張波　唐亮　梁曉偉　李明　張靖　唐軼軒

摘 要：針對分布式電源接入后配電網(wǎng)故障定位困難的現(xiàn)狀，構(gòu)造了適應(yīng)多分布式電源接入的故障電流編碼方式、開關(guān)函數(shù)和評價函數(shù)。提出了基于改進(jìn)遺傳粒子群法的配電網(wǎng)故障定位方法，該方法有效融合了遺傳算法在全局搜索方面和粒子群法在局部搜索方面的優(yōu)勢。建立配電網(wǎng)故障定位仿真實例，通過配電網(wǎng)系統(tǒng)單重故障和多重故障及FTU上傳故障信息出現(xiàn)畸變情況的仿真對比分析，結(jié)果表明本方法具有更高的定位準(zhǔn)確率和較快的收斂速度，且本方法抗干擾性更強(qiáng)。本研究成果可為配電網(wǎng)故障定位提供有效的參考和技術(shù)指導(dǎo)。

關(guān)鍵詞：配電網(wǎng);故障定位;分布式電源;遺傳算法;粒子群算法

中圖分類號：TM773???? 文獻(xiàn)標(biāo)識碼：A

Research on Fault Location of Distribution Network Based

on Genetic Particle Swarm Optimization

ZHANG Bo1， TANG Liang1， LIANG Xiao-wei2， LI Ming3， ZHANG Jing3， TANG Yi-xuan3

（1.State Grid Anhui Electric Power Co. Ltd.， Hefei， Anhui 230022，China;

2. State Grid Anhui Electric Power Research Institute， Hefei， Anhui 230601， China;

3. Information & Telecommunication Branch，State Grid Anhui Electric Power Co.Ltd.， Hefei， Anhui 230061， China）

Abstract：In view of the difficulty in locating distribution network fault after the access of distributed power supply， fault current coding mode， switching function and evaluation function are constructed to adapt to multi-distributed power supply access， and a fault location method based on improved genetic particle swarm optimization is proposed， the method effectively combines the advantages of genetic algorithm in global search and particle swarm optimization in local search. A simulation example of distribution network fault location is presented， the simulation of single fault and multiple fault of distribution network system and the distortion of fault information uploaded by FTU were compared and analyzed， the results show that the proposed method has higher accuracy and faster convergence rate， and the method has stronger anti-interference. The research results? can provide effective reference and technical guidance for fault location of distribution network.

Key words：distribution network; fault location; distributed power supply; genetic algorithm; particle swarm optimization

分布式電源因具有清潔高效等優(yōu)良特性而獲得廣泛應(yīng)用，分布式電源在配電網(wǎng)的接入規(guī)模越來越大[1]，但分布式電源的接入會使得傳統(tǒng)配電網(wǎng)的結(jié)構(gòu)和潮流均出現(xiàn)變化，給配電網(wǎng)的故障定位帶來更多的困難，而故障定位對故障隔離、排除、恢復(fù)供電起著關(guān)鍵性的作用，可有效提高配電網(wǎng)整體的可靠性水平和用戶供電質(zhì)量[2]。同時，配電網(wǎng)故障信息在傳輸時也會發(fā)生畸變的情況，導(dǎo)致傳統(tǒng)配電網(wǎng)故障定位方法無法有效地識別配電網(wǎng)故障所在位置。因此，需對分布式電源接入后的配電網(wǎng)故障定位進(jìn)行深入研究。

配電網(wǎng)故障定位的方法主要包括矩陣算法和人工智能算法[3]，矩陣方法雖然計算速度快，但其適應(yīng)性和抗干擾性較差。文獻(xiàn)[4]將遺傳算法應(yīng)用于配電網(wǎng)故障定位，但遺傳算法易陷入局部最小值。文獻(xiàn)[5]在配電網(wǎng)故障定位時采用的是粒子群方法，雖然該方法局部搜索能力較強(qiáng)，但其全局性較差，收斂速度較慢。文獻(xiàn)[6]在配電網(wǎng)故障定位模型求解時提出了改進(jìn)的退火遺傳法，該方法雖然求解精度有了較大的提高，但其求解過程過于復(fù)雜，優(yōu)化所需時間太長。以上文獻(xiàn)在進(jìn)行配電網(wǎng)研究時均未考慮分布式電源接入后發(fā)生多重故障及信息畸變的情況，且采用的智能方法存在效果不理想的問題。

建立了適應(yīng)于多分布式電源接入的配電網(wǎng)故障定位模型，并提出了改進(jìn)的遺傳粒子群融合求解方法，通過不同情況下的配電網(wǎng)故障定位仿真實例計算對比分析對本定位模型及求解方法的可行性和優(yōu)越性進(jìn)行了證明。

1 配電網(wǎng)故障定位原理分析

配電網(wǎng)發(fā)生故障后，安裝在線路上的饋線終端FTU等自動化終端設(shè)備將獲取的故障過流信息上傳至自動化主站系統(tǒng)，根據(jù)上傳的故障信息及開關(guān)函數(shù)確定的故障信息，故障定位算法通過適應(yīng)度函數(shù)對解的優(yōu)劣程度進(jìn)行評價，優(yōu)化后獲得到最優(yōu)解，從而實現(xiàn)配電網(wǎng)故障定位[7]。

1.1 故障電流編碼

對于單電源的輻射型配電網(wǎng)故障電流編碼，其以監(jiān)測到過電流且過流方向與設(shè)定的正方向相同時，故障狀態(tài)編碼取‘1，而未監(jiān)測到過電流時，故障狀態(tài)編碼則取‘0。分布式電源接入配電網(wǎng)后，配電網(wǎng)會出現(xiàn)多個可以提供故障電流的電源，傳統(tǒng)故障電流編碼方式已不再適用，因此需重新定義故障電流編碼方式。定義離開關(guān)最近的電源為該開關(guān)的上游電源，其他電源則定義為下游電源，并定義開關(guān)的正方向為由上游電源到下游電源。如圖1所示的含分布式電源的配電網(wǎng)，電網(wǎng)電源grid作為上游電源的開關(guān)有S1、S2和S3，對于其余開關(guān)則為下游電源;分布式電源DG1作為上游電源的開關(guān)有S4、S5和S6，對于其余開關(guān)則為下游電源;分布式電源DG2作為上游電源的開關(guān)有S7、S8和S9，對于其余開關(guān)則為下游電源。

當(dāng)FTU監(jiān)測到的過電流方向與定義的正方向兩者一致時，故障電流編碼取1，兩者不一致時則取-1，若未監(jiān)測到故障過電流的情況，則取0，表達(dá)式如下所示：

Ij=1，表示開關(guān)流過故障電流為正向-1，表示開關(guān)流過故障電流為反向0，表示開關(guān)無故障電流（1）

1.2 開關(guān)函數(shù)的構(gòu)造

獲取到開關(guān)故障過電流情況后，由故障定位算法的分析來確定配電網(wǎng)發(fā)生故障的位置時，需通過一個函數(shù)來表明配電網(wǎng)各段線路與開關(guān)的關(guān)聯(lián)關(guān)系，此函數(shù)便稱為開關(guān)函數(shù)[8]。傳統(tǒng)的開關(guān)函數(shù)是針對單電源輻射型配電網(wǎng)建立的，對于含分布式電源的多電源配電網(wǎng)絡(luò)則不適用，因此本文采用的是適用多電源情況的改進(jìn)開關(guān)函數(shù)，其表達(dá)式如下：

Ijs=∏Ni=1KDGi×0-∏M1u=1sju+

∏M2d=1sjd（2）

式中：∏表示邏輯或運算符號，KDGi為分布式電源i的狀態(tài)，KDGi=1表示接入配電網(wǎng)運行，KDGi=0表示未接入配電網(wǎng)運行，sju表示開關(guān)j上游線路u的故障狀態(tài)，sju=1表示故障，sju=0表示無故障。

當(dāng)分布式電源全部未接入配電網(wǎng)運行時，∏Ni=1KDGi=0，此時式（2）的開關(guān)函數(shù)便變?yōu)閭鹘y(tǒng)的單電源輻射型配電網(wǎng)的開關(guān)函數(shù)。因此改進(jìn)的開關(guān)函數(shù)也適用于單電源的配電網(wǎng)，具有很好的適用性。

1.3 評價函數(shù)的構(gòu)造

故障定位算法通過評價函數(shù)來對解的適應(yīng)度進(jìn)行評價，并由適應(yīng)度值的排序評價解的優(yōu)劣，從而確定最優(yōu)解[9]，因此評價函數(shù)的構(gòu)造非常重要，本文故障定位評價函數(shù)如下所示：

fSB=∑Nj=1Ij-IjSB+ω∑Mi=1SBi（3）

式中：Ij表示獲取的配電網(wǎng)故障信息，IjSB表示開關(guān)函數(shù)處理后獲得的期望故障信息，∑Mi=1SBi表示解向量SB對應(yīng)的故障線路區(qū)段總數(shù)，ω表示權(quán)重系數(shù)，其值位于（0， 1）區(qū)間內(nèi)，N、M分別表示配電網(wǎng)開關(guān)總數(shù)和解向量的維度大小。

評價函數(shù)等式右邊的第一項為由開關(guān)函數(shù)處理后獲得的期望故障電流信息與饋線終端FTU 上傳信息的偏差值，它反映的是開關(guān)期望信息與其實際信息的接近程度，評價函數(shù)等式右邊的第二項為診斷結(jié)果選擇的故障線路區(qū)段數(shù)目最小的解，其目的是避免故障定位時漏判和誤判的出現(xiàn)。

2 遺傳粒子群融合算法原理

2.1 遺傳算法和粒子群算法基本原理

遺傳算法是根據(jù)生物遺傳學(xué)和自然選擇機(jī)理，對生物進(jìn)化過程進(jìn)行的數(shù)學(xué)仿真的一類搜索算法。種群中的每個個體均對應(yīng)問題的解，個體的優(yōu)劣度由其適應(yīng)度來表征，然后通過選擇、交叉和變異生成下一代種群，從而實現(xiàn)優(yōu)勝劣汰及種群的進(jìn)化[10]。

粒子群算法是一種模擬鳥群覓食過程的進(jìn)化算法[11]，算法首先在可行域內(nèi)隨機(jī)初始化粒子種群，每個粒子均代表問題的一個解，粒子均有各自的屬性：適應(yīng)度、位置和速度，粒子主要通過跟蹤個體最優(yōu)值Pi和群體最優(yōu)值Pg來進(jìn)行更新，其速度和位置的更新表達(dá)式為：

vk+1i=wvk+1i+c1r1（Pbest-xki）+c2r2（gbest-xki）xk+1i=xki+vk+1i （4）

式中：w為慣性權(quán)重系數(shù)，k為算法迭代的次數(shù)，c1和c2為算法的學(xué)習(xí)因子，r1和r2表示（0，1）區(qū)間內(nèi)的隨機(jī)數(shù)。

2.2 遺傳粒子群融合算法原理

遺傳算法雖然全局性好的優(yōu)點，但易陷入局部極值點，存在易早熟的缺點，而粒子群算法則剛好算法，其擁有較強(qiáng)的局部搜索能力，卻在全局性方面較弱，可見遺傳算法和粒子群算法在優(yōu)化搜索方面具有很好的互補(bǔ)性，結(jié)合含分布式電源接入的配電網(wǎng)故障定位相關(guān)要求，將兩種智能方法進(jìn)行融合，從而獲得更優(yōu)良的搜索結(jié)果。同時，為進(jìn)一步提高遺傳算法和粒子群算法的優(yōu)化能力，本文分別對其進(jìn)行相應(yīng)的改進(jìn)。

遺傳算法中的交叉和變異是形成新種群的重要環(huán)節(jié)，傳統(tǒng)遺傳算法的交叉和變異概率均為固定值，文獻(xiàn)[12]發(fā)現(xiàn)根據(jù)適應(yīng)度的結(jié)果來賦予相應(yīng)的概率值能有效提高算法的優(yōu)化能力，因此采用改進(jìn)的自適應(yīng)遺傳算法，對交叉概率和變異概率做動態(tài)調(diào)整，表達(dá)式為：

Pc=Pc1-（Pc1-Pc2）f'-favgfmax -favg，f'≥favgPc11+γc，f'

Pm=Pm1-（Pm1-Pm2）fmax -ffmax -favg，f≥favgPm11+γc，f

式中：fmax、favg為適應(yīng)度的最大值和平均值，f為交叉操作個體中更優(yōu)的適應(yīng)度值，f為要變異的個體適應(yīng)度值。

傳統(tǒng)粒子群法的參數(shù)均為固定值，導(dǎo)致在優(yōu)化求解時無法兼顧全局性和局部性[13]，因此采用自適應(yīng)調(diào)整參數(shù)的形式，表達(dá)式為：

ωt=ωmax -ωmax -ωmin sin π/2t/tmax C1=C1i+C1e-C1it2max t2C2=C2i+C2e-C2it2max t2（7）

式中：ωmin、ωmax為慣性權(quán)重的最小和最大取值，C1i、C1e、C2i、C2e為自學(xué)習(xí)因子和社會學(xué)習(xí)因子的初始參數(shù)、結(jié)束參數(shù)。

融合遺傳和粒子群算法的主要思路為：首先利用粒子群算法較強(qiáng)的局部搜索能力來求取局部最優(yōu)解，然后將其作為遺傳算法的初始解，再利用遺傳算法較強(qiáng)的全局搜索能力來獲得最終的全局最優(yōu)解。遺傳粒子群法的基本流程如圖2所示。

3 遺傳粒子群算法在配電網(wǎng)故障定位的

應(yīng)用

以IEEE33節(jié)點系統(tǒng)為例進(jìn)行配電網(wǎng)故障定位分析[14]，圖3為進(jìn)行相應(yīng)改進(jìn)后系統(tǒng)結(jié)構(gòu)圖，根節(jié)點0為主變變低連接點，分布式電源DG1～DG4分別接入10、19、28、15節(jié)點處，配電網(wǎng)線路共32段，編號分別為L1～L32。

配電網(wǎng)線路在運行過程中可能發(fā)生單重故障和多重故障，且安裝在配電網(wǎng)線路上的饋線終端FTU等自動化終端設(shè)備一般均運行在戶外環(huán)境，容易受到外界各種因素干擾，導(dǎo)致裝置通信傳輸錯誤，從而造成上傳至自動化主站系統(tǒng)的信息發(fā)生畸變[15]。為驗證改進(jìn)后的遺傳粒子群法在配電網(wǎng)不同故障情況下故障定位中的有效性和優(yōu)越性，分別對配電網(wǎng)系統(tǒng)發(fā)生單重故障和多重故障及故障信息是否畸變下進(jìn)行相應(yīng)的100次仿真分析，并與遺傳算法、粒子群算法和退火遺傳法進(jìn)行對比分析，多重故障考慮的是發(fā)生概率較高的兩條線路故障，單重故障定位和多重故障定位結(jié)果分別如表1、表2所示，圖4為單重故障下某次優(yōu)化過程收斂曲線圖。

根據(jù)表1和表2及圖4的結(jié)果可知，配電網(wǎng)發(fā)生單重故障下，若FTU未發(fā)生信息畸變，四種定位方法的準(zhǔn)確率均較高（大于80%），其中以改進(jìn)后的遺傳粒子群法最高（93%），而信息發(fā)生畸變時，故障定位的準(zhǔn)確率均有明顯的下降，其中本方法定位準(zhǔn)確率的下降程度（5%）要低于其它三種定位方法（10%左右），表明本方法的抗干擾性更強(qiáng)。相比于單重故障的情況，配電網(wǎng)發(fā)生多重故障的定位準(zhǔn)確率明顯降低，其中本方法定位準(zhǔn)確率的降低幅度（10%）要低于其它三種定位方法（15%左右），表明本方法對于配電網(wǎng)多重故障的情況具有更好適應(yīng)性。從故障定位平均優(yōu)化時間分析發(fā)現(xiàn)，本定位方法對于各種故障的優(yōu)化時間較短，收斂特性優(yōu)良，而遺傳算法雖然優(yōu)化時間最短，卻陷入了局部最優(yōu)的情況，優(yōu)化結(jié)果較差。本文改進(jìn)后的遺傳粒子群法在含分布式電源的配電網(wǎng)故障定位中是可行的，且具有很好的優(yōu)越性。

4 結(jié) 論

建立了適應(yīng)多分布式電源接入的配電網(wǎng)故障定位模型，并提出了基于改進(jìn)遺傳粒子群法的求解方法，該方法有效融合了遺傳算法全局性強(qiáng)和粒子群法局部性強(qiáng)的優(yōu)點，通過配電網(wǎng)故障定位仿真實例的對比分析，結(jié)果表明配電網(wǎng)發(fā)生單重故障及FTU信息未畸變時，改進(jìn)后的遺傳粒子群法的故障定位準(zhǔn)確率是最高的，為93%，而對于配電網(wǎng)多重故障和FTU信息畸變的情況，四種方法的故障定位準(zhǔn)確率均出現(xiàn)明顯的降低，但本方法降低的程度是最小的，本方法配電網(wǎng)故障定位中具有更優(yōu)良的抗干擾性，且優(yōu)化時間較短，收斂特性優(yōu)良。改進(jìn)后的遺傳粒子群法在含分布式電源接入的配電網(wǎng)故障定位中具有很好的可行性和優(yōu)越性。

參考文獻(xiàn)

[1] HATANO N， TANIGUCHI Y， KOUCHI K. A control method for inverter used for distributed power supply under voltage sag condition[J]. Electrical Engineering in Japan， 2010， 169（1）：28-40.

[2] 馬士聰， 高厚磊， 徐丙垠， 等. 配電網(wǎng)故障定位技術(shù)綜述[J]. 電力系統(tǒng)保護(hù)與控制， 2009， 37（11）：119-124.

[3] 楊炎龍. 配電網(wǎng)故障定位研究[D]. 廣州： 華南理工大學(xué)， 2013.

[4] 王進(jìn)強(qiáng)， 陳少華. 基于改進(jìn)遺傳算法的含分布式電源的配電網(wǎng)故障定位[J]. 電力科學(xué)與工程， 2013， 29（12）：13-17.

[5] FENG Gang， ZHOU Jun， LIU Dan-li， et al. The analysis of particle swarm optimization used for distribution network fault location[J]. Applied Mechanics & Materials， 2013， 325（1）：604-609.

[6] 徐密. 含分布式電源的配電網(wǎng)保護(hù)方案研究[D]. 濟(jì)南：山東大學(xué)， 2016.

[7] JAVAD S， EHSAN B， RASOUL K. A new fault location algorithm for radial distribution systems using modal analysis[J]. International Journal of Electrical Power & Energy Systems， 2013， 45（1）：271-278.

[8] 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)自動化， 2013， 37（2）：36-42.

[9] 孫景釕， 陳榮柱， 蔡軾， 等.含分布式電源配電網(wǎng)的故障定位新方案[J]. 電網(wǎng)技術(shù)， 2013， 37（6）：1645-1650.

[10]HAKLI H， HARUN U. A novel approach for automated land partitioning using genetic algorithm[J]. Expert Systems with Applications， 2017， 82（2）：10-18.

[11]王愛霞， 王思華， 王明. 基于粒子群算法的變電站接地網(wǎng)優(yōu)化研究[J]. 電瓷避雷器， 2013， 12（3）：100-104.

[12]張京釗， 江濤. 改進(jìn)的自適應(yīng)遺傳算法[J]. 計算機(jī)工程與應(yīng)用，2010， 46（11）：53-56.

[13]徐俊俊， 黃永紅， 王琪，等. 基于自然選擇粒子群算法的含DG接入的配電網(wǎng)無功優(yōu)化[J]. 電測與儀表， 2014， 51（10）：33-38.

[14]張立梅， 唐巍， 趙云軍， 等. 分布式發(fā)電接入配電網(wǎng)后對系統(tǒng)電壓及損耗的影響分析[J]. 電力系統(tǒng)保護(hù)與控制， 2011， 39（5）：91-96.

[15]BRAHMA S M. Fault location in power distribution system With penetration of? distributed? generation[J]. IEEE Transactions on Power Delivery， 2011， 26（3）：1545-1553.