一种基于bpso和ga的配电线路故障区段定位方法
【技术领域】
[0001] 本发明涉及一种基于BPSO和GA的配电线路故障区段定位方法。
【背景技术】
[0002] 随着世界能源危机和环境污染的加重，人们开始关注一种更洁净、可再生、高效 的电源--分布式电源（DistributedGenerator,DG)。风电机组作为常见的DG之一得到 广泛并网使用。配电线路直接连接着用户负荷，确保其运行时的可靠性、安全性和供电质量 具有十分重要的意义。然而DG的接入使得配电系统从单电源辐射状网络变为功率双向流 动的复杂多端电源网络。此外，配电系统的结构和潮流等也随之发生变化，配电网的许多参 数都具有了动态特性，这给配电线路的故障区段定位造成了一定的影响。因此，以单电源辐 射状为基础的配电网络的故障区段定位方法因受到DG的影响而需要改进和完善。
[0003] 目前适用于含DG的配电线路区段定位的方法主要分为两大类：一类是以矩阵算 法为典型代表的直接算法，该方法基于图论知识，通过故障特征分析，结合配电网的拓扑结 构进行故障定位，但该方法需要复杂的矩阵相乘，还要进行归一化处理以防止误判，运算量 过大，处理时间过长，对复杂配电网的处理较为繁琐，在解决双电源或多电源并列运行情况 下的故障定位下给出的统一判据也存在局限性；另一类是基于人工智能型故障定位算法， 主要包括神经网络、蚁群算法和遗传算法，但智能算法的使用普遍存在"未成熟收敛"现象 和收敛速度慢两个矛盾问题，如何折中这两个问题成了改进算法的主要研宄方向。
[0004] 粒子群算法（ParticleSwarmOptimization，PS0)是近年来发展起来的一种新 的智能优化算法，具有简单、易实现、收敛性能较好等诸多优点。基本原理是将优化问题中 寻找最优解的过程视作鸟（粒子）在空间中寻找最优位置的过程。在进化过程中，利用多 个粒子同时在空间中搜寻最优位置以提高算法的搜索效率，各个粒子每一代的搜寻都是根 据自身最优位置和种群最优位置通过一定的公式、参数对粒子速度和粒子位置进行及时更 新，在经历了许多代进化之后，最终搜索到最优位置，即优化问题的最优解。本专利所采用 的为二进制粒子群优化算法（BinaryParticleSwarmOptimization,BPS0)，其区别在于 将粒子的每一维及粒子本身的历史最优、全局最优限制为1或〇,而速度不作这种限制。
[0005] 遗传算法（GeneticAlgorithm，GA)是一种借鉴生物界"优胜劣汰"自然选择过程 的随机全局搜索和优化算法。它利用某种编码技术，将问题的可能解编码在染色体的数字 串上，模拟由这些串组成的群体（所有可能解）的进化过程，在群体中通过选择、交叉、变异 操作后最终搜索出最优解。GA具有鲁棒性强、适应性广泛和高效的优点，能同时对解空间中 的多个点进行寻优，从而得出全局最优解。
[0006] 由于GA具有快速全局搜索能力，染色体互相共享信息，整个种群比较均匀地向最 有区域移动，但对于系统中反馈信息没有充分利用，经常造成冗余迭代，收敛速度慢。PSO 通过对位置和速度的更新，充分利用个体最优值和群体最优值收敛于最优值，具有收敛 速度快的优点，但同时容易陷入"未成熟收敛"现象。所以，本专利将两个算法结合起来， 优势互补，形成一种收敛速度快且能降低出现"未成熟收敛"概率的二进制混合优化算法 (BPSOGA)，并将其用在含风电机组的配电线路故障区段定位中。
【发明内容】
[0007] 本发明的目的在于提供一种基于BPSO和GA的配电线路故障区段定位方法，其特 征在于包括以下步骤：
[0008] 步骤Sl:获取待区段定位配电线路的终端状态编码Ij,j= 1，2, 3. ..，D，D为终端 总数；
[0009] 步骤S2 :以BPSOGA搜索空间解的维数作为待区段定位配电线路中终端总数D和 区段线路的总数，以空间解的维数状态值作为区段状态编码值，并对参数进行初始化：BPSO 子种群规模N1、惯性权重《、学习因子(^和c2;GA子种群规模N2、交叉概率PX、变异概率PM、 重插入因子GGAP、最大迭代次数1\取&=N2 =N;
[0010] 步骤S3 :BPS0子种群和GA子种群的初始化：随机初始化BPSO子种群中粒子位置 popl(i)和粒子速度Vi,并计算粒子适应度值fitl(i)、粒子最优位置popbest(i)及粒子最 大适应度值Pbest (i)、群体最优位置gpopbest及群体最大适应度值gbest;随机初始化GA子种 群个体解p〇p2 (i)及个体适应度值fit2 (i)，i= 1，2, 3. ? ?N;其中BPSO中粒子位置popl(i) 与GA中个体解pop2 (i)都用二进制编码，具有相同的维数，都表征配电线路中对应区段的 的区段状态编码；
[0011] 步骤S4 :令k= 1，进行迭代运算；
[0012] 步骤S5 :对BPSO子种群的粒子位置popl(i)和粒子速度￥1进行更新，形成新一代 的BPSO子种群，并更新所述新一代的BPSO子种群的粒子适应度值fitl(i);同时，对GA子 种群进行遗传操作，得到新一代的GA子种群，并更新所述新一代的GA子种群的个体适应度 值fit2(i);
[0013] 步骤S6:比较新一代的BPSO子种群的粒子适应度值fitl⑴和对应的新一代的 GA子种群的个体适应度值fit2 (i)，取适应度值大的粒子或个体作为两个种群下一代进化 的父代粒子和父代个体：令j= 1，进行迭代运算；
[0014]步骤S7 :判断如果fitl(j) <fit2 (j)，则fitl(j) =fit2 (j)、popl(j)= pop2 (j)，否则fit2 (j) =fitl(j)、pop2 (j) =popl(j)，继续执行步骤S8 ;
[0015] 步骤S8 :进行BPSO子种群粒子最大适应度值的更新：比较BPSO子种群粒子适应 度值与粒子最大适应度值的大小：若fitl(j) >pbest (j)，则pbest (j) =fitl(j)、popbest(j) =popl(j)，继续执行步骤S9,否则转入执行步骤SlO;
[0016] 步骤S9:进行BPSO子种群最大适应度值的更新：比较BPSO子种群粒子适应度 值和群体最大适应度值的大小：判断若fitl (j)>gbest，则gbest= fitl (j)、gpopbest= popl (j)，继续执行步骤SlO ;否则直接执行步骤SlO ;
[0017] 步骤SlO:令j=j+1，判断如果j>N，则执行步骤S11，否则返回执行步骤S7 ;
[0018] 步骤Sll:令k=k+1，判断是否如果k彡T，若满足，贝Ij返回执行步骤S5,继续进 化；若不满足，则结束进化，输出群体最优位置gpopbest。
[0019] 更进一步的，在所述步骤S3中，所述的BPSO子种群的粒子适应度值和GA子种群 的个体适应度值的计算过程如下：
【主权项】
1. 一种基于BPSO和GA的配电线路故障区段定位方法，其特征在于包括以下步骤： 步骤Sl :获取待