则和加入对FTU上传数据的预处理阶段，建立了三阶段分层故障定位模型；2.1配电网分区处理传统的单层定位模型在求解过程中，其计算耗时和计算复杂度与配电网的规模呈正相关关系，对于具有众多分支和节点的大规模配电网而言，使用单层定位模型不仅运算速度慢，定位耗时长，而且由于单层模型的变量规模较大，在很大程度上增加了故障定位的难度，使定位的准确性不能得到保障，此时需要对配电网线路进行分区处理，以降低定位维度，从而缩短定位时间，提高定位的准确性；分区原理为：故障区域内各区段无论存在何种故障，对其他各非故障区域的影响是相同的，非故障区域内各节点的开关函数值始终等于各自区域端口节点的开关函数值，因此可以用各区域端口节点等效整个区域内的节点；2.2分层故障定位模型将IGWCA用于求解后续模型，可以极大的提高所得结果的准确性，但当配电网自身规模较大时，变量的维度会随着增大，这会严重增加算法的计算量，使算法运行时间变长，出错概率变大；故本发明提出一种层次化的故障定位方法；第一层通过识别含DG配电网的拓扑结构，以实现简化故障定位模型的目的；第二层采用IGWCA算法求解含DG的配电网故障定位模型，锁定故障发生的具体区域；第三层对存在故障的区域利用IGWCA算法进行二次求解，定位出存在故障的具体区段；基于提出的配电网分区原理，将含DG的多分支配电网划分为若干个二端口区域，根据配电网各分支末端的二端口区域是否接入DG可以将其分为有源区域和无源区域；当配电网无源区域内各区段都不存在故障时，系统电源和DG提供的故障电流只会对有源区域中的各节点产生影响，而不会影响无源区域中的各节点；故在每次故障定位的过程中，只需要筛查无源区域内各节点处的FTU设备上传的信息是否都为0，就可判断出无源区域是否存在故障，如果判断出无源区域内不存在故障，在开始定位时就将其从整个配电网络中剔除，从而减少了故障定位模型中变量的维数；当配电网中含有较多无源支路时，可以在很大程度上降低IGWCA算法的计算量，以缩短故障定位所需的时间，实现快速切除故障区段的目的；步骤3，针对FTU可能发生的漏报、误报的情况，设计了一种故障电流自修正法，在三阶段分层故障定位模型中增加了故障信息自修正环节；3.1故障电流信息自修正方法在实际的配电线路中，由于FTU设备通常选择安装在户外，会受到恶劣环境、电磁干扰、通信信道中断等因素的影响，可能会导致FTU设备上传的故障电流信息发生遗漏或畸变，而错误的故障电流信息会增加配电网故障定位的难度，给基于智能算法进行故障定位的策略带来巨大的挑战；如今，针对FTU上传信息发生遗漏和畸变的问题已经进行了许多工作，且大部分是为了弥补矩阵算法容错率低的缺陷而进行的；对于FTU设备上传信息发生遗漏的情况，由于智能优化算法本身带有一定的容错性，所以，一般的做法是直接将发生遗漏的节点状态信息自动补为0，再利用算法定位出发生故障的具体区段，这种方法虽然在一定程度上可以解决故障电流信息遗漏的问题，但当面临配电网结构复杂或多节点状态信息同时发生遗漏的情况时，其适应性会大大降低；故本发明在研究FTU上传的故障电流信息的特性后，提出一种基于分层故障定位模型的信息缺失自修正方法；规定配电网中开关至系统电源所经过的区域为该开关节点的上游；开关至接入本分支的DG或分支末端节点所经过的区域为该开关节点的下游；假设FTU在上传故障电流信息时，m节点的信息遗漏；该方法的步骤为：首先确定出m节点处的FTU设备在配电网分区模型中所处的具体区域，其次，判断本区域除m节点外，其他节点的故障电流信息是否一致，若一致就将其补为m节点的故障电流信息，若不一致则根据公式8进一步确定m节点的故障电流信息： 式中，Imu为m节点相邻上游节点的故障电流信息；Imd为m节点相邻下游节点的故障电流信息；故障电流信息自修正方法是基于配电网拓扑结构而提出的，通过识别遗漏点相邻上游及下游节点的故障电流信息，从而实现对遗漏点的故障电流信息进行补全修正；若在各节点处的FTU设备上传信息之前增加故障电流信息自修正环节，及时的发现并补全遗漏点电流信息，尽可能还原真实故障过流信息，可以在很大程度上避免因故障电流信息缺失而带来的不利影响，对提高故障定位的准确性有很大的帮助；步骤4，设置IGWCA算法的迭代次数，采用Hammersley序列与Tent映射相结合的改进初始化策略生成初始工人种群，计算工人的适应度值；4.1改进的初始化策略GWCA算法使用Logistic混沌映射对种群进行初始化，这种初始化方法虽有一定的随机性，但却会使初始化种群分布不均匀，不利于在搜索空间内覆盖更多的区域；本发明为了提高算法的求解效率以及结果的准确性，采用Hammersley序列与Tent映射相结合的改进初始化策略，Tent映射的随机性有助于在种群初始阶段保持种群的多样性，帮助算法探索更广泛的解空间，减少陷入局部最优解的可能性；Hammersley序列可以在高维解空间中生成均匀分布的种群，并且它还可以避免种群中的个体产生重复，大大提高了初始种群的质量；将这两种方法结合起来，可以使工人种群的初始位置随机且均匀的分布在所求问题的搜索空间内，大大增加算法的求解性能，改进后的初始化策略公式如下： 式中，β为临界常数，取值范围为0,1，此处取为0.5；步骤5，根据IGWCA迭代过程不断更新种群中个体的位置，计算更新后工人种群对应的适应度值，采用Lévy飞行扰动策略对当前全局最优解进行扰动；5.1改进的工程师运动的数学模型考虑到工程师是最高级的工人，工程师的位置也是最有可能出现全局最优解的地方，故在工程师的位置更新公式中引入自适应惯性权重因子，以加快算法的收敛速度，当惯性权重较大时，算法的全局搜索能力较强，可以提高种群多样性，以便在解空间中展开大范围的搜索；当惯性权重较小时，算法具有较强的局部搜索能力，可以围绕最优解进行精细搜索，加快算法收敛的速度，加入自适应惯性权重因子后，工程师的位置更新公式如下： 式中，wmin为开始时的权重因子，此处取为0.9；wmax为结束时的权重因子，此处取为0.2；Ebestt是最高效的工人，代表第t次迭代中的最佳候选解决方案；R是工程师的晋升半径，根据第i号工人和工程师领导者的效率差异计算；Eit是第i位工程师在第t次迭代中的位置；Eit+1是第i位工程师在第t+1次迭代中的位置；vit表示第i位工程师在第t次迭代中的速度更新公式： 式中，m是石头的质量；g是重力加速度；是[0，80]之间的随机数，表示工人所处位置与地平面的夹角；T表示使用工具所产生的推动力；gampdf表示伽马分布的概率密度函数；P和Q代表伽马概率分布函数中的两个参数；TL表示工程师所使用工具的磨损程度，其值从1线性减小到0；Ct是第t次迭代中的地形复杂度；Ht表示第t次迭代中工人所处位置与山顶的高度差；Ht和Ct的相应表达式如下所示： 式中，t是当前的迭代次数；MaxIter是最大迭代次数；Cmax和Cmin是常数；5.2士兵运动的数学模型士兵的任务是监督自己附近的工人工作，士兵的移动速度与位置更新表达式如下所示： 5.3劳工运动的数学模型除工程师和士兵以外，剩下的工人都是劳工，劳工位置更新的表达式如下所示： 式中，Lit+1是第i位劳工在第t+1次迭代中的位置；Lit是第i位劳工在第t次迭代中的位置；PBi代表工作效率最高的工人；Lbest代表工作效率最高的劳工；5.4Lévy飞行扰动策略在GWCA算法的迭代过程中，每个候选解都在时刻更新着自己的位置，在工程师、士兵和劳工三种运动模型不断的切换下，每个候选解逐渐向当前效率最高的工人的位置靠拢，为了避免GWCA算法在迭代后期陷入局部最优，从而导致算法求解停滞，影响算法求解的准确性，本发明采用Lévy飞行对迭代后期的全局最优解进行扰动，以提升GWCA算法的全局寻优能力，改进后的工人位置更新公式如下： 式中，为点乘运算；Levyλ为Lévy飞行的路径函数；l为搜索步长的控制参数；xbest为当前全局最优解；步骤6，对超出搜索边界的工人执行回归操作，并采用动态自适应权重因子淘汰工作效率低下的工人，使用新招募的工人来替代他们的位置；6.1工人淘汰数学模型在工作过程中，工头会按照一定的比例去不断地淘汰失去工作能力或工作效率低下的工人，并用新招募进来的工人去替代他们的位置，以保证全体工人都能时刻保持良好的工作状态，从而加快长城的建造速度，体现这个过程的表达式如下所示：EL＝ceilN*p19 PN＝[PR,PE]21式中，ceil是向上取整的函数；N为种群数；p为淘汰工人的比例；EL为被淘汰的工人的人数；LBj和UBj分别为决策变量jth的最小值和最大值；R6是一个均匀分布在区间[0,1]内的随机数；PR为淘汰部分工人后剩余的工人；PE为用于替代被淘汰工人而新招募的工人；PN为淘汰机制作用后的新的工人群体；6.2动态自适应权重因子在GWCA算法的迭代过程中，工头会不断地按固定比例p去淘汰效率低下的工人，以保证整个工人群体时刻拥有良好的工作状态，以及促进工人之间为了避免被淘汰而产生的竞争行为；但是这种以固定比例淘汰工人的机制，没有考虑到随着计算的不断进行，工人种群的质量会变得越来越高，在这种情况下，在迭代后期若仍以固定的比例淘汰工人，反而会拖慢整个算法的收敛速度，故本发明引入动态自适应权重因子，动态自适应权重因子会随着迭代过程在一定区间内变化，在迭代初期，权重比例较大，可以迅速剔除低效的工人，而在迭代后期，权重比例较小，会加快算法的收敛速度，从而进一步提高算法的寻优性能，引入动态自适应权重因子后的公式如下： 式中，wT为动态自适应权重因子；η和μ为权重参数，此处η取为0.8，μ取为0.4；6.3约束边界处理一般情况下，智能优化算法在迭代过程中会出现种群中的个体越出解空间的现象，此时通常的处理方式是将超出范围的种群个体限制在解空间的上下限，但这样会减少GWCA算法种群的多样性，为了保持算法种群的随机性和多样性以及让越界量回归的过程拥有一定的弹性，本发明采用一种随机回归的操作对越界量进行处理，具体的越界处理公式如下所示： 式中，φ表示一个均匀分布在[0，1]区间内的随机数；UB、LB分别表示解空间的上界与下界；步骤7，判断迭代过程是否结束，若是，则输出当前全局最优解；若否，则跳转到步骤4，循环以上相应的操作，直到满足终止条件；步骤8，输出具体的故障区域，利用故障区域内各节点处FTU上传的故障电流信息，重新确定变量维度并对算法进行初始化操作，生成新的初始种群；根据配电网拓扑结构及各DG投切开关的状态，将配电网各末端区域划分为有源和无源区域，然后基于各节点的实际故障电流信息判断故障电流是否流经无源区域，若确定没有流经则将该无源区域从网络模型中移除；简化配电网结构后，确定出故障定位模型的变量维度，随机生成算法的初始种群并计算个体适应度，种群代数置0，对配电网剩余区域采用经四种改进策略改进后的IGWCA算法进行故障定位，得到故障点所在的区域；步骤9，继续重复步骤4到步骤7的相关操作，对特定的故障区域内部进行定向搜索，以确定出发生故障的具体馈线区段；读取定位出的故障区域内各开关节点的状态信息，重新确定变量维度并对算法进行初始化操作，生成初始种群，继续利用IGWCA算法对特定的故障区域内部进行定向搜索，以确定出发生故障的具体馈线区段，输出故障定位的最终结果；上述的一种基于改进长城建造算法的主动配电网故障定位方法，所述的长城建造算法是已有技术，是为本技术领域技术人员所熟知的。

全文数据：

权利要求：

百度查询： 河北工业大学 一种基于改进长城建造算法的主动配电网故障定位方法