技术领域本发明属于电力系统继电保护领域，尤其涉及一种基于人工蜂群算法的架空线双端不同步故障测距方法。
背景技术：
输电线路承担着为用户传送电能的任务，还作为各大电网之间联网运行的联络线使用，其运行可靠性直接关系到整个电网的运行稳定性。由于输电线路分布范围广，其运行条件较为恶劣，往往需翻越高山、森林、河流和湖泊等复杂地形，容易出现各种故障，对电力系统正常运行造成严重影响。因此当线路发生故障时，需准确定位故障点位置，以便采取相应措施排除故障，恢复供电。现有输电线路的故障定位方法主要分为两类：行波法与故障分析法。行波法利用故障后的暂态高频电压、电流行波进行测距，其原理简单，理论测距精度高，但需要较高的采样频率，对硬件要求很高。故障分析法则利用线路故障后的稳态工频分量，利用线路参数建立关于故障距离的测距方程进行测距，对硬件要求较低，简单可靠。现有架空线路故障定位方法主要基于故障分析法，但大多数采用集总参数模型进行计算，忽略了线路分布电容的影响，导致测距结果不够精准。故障分析法的单端法仅应用单侧电气量进行测距，其原理上无法克服对侧系统阻抗和系统运行方式的影响，而应用双端数据测距的双端法则无此缺陷。对于双端法，无论是否在线路两端装设数据同步装置，受到硬件响应延时、软件算法延时的影响，双端采集所得数据并非严格同步，始终会存在一个不同步角，该不同步角无法直接测量得到。此时若直接采用不同步数据计算故障位置，测距结果将会产生较大误差。
技术实现要素：
本发明的目的是针对上述问题提供一种能够准确有效地定位故障点位置的基于人工蜂群算法的架空线双端不同步故障测距方法。本发明的目的可以通过以下技术方案来实现：一种基于人工蜂群算法的架空线双端不同步故障测距方法，该方法包括以下步骤：(1)通过差分傅氏算法提取架空线不对称短路故障时线路首末两端的三相电压电流工频分量；(2)对所述三相电压电流工频分量进行对称分量变换，得到对应的线路首末两端三相电压电流正序量；(3)根据所述正序量，以故障距离和线路首末两端的数据不同步角为未知量建立故障点电压方程；(4)解耦所述故障点电压方程，得到故障测距观测方程组；(5)基于人工蜂群算法求解故障测距观测方程组，确定故障点位置。所述步骤(2)中，对线路首端三相电压工频分量进行对称分量变换的公式为：U·M0U·M1U·M2=131111αα21α2αU·MAU·MBU·MC]]>式中：为线路首端三相电压工频分量，为对应的零序、正序和负序分量；同理，获得架空线不对称短路故障后线路首端三相电流零序、正序和负序分量线路末端三相电压零序、正序和负序分量以及线路末端三相电流零序、正序和负序分量所述步骤(3)中，建立的故障点电压方程为：U·M1coshγx-ZLI·M1sinhγx=[U·N1coshγ(L-x)+ZLI·N1sinhγ(L-x)]ejδ]]>式中：x为故障点距离架空线首端的距离，δ为架空线首末两端电压的数据不同步角，L为架空线长度，γ为架空线的传播常数，ZL为架空线的波阻抗，为线路首端三相电压的正序分量，为线路首端三相电流正序分量，为线路末端三相电流正序分量。所述步骤(4)中，故障测距观测方程组为：(UMR-B3cosδ+B4sinδ)coshR1xcoshR2x-(UMI-B3sinδ-B4cosδ)sinhR1xsinhR2x+(B5cosδ-B6sinδ-B1)sinhR1xcoshR2x-(B5sinδ+B6sinδ-B2)coshR1xsinhR2x=0(UMI-B3sinδ-B4cosδ)coshR1xcoshR2x+(UMR-B3cosδ+B4sinδ)sinhR1xsinhR2x+(B5sinδ+B6cosδ-B2)sinhR1xcoshR2x+(B5cosδ-B6sinδ-B1)coshR1xsinhR2x=0]]>式中：R1＝Re(γ)，R2＝Im(γ)，B3=Re(U·N1coshγL+ZLI·N1sinhγL),B4=Im(U·N1coshγL+ZLI·N1sinhγL),]]>B5=Re(U·N1sinhγL+ZLI·N1coshγL),B6=Im(U·N1sinhγL+ZLI·N1coshγL),]]>UMR=Re(U·M1),UMI=Im(U·M1);]]>x为故障点距离架空线首端的距离，δ为架空线首末两端电压的数据不同步角，γ为架空线的传播常数，ZL为架空线的波阻抗，为线路首端三相电压的正序分量，为线路首端三相电流正序分量，为线路末端三相电压正序分量，为线路末端三相电流正序分量。所述步骤(5)具体为：(5a)将故障测距观测方程组转化为人工蜂群算法的目标函数f(x,δ)：f(x,δ)=f12(x,δ)+f22(x,δ)]]>f1(x,δ)＝(UMR-B3cosδ+B4sinδ)coshR1xcoshR2x-(UMI-B3sinδ-B4cosδ)sinhR1xsinhR2x+(B5cosδ-B6sinδ-B1)sinhR1xcoshR2x-(B5sinδ+B6sinδ-B2)coshR1xsinhR2xf2(x,δ)＝(UMI-B3sinδ-B4cosδ)coshR1xcoshR2x+(UMR-B3cosδ+B4sinδ)sinhR1xsinhR2x+(B5sinδ+B6cosδ-B2)sinhR1xcoshR2x+(B5cosδ-B6sinδ-B1)coshR1xsinhR2x(5b)初始化人工蜂群，令蜜源个数、引领蜂的个数、跟随蜂的个数均为SN，最大限制迭代次数为limit，最大循环次数为Cm，故障测距观测方程组解的维数为D，置循环次数c＝1，各个蜜源的保留次数si＝0；(5c)确定引领蜂初始位置及其所对应的初始适应度，所述引领蜂初始位置表达式为：xij=xjmin+rand(0,1)(xjmaxxjmin)]]>式中：i＝1,…SN，j＝1,…D，为第j个参数的最小取值，为第j个参数的最大取值，rand(0,1)表示0到1范围内的随机数；所述适应度计算公式为：fiti=11+fi,(fi≥0)1+abs(fi),(fi<0)]]>式中：fi是目标函数f(x,δ)在xi点的函数值，abs()为取绝对值函数；(5d)引领蜂在当前位置邻域随机搜索新蜜源：式中：和是[-1，1]内的随机数，xij是引领蜂当前所在位置，vij是替代xij的新蜜源位置，xbestj为上次循环中每只引领蜂记住的自己到目前为止发现的最好位置，xr1j与xr2j是两个随机位置；若上式所产生的分量值超过了上下界，则将它的值设为边界值；(5e)引领蜂判断是否选择所搜索到的新蜜源，选择原则为：按步骤(5c)所述适应度计算公式计算新蜜源vi的适应度值，若vi的适应度值大于xi的适应度值，则xi＝vi，si＝0，否则xi不变，si＝si+1；(5f)计算每只跟随蜂按照概率Pi选择所依附蜜源，并根据步骤(5e)中所述选择原则在所附蜜源邻域搜索选择新蜜源，概率Pi的计算公式为：Pi=fiti/Σi=1SNfiti;]]>(5g)比较所有蜜源的适应度值，记录适应度最大的蜜源位置，即为目前最优解；(5h)引领蜂检查每个蜜源的保留次数si，若某个蜜源xi的保留次数si＝limit，则丢弃该蜜源，该引领蜂转化为侦查蜂，按步骤(5c)所述引领蜂初始位置表达式产生一个新的蜜源，并置si＝0；(5i)令c＝c+1，若c<Cm，则转向步骤(5d)，否则输出目前最优解，得到故障点位置。与现有技术相比，由于本发明无需线路双端数据严格同步，能够准确有效地定位故障点位置，实现在双端数据不同步条件下高效准确的故障测距，具有以下有益效果：1、本发明采用差分傅氏算法提取架空线，很好地消除故障电压、电流中的衰减直流分量的影响，计算量小；2、本发明根据双端电气量计算所得故障点电压相等的原理确定故障测距方程，并采用正序分量进行计算，不受过渡阻抗、故障类型的影响，能够有效应用于各种不对称短路故障，应用性广；3、本发明将复数电压方程解耦为故障测距观测方程组进行求解，避免了直接求解复数方程，计算量小；4、本发明引入了人工蜂群算法求解故障测距观测方程组，人工蜂群算法对初值选择不敏感，具有较强的鲁棒性和较好的收敛性能，能够在双端数据不同步条件下准确求解线路故障点所在位置，数据采集方便。附图说明图1为基于人工蜂群算法的架空线双端不同步故障测距方法的整体结构流程图；图2为本发明实施例中人工蜂群算法求解的迭代曲线。具体实施方式下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。针对线路分布电容和双端数据不同步的问题，可利用线路分布参数模型建立故障测距方程，在该方程中引入不同步角这一未知变量以解决双端数据不同步。而含有故障位置和不同步角两个未知量的故障测距方程是一个复系数方程，难以直接求解，因此，需将其解耦为实部方程和虚部方程，二者组成非线性方程组，应用全局寻优能力较强的人工蜂群算法进行求解，得到故障点位置。因此，本发明提出了一种基于人工蜂群算法的架空线双端不同步故障测距方法，基于线路两端电压计算所得故障点电压相等的原理，建立包含架空线路双端数据不同步角在内的线路电压方程组，应用人工蜂群算法求解该方程组得到故障点位置。如图1所示，本实施例提供的架空线双端不同步故障测距方法包括以下步骤：在步骤S1中，通过差分傅氏算法提取架空线不对称短路故障时线路首末两端的三相电压电流工频分量，包括得到线路首端电压工频分量为线路首端电流工频分量为线路末端电压工频分量为线路末端电流工频分量为本实施例采用的差分傅氏算法为本领域内研究人员所熟知，不再赘述。在步骤S2中，对所述三相电压电流工频分量进行对称分量变换，得到对应的线路首末两端三相电压电流工频分量的正序量。通过对称分量变换可以获得首末两端三相电压和三相电流零序、正序、负序量，分别记为和其中，i＝0,1,2分别代表零序、正序和负序分量。以架空线不对称故障后线路首端三相电压为例进行说明，所述的对称分量变换公式为：U·M0U·M1U·M2=131111αα21α2αU·MAU·MBU·MC]]>式中：为线路首端三相电压工频分量，为对应的零序、正序和负序分量。同理，获得架空线不对称短路故障后线路首端三相电流零序、正序和负序分量线路末端三相电压零序、正序和负序分量为以及线路末端三相电流零序、正序和负序分量在步骤S3中，根据架空线路首末两端三相电压和三相电流的正序电压分量，建立求解故障距离的故障点电压方程，该方程中还包含有为解决双端数据不同步问题而引入的未知量数据不同步角。所建立的故障点电压方程具体为：U·M1coshγx-ZLI·M1sinhγx=[U·N1coshγ(L-x)+ZLI·N1sinhγ(L-x)]ejδ]]>式中：x为故障点距离架空线首端的距离，δ为架空线首末两端电压的数据不同步角，L为架空线长度，本实施例中为50km，γ为架空线的正序传播常数，本实施例中γ＝(0.0002+0.0011j)/km，ZL为架空线的正序波阻抗，本实施例中ZL＝(343.14-62.971j)Ω/km。在步骤S4中，解耦所述故障点电压方程，得到故障测距观测方程组：coshR1xcoshR2x-(UMI-B3sinδ-B4cosδ)sinhR1xsinhR2x+(B5cosδ-B6sinδ-B1)sinhR1xcoshR2x-(B5sinδ+B6sinδ-B2)coshR1xsinhR2x=0(UMI-B3sinδ-B4cosδ)coshR1xcoshR2x+(UMR-B3cosδ+B4sinδ)sinhR1xsinhR2x+(B5sinδ+B6cosδ-B2)sinhR1xcoshR2x+(B5cosδ-B6sinδ-B1)coshR1xsinhR2x=0]]>式中：R1＝Re(γ)，R2＝Im(γ)，B3=Re(U·N1coshγL+ZLI·N1sinhγL),B4=Im(U·N1coshγL+ZLI·N1sinhγL),]]>B5=Re(U·N1sinhγL+ZLI·N1coshγL),B6=Im(U·N1sinhγL+ZLI·N1coshγL),]]>UMR=Re(U·M1),UMI=Im(U·M1).]]>在步骤S5中，基于人工蜂群算法求解故障测距观测方程组，确定故障点位置，具体过程为：(5a)将故障测距观测方程组转化为人工蜂群算法的目标函数f(x,δ)：f(x,δ)=f12(x,δ)+f22(x,δ)]]>f1(x,δ)＝(UMR-B3cosδ+B4sinδ)coshR1xcoshR2x-(UMI-B3sinδ-B4cosδ)sinhR1xsinhR2x+(B5cosδ-B6sinδ-B1)sinhR1xcoshR2x-(B5sinδ+B6sinδ-B2)coshR1xsinhR2xf2(x,δ)＝(UMI-B3sinδ-B4cosδ)coshR1xcoshR2x+(UMR-B3cosδ+B4sinδ)sinhR1xsinhR2x+(B5sinδ+B6cosδ-B2)sinhR1xcoshR2x+(B5cosδ-B6sinδ-B1)coshR1xsinhR2x(5b)初始化人工蜂群，令蜜源个数、引领蜂的个数、跟随蜂的个数均为SN，最大限制迭代次数为limit，最大循环次数为Cm，故障测距观测方程组解的维数为D，置循环次数c＝1，各个蜜源的保留次数si＝0。在本实施例中，SN＝50，limit＝50，Cm＝2500，D＝2。(5c)确定引领蜂初始位置及其所对应的初始适应度，所述引领蜂初始位置表达式为：xij=xjmin+rand(0,1)(xjmax-xjmin)]]>式中：i＝1,…SN，j＝1,…D，为第j个参数的最小取值，为第j个参数的最大取值，本实施例中，rand(0,1)表示0到1范围内的随机数。所述适应度计算公式为：fiti=11+fi,(fi≥0)1+abs(fi),(fi<0)]]>式中：fi是目标函数f(x,δ)在xi点的函数值，abs()为取绝对值函数。(5d)引领蜂在当前位置邻域随机搜索新蜜源：式中：和是[-1，1]内的随机数，xij是引领蜂当前所在位置，vij是替代xij的新蜜源位置，xbestj为上次循环中每只引领蜂记住的自己到目前为止发现的最好位置，xr1j与xr2j是两个随机位置。若上式所产生的分量值超过了上下界，则将它的值设为边界值。即若则取若则取(5e)引领蜂判断是否选择所搜索到的新蜜源，选择原则为：按步骤(5c)所述适应度计算公式计算新蜜源vi的适应度值，若vi的适应度值大于xi的适应度值，则xi＝vi，si＝0，否则xi不变，si＝si+1。(5f)计算每只跟随蜂按照概率Pi选择所依附蜜源，并根据步骤(5e)中所述选择原则在所附蜜源邻域搜索选择新蜜源，概率Pi的计算公式为：Pi=fiti/Σi=1SNfiti.]]>(5g)比较所有蜜源的适应度值，记录适应度最大的蜜源位置，即为目前最优解。(5h)引领蜂检查每个蜜源的保留次数si，若某个蜜源xi的保留次数si＝limit，则丢弃该蜜源，该引领蜂转化为侦查蜂，按步骤(5c)所述引领蜂初始位置表达式产生一个新的蜜源，并置si＝0。(5i)令c＝c+1，若c<Cm，则转向步骤(5d)，否则输出目前最优解，得到故障点位置。采用上述人工蜂群算法进行故障求解的迭代曲线如图2所示。在本实施例中，故障点距离线路首端12.5km处；人工蜂群算法迭代30次后可求得故障点位置为12.36km，有效验证了本方法的准确性。要注意的是，以上列举的仅为本发明的具体实施例，显然本发明不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形，均应属于本发明的保护范围。