基于智能算法的配电网故障区间定位

配电网故障定位是实现配网自动化的前提和保障，对于配电网故障的隔离、缩短停电时间都具有十分重要的意义，同时由于馈线终端设备FTU在上传故障信息的时候容易发生畸变和缺失，因此要求故障定位方法具有比较高的快速性和容错性。基于此，本文致力于研究改进的类电磁学算法和分布估计算法在配电网故障区间定位中的应用，以期提高配电网故障区间定位时的快速性和容错性。 本文首先介绍了配电网故障定位的两种模式——就地智能线路自动化与集中调控馈线自动化，尤其对于目前研究较多的集中馈线调控自动化的各种方法进行了分析，简述了优点和存在的缺点。 鉴于类电磁学算法在离散域内的寻优效果良好，本文将类电磁学算法应用于配电网故障区间定位中，但在应用的过程中参数比较敏感，影响定位的效果，基于此，本文通过在局部搜索中引入自适应步长、合力计算公式中消除距离因子、移动公式中加快粒子迁移的步幅等来提高故障定位的准确性和快速性，同时引入遗传搜索-交叉因子来解决算法在局部搜索中陷入局部最优的问题。在此基础上，采用模块分割的思想建立配电网的数学模型，有效地降低了配电网数学模型的维数。仿真结果表明，相对于标准EM算法，应用改进的类电磁学算法进行配电网故障区段定位只需要较少的种群信息以及迭代次数，而且故障定位的容错性也有相应的提高。 不同于传统的人工智能算法在处理优化问题时对于生物进化微观上的建模，分布估计算法是着眼于生物空间整体宏观上的分析，采用的是全新的进化方式。本文将分布估计算法应用于配电网故障区间定位，将故障区间向量作为寻优解，通过对于解向量的均匀采样模型的建立以及简便采样方法的构造，逐步提高正确解向量在解空间内的概率，以期实现故障区段的有效定位。仿真结果表明将分布估计算法应用于多源开环条件下的配电网故障区段定位有着较快的故障定位速度和良好的容错性。