基於自適應混沌果蠅優化算法的配電網故障區段定位方法與流程
2023-11-04 17:07:22
本發明涉及配電網系統故障定位領域，特別涉及一種基於自適應混沌果蠅優化算法的配電網故障區段定位方法。
背景技術：
在我國整個電力系統中，配電設備點多面廣，配網是最為薄弱的環節。作為受端系統的核心部分，配網是提高供電可靠性至關重要的物質基礎，是提高電網的防災抗災能力、確保終端用戶不間斷供電的最後屏障。隨著對配電網供電可靠性要求的不斷提高，配電線路的在線監測將勢在必行。配電網技術水平及網架現狀較之主網相比，存在較大差距，主要表現自動化水平落後、網架薄弱等，一旦發生配電線路故障，故障查找時間長，非故障區域難以及時恢復供電或完成轉供電，嚴重影響了供電可靠性，給用電企業的生產或居民生活帶來了安全和財產隱患。
技術實現要素：
本發明提供一種基於自適應混沌果蠅優化算法的配電網故障區段定位方法，用以解決現有技術無法準確、及時發現配電線路故障點而導致故障查找時間長的技術問題。
為解決上述問題，本發明採用如下技術方案實現：
一種基於自適應混沌果蠅優化算法的配電網故障區段定位方法，包括以下步驟：
s1、利用錄波裝置對配電網中各段電流進行檢測，並將各段電流檢測值與設定整定電流值對比生成故障信息存放於數組x中；
s2、通過數組x的信息尋求發生故障的設備，通過構造目標函數f，用以描述配網饋線實際情況與期望故障情況的差值；
s3、利用自適應混沌果蠅優化算法，對滿足所述目標函數f的最小值，在所述數組x中進行尋優，實現對故障區段的定位。
優選地，所述步驟s1的錄波裝置為暫態錄波裝置；
所述步驟s1的故障信息包括：當所述各段電流檢測值與設定整定電流值相同則取值為0，不同則取值為1；
所述步驟s2構造目標函數f為：其中x(j)為所述數組x的第j個元素，表示測控點j的實際狀態值，0為斷開，1為正常，y(j)為所述數組y的第j個元素，表示測控點j的期望狀態值，μ為權係數根據要解決的實際問題取值，取值範圍0～1之間，表示故障設備總數，z(j)為測控的點j處故障設備的數量，n為測控點的總數量。
優選地，所述步驟s3中利用自適應混沌果蠅優化算法，對滿足所述目標函數f的最小值，在所述數組x中進行尋優，具體步驟如下：
s301、初始化參數，群體規模sizepop，最大迭代數maxgen，果蠅群體位置x_axis，y_axis，適應度(味道濃度)方差閾值δ，混沌遍歷次數m；
s302、賦予果蠅個體利用嗅覺搜尋食物之隨機方向與距離，randomvalue為搜索距離：
s303、先估計果蠅個體與原點之距離disti：再計算新位置的味道濃度判定值si：si＝1/disti；
s304、將味道濃度判定值si代入味道濃度判定函數(或稱為適應度函數)，用來求出果蠅個體位置的味道濃度smelli：smelli＝function(si)；
s305、找出該果蠅群體中味道濃度最佳的果蠅(最優個體)[bestsmellbestindex]＝min(smelli)；
s306、記錄並保留最佳味道濃度值bestsmell與其x、y坐標，這時候果蠅群體利用視覺向該x、y坐標飛去：
s307、根據計算該果蠅群體的平均味道濃度smellavg(平均適應度)，根據計算該果蠅群體味道濃度方差σ2(適應度方差)；
s308、若σ2＜δ且m＞0，則將果蠅個體位置xi、yi通過logistic映射混沌技術轉化為搜索空間內果蠅個體新位置x′i、y′i，m＝m-1，否則，跳轉到步驟s312執行；
s309、先計算新位置x′i、y′i與原點之距離再計算味道濃度判定值s′i＝1/dist′i；
s310、將味道濃度判定值s′i代入味道濃度判定函數，求出果蠅個體位置的味道濃度smell′i＝function(s′i)；
s311、若smell′i＜smellbest，則smellbest＝smell′i，x_axis＝x′i，y_axis＝y′i，然後跳轉到步驟s308，否則直接轉到步驟s308；
s312、重複執行步驟s302～s311進行迭代尋優，直至當前迭代次數等於最大迭代數maxgen或已達到精度目標要求。
優選地，在步驟s3後還包括：s4、針對在配電網中有多個電源進行供電的情況下，當饋線有一處和多處發生故障時，考慮信息傳輸有無畸變對於定位準確度帶來的影響，並進行仿真分析。
本發明具有以下效果：本發明作為一種基於自適應混沌果蠅優化算法的配電網故障定位計算分析方法，可應用於求解大規模故障定位問題，且對於配電網多點故障定位有較好的容錯能力。
附圖說明
圖1是本發明的步驟流程圖；
圖2是本發明提供的一複雜配電網絡結構實施例示意圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發明的實施例的詳細描述並非旨在限制要求保護的本發明的範圍，而是僅僅表示本發明的選定實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
如圖1和圖2所示，本發明利用安裝在配電網的暫態錄波裝置對安裝處的電流變化進行監測，並將其與設定整定電流對比生成由0和1構成的離散數據，作為故障信息存放於數組x中，通過構造目標函數f，用以描述配網饋線實際情況與期望故障情況的差值，並利用自適應混沌果蠅優化算法，對滿足目標函數f的最小值，在信息數組x中進行尋優，實現對故障區段的定位。針對在配電網中有多個電源進行供電的情況下，當饋線有一處和多處發生故障時，考慮信息傳輸有無畸變對於定位準確度帶來的影響，並進行仿真分析。
為了實現上述目的，本實施例的技術方案包括如下步驟：
s1、利用暫態錄波裝置對配電網中電流進行監測，並將其與設定整定電流對比生成由0和1構成的離散數據，作為故障信息存放於數組x中；
s2、通過數組x的信息，尋求發生故障的設備，通過構造目標函數f，用以描述配網饋線實際情況與期望故障情況的差值；
s3、在應用階段，基於上述建立的目標函數，利用自適應混沌果蠅優化算法，對滿足目標函數f的最小值，在信息數組x中進行尋優，實現對故障區段的定位；
s4、針對在配電網中有多個電源進行供電的情況下，當饋線有一處和多處發生故障時，考慮信息傳輸有無畸變對於定位準確度帶來的影響，並進行仿真分析。
在步驟s1中，故障信息數組x包括：
通過暫態錄波裝置監測到安裝處電流變化，用0表示監測處設備工作狀態正常，1表示該出監測到故障電流，表明饋線發生故障；
在步驟s2中，對於目標函數f的建立，具體如下：
①對於簡單配電網，所構造的目標函數其中x(j)為故障信息數組x的第j個元素，表示測控點j的實際狀態值，0為斷開，1為正常；y(j)為數組y的第j個元素，表示測控點j的期望狀態值。為了避免出現誤診斷，上式中加入了一項，其中μ為權係數，根據要解決的實際問題取值，範圍在[0,1]之間；表示故障設備總數，z(j)為測控的點j處故障設備的數量，n為測控點的總數量。
②對於複雜程度較高的配電網，所構造的目標函數f需要將網絡電流的流向考慮進去，用以處理閉環運行的配電網故障定位問題。假定由一段電源對全網進行供電，網絡中功率流出方向為饋線的正方向，即將閉環運行配電網故障定位轉換為簡單配電網故障定位，建立統一的目標函數為f＝p1·(f1(n→m)+f1(m→n))+p2·f2，其中：f1(n→m)表示區域1的配電網由n端單獨進行供電且網絡正方向設定為從n到m時的目標函數，其中n和m是監測配網饋線的首末端；同樣f1(m→n)為區域1的配電網由m端單獨進行供電且網絡正方向設定為從m到n時的目標函數；f2表示區域2的目標函數；當區域1中的節點被監測到發生故障時，p1為1，無故障發生時為0，p2取值情況類似。
在步驟s3中，所用自適應混沌果蠅優化算法，對滿足目標函數f的最小值尋優，具體步驟如下：
s301、初始化參數：群體規模sizepop，最大迭代數maxgen，果蠅群體位置x_axis，y_axis，適應度(味道濃度)方差閾值δ，混沌遍歷次數m。
s302、賦予果蠅個體利用嗅覺搜尋食物之隨機方向與距離，randomvalue為搜索距離：
s303、由於無法得知食物位置，因此先估計與原點之距離再計算新位置的味道濃度判定值si＝1/disti，此值為距離之倒數；
s304、味道濃度判定值si代入味道濃度判定函數(或稱為適應度函數)，用來求出果蠅個體位置的味道濃度smelli＝function(si)：
s305、找出該果蠅群體中味道濃度最佳的果蠅(最優個體)：[bestsmellbestindex]＝min(smelli)；
s306、記錄並保留最佳味道濃度值bestsmell與其x、y坐標，這時候果蠅群體利用視覺向該位置飛去：
s307、根據計算該果蠅群體的平均味道濃度smellavg(平均適應度)，根據計算該果蠅群體味道濃度方差σ2(適應度方差)；
s308、若σ2＜δ且m＞0，則將果蠅個體位置xi，yi通過logistic映射混沌技術轉化為搜索空間內果蠅個體新位置x′i，y′i，m＝m-1；否則跳轉到步驟s312執行；
s309、先估計新位置x′i，y′i與原點之距離再計算味道濃度判定值s′i＝1/dist′i；s310、將味道濃度判定值s′i代入味道濃度判定函數，求出果蠅個體位置的
味道濃度smell′i＝function(s′i)；
s311、若smell′i＜smellbest，則smellbest＝smell′i，x_axis＝x′i，y_axis＝y′i，然後轉到步驟s308，否則直接轉到步驟s308；
s312、進入迭代尋優，重複執行步驟s302～s311，直至當前迭代次數等於最大迭代數maxgen或已達到精度目標要求。
在步驟s4中，針對在多電源複雜情況下，當饋線中有單個節點處發生故障時，考慮故障信息傳輸有無畸變對於定位準確度帶來的影響。具體如下：
①對複雜配電網絡進行各進線斷路器、聯絡開關和饋線區段編號，並進行相關區域搜索空間維數、種群規模、最大迭代次數設置等設置。
②當配電網發生單點故障時進行故障定位仿真。假設發生故障的區段為區域1的l14和區域2的l23(節點s18和節點s27上傳信息發生畸變)，測試該算法在故障信息傳輸有無畸變對於定位準確度帶來的影響。
③當配電網發生多點故障時進行故障定位仿真。假設饋線區段l14、l16、l22和l23同時發生故障，測試該算法在在故障信息傳輸有無畸變對於定位準確度帶來的影響(節點s17和s28上傳的信息發生畸變)。
具體地，以本發明應用於某複雜配電網絡為例進行說明：
步驟1：應用自適應混沌果蠅優化算法定位故障區間首先需對複雜配電網絡各斷路器、開關和饋線區段編號，編號結果如圖2所示，其中sxx表示測試點，lxx表示被測區域。
步驟2：進行仿真的具體參數設置，區域1搜索空間維數為8，區域2搜索空間維度為7，設置種群規模為30，算法的終止條件fmin的值連續重複出現的次數t不得小於20或計算達到最大迭代次數200。
步驟3：當配電網饋線上有單個節點發生故障時進行仿真，分別假設發生故障的區段為區域1的l14和區域2的l23，針對有無上傳信息畸變對算法進行了驗證性仿真，並得出了準確的故障定位區間。
步驟4：對配電網多點發生故障進行仿真，假設區段l14、l16、l22和l23同時發生故障。針對有無上傳信息畸變對算法進行了驗證性仿真，並得出了準確的故障定位區間(節點s17和s28上傳的信息發生畸變)。
配電網單點故障以及多點故障定位仿真結果如表1所示。
表1配電網單點故障以及多點故障定位仿真結果
分析表1可得如下結論：
①表中x的數據為暫態錄波裝置監測並經過處理生成的故障信息；最優解是利用自適應混沌果蠅優化算法多次迭代計算得出，1表示該饋線區間有故障發生，0表示該饋線區段無故障發生，對於區域1，當將網絡流向的正向設定為從n到m和從m到n兩種情況下，計算所得最優解均為l14，即表明l14區段發生故障；對於區域2，根據最優解中的信息數據第三位為1，表明故障區段為l23，同時表明，當區域1信息數據最後一位和區域2信息數據第六位發生畸變時，應用動態更新的算法進行求解，仍可以正確定位故障區段。
②對於區域1，當網絡流向正向設定為從n到m時，通過算法計算得出的最優解的故障信息數據為[00010000]，即指明區段l14發生故障，當網絡流向正向設定為從m到n時，計算所得最優解的故障信息數據為[00100000],指明l16區段發生故障。對於區域2的配電網，最優解信息數據的第二位和第三位都為1，即表明區段l22和l23有故障發生。由仿真結果可知，當區域1網絡方向設定為從n到m時,節點s17和區域2的節點s28傳輸的數據信息發生畸變時，不影響算法的故障定位效果。
本發明的特點在於：針對配電網故障定位，利用對電流變化的監測，記錄配電網中的電流狀態，並考慮了故障電流的方向用以處理閉環運行的配電網故障定位問題，由此建立了統一的適應度函數，利用考慮混沌特性的自適應混沌果蠅優化算法，實現了增強全局搜索能力的目的，較好的保留並加強了算法本身的魯棒性。在配電網發生單點故障和多點故障兩種情況下，並考慮有無上傳信息畸變對算法進行了驗證性仿真，並得出了準確的故障定位區間，證明了此算法有較好的收斂性並且有很好的抗幹擾性。