基于粒子群算法的智能配电网故障定位技术分析＊

2022-05-24狄曙光张瑞强秦泽宇何继涛戴建华

中国科技纵横 2022年9期

狄曙光张瑞强秦泽宇何继涛戴建华

（内蒙古电力（集团）有限责任公司包头供电分公司，内蒙古包头 014030）

0.引言

配电网在运行的过程中，受到的外界干扰因素也相对较多，容易发生多种不同类型的故障，对配电网进行故障定位十分必要，可以有效缩短配电网的故障停电时间，提高电力用户的用电满意度。同时当前配电网的结构较为复杂，如何对配电网进行有效的故障定位也存在着较大的难度。尤其是当前大量的分布式电源并入配电网，使得配电网具备较高的智能化技术水平，更是增加了对故障定位的难度[1]。本文分析研究了粒子群算法的智能配电网故障定位技术，对于快速实现智能配电网的故障定位具有积极意义。

1.传统的配电网故障定位技术

在传统的配电网中，接线模式一般为单辐射，如果某个配电网区域上游具有故障电流，而在配电网的末端没有故障电流，则说明配电网中的故障点在该区域上游。在目前已有的配电网故障定位算法中，主要分为直接定位算法和间接定位算法等两种主要的算法类型。其中直接定位算法最具代表性的为矩阵算法，在这种算法中，以图论学为基础，根据配电网的拓扑连接结构，分别构建网络描述矩阵、故障信息矩阵和故障判断矩阵等，通过矩阵的变换来实现对配电网故障的定位[2]。这种算法的特点是计算定位速度快，但是其容错性相对不够高，目前在实际配电网定位中应用相对较广。对于间接算法，主要包括了粒子群算法、神经网络等智能算法，这类定位算法的容错性也十分显著，同时在计算定位速度和定位准确度上都表现不错。

在采用智能算法对配电网故障定位中，首先是根据现场监控终端如FTU上传的故障电流数据，对配电线路的状态进行编码，并引入开关函数，通过故障定位模型中的目标函数来评价各个解是否为最优。直到满足算法的收敛条件，结束整个配电网故障定位计算过程。影响智能算法计算效率和准确度的影响主要包括故障定位模型建立的准确性、主要是模型中的开关函数以及最优评价函数等。同时配电网网络拓扑简化的准确度也会对最终的故障定位结果产生影响。随着如粒子群等智能算法应用成熟度的提高，采用智能算法进行配电网故障定位将是今后配电网故障定位中的重要发展方向。

2.智能配电网的故障定位技术

2.1 智能配电网的特征

在现代配电网中，多种不同类型的负荷已经同时接入配电网中，包括分布式电源、电动汽车充放电站、储能设备、微电网等。这些多元化负荷接入配电网，对传统的配电网产生了较大的冲击，使得配电网具备了较高的智能化技术水平，这些都是智能配电网的显著特征[3]。为此在配电网的分析计算理论上也应同步更新，以便能够用来分析智能配电网的运行状态信息。本文主要分析分布式电源接入后的配电网故障定位技术，并介绍了和传统的故障定位技术的区别，以及故障定位技术的实现原理和应用流程等内容。

2.2 分布式电源接入对配电网故障定位的影响

分布式电源接入到配电网，会对配电网的故障定位产生较大的影响，主要体现在以下几点：一是传统的配电网功率流向一般为单向，而如果分布式电源接入之后，就会使得配电网中的故障电流具备双向流动的特征。二是当传统的配电网发生故障时，此时故障路径一般为电源点到故障点之间，而如果配电网中接入了多个不同的分布式电源之后，就会使得很多条配电线路都流过了故障电流，增加了对配网线路故障定位的难度，很难定位准确[4]。同时分布式电源接入之后，故障定位模型中的开关函数建立也更为复杂，需要事先定义好配电系统中电流的正方向和负方向。可以选择其中一个电源点为电流方向的参考点，从参考点到非参考电源点的路径为正方向，而从非电源参考点到参考点的物理量方向为负方向。

3.基于粒子群算法的智能配电网故障定位技术

如果在智能配电网中每一个开关节点都配置了采集终端如FTU，并在采集终端上设置了一个整定电流值，当所采集到的电流值超过了所设定的整定值时，则判断该节点存在过流信息。在采用粒子群算法来进行智能配电网故障定位时，和矩阵算法同样不需要掌握故障过电流的大小以及方向，只需要掌握那些配电线路中存在故障过电流信息就可以进行故障定位计算。当故障区段已经定位完成之后再将定位结果发送给现场的采集终端，从而将配电网中的故障区段加以隔离，保证配电网的安全可靠运行。

3.1 粒子群算法

在粒子群算法中，通过多次迭代计算不断更新自身粒子的速度以及位置等数据信息。在粒子迭代计算的过程中可以指定粒子迭代的位置公式和速度公式，并按照所设定的公式进行更新，并将惯性权重和学习因子在粒子迭代公式中加以反应。同时，在迭代计算过程中还需要对粒子的速度大小加以限制，设置一个速度上限值和速度下限值，这样就可以保证粒子在更新的过程中不会出现速度过快的情况，粒子群算法的计算流程如图1所示。

图1 粒子群算法的计算流程图

从图1粒子群算法的计算流程图中可以看出，一般在粒子群优化迭代计算过程中，首先，初始化配电网故障定位优化模型中的各项参数信息，并制定好粒子的最大迭代次数、粒子群的迭代规模和计算维度等信息。然后，随机生成一批初始化的粒子，包括粒子的位置及速度等数据。最后，计算各个粒子的适应度，并根据所计算出来的适应度数据与历史解进行对比。如果现在所得到的解更好，则将现在的个体替换原来的个体，成为新的个体重新进行下一轮的迭代计算，并且将粒子的速度和位置等数据加以更新。通过粒子之间的不断比较，得出最优解，完成故障定位的迭代计算。

3.2 基于粒子群算法的智能配电网故障定位

考虑到实际配电网的节点数量众多，为了降低求解的维数，在智能配电网中，需要把整个配电网络看作有向图用来描述配电网中同时具备多个不同电源点的特征。整个配电系统可以分为有源树和无源树，其中有源树是指当配电系统发生故障时各个电源点会提供短路故障电流。而无源树是其本身没有电源点，主要依靠有源树提供短路电流。以某IEEE 33节点的配电系统为例进行分析，其结构如图2所示。

图2 IEEE 33节点的配电系统结构图

从上图2 IEEE 33节点的配电系统结构图中可知，在节点8、21、28和33处分别有分布式电源接入，共有4个分布式电源。其中实线所连接的网络结构部分为有源树，虚线所连接的网络结构部分为无源树，总共有6条无源树枝。架设配电系统中的F1处发生故障，此时在现场的监控终端所上传的故障电流中，有6条无源树枝都没有故障电流流过，从而可以降低解的维数，即将配电网的结构加以简化，降低故障定位计算过程中的迭代计算量，提高故障定位的速度。

当对配电系统的结构进行优化降维之后，在具体的粒子群算法求解定位中，首先是进行编码。由于现场的采集终端设备能够采集到每一个开关节点是否出现了故障过电流情况，并且结果就是2种，一种是过电流，另一种是没有出现过电流，故可以采用二进制0、1来进行编码。用1来表示某个配电开关节点出现了过电流，用0来表示某个配电开关节点没有出现过电流。当编码工作结束之后就可以开始构造开关函数和适应度函数。配电系统中的开关节点能够采集到故障电流，与这个开关节点的下游线路是否发生了故障直接相关，故可以采用开关函数来表示该开关节点下游是否存在故障过电流信息。在具体的配电网故障区段诊断及定位过程中还需要通过适应度函数来判断所得到的定位区段是否合理。当这些函数都已经构造完成之后就可以利用上述所分析的粒子群优化算法来进行配电网故障区段的定位。在计算过程中，对于模型中的各类参数的设置较为关键，会直接影响到最终的计算结果，故对此应加以把握，保证对配电网故障区段定位的准确性。