本发明涉及配电网故障定位、隔离、与供电恢复领域，具体涉及一种基于分层模型和智能校验算法的配电网故障定位方法。
背景技术：
随着更加清洁、高效的分布式电源(dg)大量接入电网和用电负荷的不断上涨，配电系统的结构和潮流日益趋向大型化、复杂化，传统的单源辐射型网络的故障定位方法变得不再适用。针对含分布式电源的配电网故障定位问题，至今已形成基于矩阵理论的直接定位算法和采用人工智能技术的间接定位方法。区段定位矩阵算法具有建模简单、定位高效准确等优点，但同时存在容错性低和通用性不强的缺陷。基于人工智能技术的故障定位方法，依据状态逼近思想和故障诊断最小集原理，采用优化理论对故障区段辨识模型进行建模，具有通用性强和容错性高等优点。其中，群体智能算法在故障辨识过程中易于处理离散变量，理论上可获得全局最优决策，成为当前该领域研究的热点。
现有的群体智能算法在含分布式电源的配电网故障定位中，主要有三类。第一类是根据配电网的结构特点，直接采用单层模型和单一智能算法或其改进算法进行配电网故障定位。该类方法的开关函数构建比较复杂，在提高故障定位容错性、效率和稳定性方面局限性较大。第二类采用利用多个种群并行进化和信息交互策略进行故障定位，在一定层度上提高了智能算法的容错性和稳定性，但是采用的依然是单层辨识模型，在面对大规模、高渗透率配电网时，基于逻辑或的开关函数构建依然相当复杂，故障辨识效率低；采用的算法还是没有摆脱故障定位结果不稳定局限。第三类将分区的思想引入故障定位当中，通过区域划分来减小智能算法的维度，提高了故障定位的搜索效率，但是，在面对大规模、高渗透率配电网时，搜索维度依然较大，基于逻辑或的开关函数构建依然相当复杂，智能算法辨识结果还是存在不稳定的问题。
综上所述，间接建模的配电网故障区段定位人工智能方法，理论上已取得丰硕成果，但该类方法还存在以下问题：1)采用逻辑关系描述故障区段与设备间的匹配关联特性，使得故障定位模型构建相对比较复杂，尤其在高渗透率、大型配电网中，定位建模异常复杂；2)采用的单层群体智能算法在大规模配电网故障区段定位中的运算维度巨大，效率过低；3)单纯依靠智能算法进行故障定位存在辨识结果不稳定的本质缺陷。
技术实现要素：
本发明的目的在于提供一种基于分层模型和智能校验算法的配电网故障定位方法，结合配电网的结构特点，在分析开关函数逻辑规律的基础上，提出一种以多分支节点为边界、对各支路进行端口等效的方法，将配电网划分成多个区域，进而构建出故障定位的分层模型，极大减小了开关函数构建的复杂程度；第一层定位故障区域、第二层定位故障区段的分层定位策略使得故障区域定位维度明显减小，提高了故障定位的效率；结合第二层所含节点数量少的特点，将0-1整数规划中的穷举法引入区段定位中，对采用智能算法的故障区域定位结果进行反馈校验，使得整个故障辨识过程稳定性、容错性都有较大提高；在渗透率越高、节点数越多的配电网故障定位中，分层模型和分层智能校验算法优势越明显。
为实现上述目的，本发明的技术方案是：一种基于分层模型和智能校验算法的配电网故障定位方法，首先对含分布式电源的配电网以多分支节点为边界进行支路划分，对每条支路等进行二端口等效，每个二端口含有一个区域和一个区域节点；当故障发生时，ftu采集的整个配电网所有节点状态信息，并上传scada系统；区域定位算法从scada系统中读取所有区域节点的状态信息，将故障定位到具体区域；区段定位算法读取故障二端口内部所有节点的状态信息，将故障定位到具体区段；利用区段定位结果对区域定位进行校验，若一致，则输出定位结果；若不一致，将区段定位结果返回并作为第二次区域定位的初始赋值，然后重复定位过程，直到输出结果。
在本发明一实施例中，该方法具体实现如下，
步骤s1、对含dg配电网各支路进行二端口等效：
在含dg配电网故障定位中，开关函数一般采用以下基于逻辑关系的式子进行构建：
ij(s)＝iju(s)-ijd(s)(3)
ij(s)表示开关函数，iju(s)、ijd(s)分别表示上游开关函数和下游开关函数；
以配电网三分支节点为例，分析开关函数构建中的逻辑规律：
设该配电网三分支节点包括三条分支a、b、c，分支a包括1、2、3三个节点及(1)、(2)、(3)区段，分支b包括4、5、6三个节点及(4)、(5)、(6)区段，分支c包括7、8、9三个节点及(7)、(8)、(9)区段；
当分支c上的区段(7)、(8)、(9)任一区段单独发生故障或任二区段同时发生故障时，根据公式(1)、(2)、(3)，可得：
分支a上所节点的开关函数满足：
i1(s)＝i2(s)＝i3(s)＝1(4)
分支b上的所有开关函数满足：
i4(s)＝i5(s)＝i6(s)＝-1(5)
由此可得：只要故障在分支c上，无论哪个区段故障或者多个区段同时故障，分支c对其他支路开关函数构建的影响相同；根据等效定则，支路c的区段(7)、(8)、(9)在构建开关函数时，整个支路看成无源网络，对外等效成一个二端口，且两个端子分别为k1，k2；同理分支b在构建开关函数时，可以对外等效成一个二端口，两个端子分别为k3，k4；分支a在构建开关函数时，可以对外等效成一个二端口，两个端子分别为k5，k6；
步骤s2、构建故障定位分层模型：
将三个等效端口进行星型连接，中性点即为三分支节点，三条出线分别连接主电源s、分布式电源dg、感性负荷l，得到分层模型：三分支节点，三个等效二端口a、b、c，三个等效电源s、dg、l；其中，主电源s、分布式电源dg、感性负荷l构成第一层定位模型，三个等效二端口a、b、c内部为第二层定位模型；
步骤s3、故障区域定位：
采集各个二端口区域节点状态编码信息，利用式(1)、(2)、(3)构建整个配电网关于区域的开关函数，利用式(6)构建故障区域定位的适应度函数，然后根据bpsoga算法，将故障定位到故障区域；
其中，fit(n)表示第n个个体的适应度值，等效二端口个数为d，整个配电网络的节点数为t；ij为区域节点ftu采集的故障电流方向信息，ij(s)是关于区域的开关函数，si为区域状态编码，η为权系数；
步骤s4、故障区段定位：
在每个故障二端口内部，系统采集区段节点状态编码信息，利用双源网络开关函数公式(7)或单源开关函数公式(8)构建关于区段的开关函数，利用式(9)构建区段定位的适应度函数，然后根据穷举法，将故障定位到具体区段；
其中，fit(n)表示第n个个体的适应度值，每个故障区域包含的个体数为d1，整个配电网的节点个数为t。ij为故障二端口内部所有区段节点ftu采集的故障电流方向信息，ij(s)是关于区段的开关函数，si为区段状态编码，η为权系数；
步骤s5、定位反馈校验：
在区段定位后，根据校验判据判别区域定位结果与区段定位结果是否一致；若结果不一致，将区段定位的结果返回区域定位，以区段定位结果为初始赋值，计算适应度，若此适应度值大于第一次区域定位的群体最优适应度值，则直接跳入区段定位；若此适应度值小于第一次区域定位的群体最优适应度值，则进行故障区域定位和区段定位，若区段定位结果一致，则输出定位结果，若仍然不一致，进入下次校验循环，直到区域定位结果和区段定位结果一致。
在本发明一实施例中，所述步骤s5中，校验判据的确定方法如下：
a)若误判的区域是单源网络，此时区段节点状态编码为ij＝[000]，根据式(8)计算开关函数，根据式(9)计算适应度，当区段状态编码为sj＝[000]时，适应度取最大值：
fitmax＝2t-(|0|+η·0)＝2t(10)
于是得出区段状态编码为sj＝[000]，据此可以判定该故障区域不存在故障区段；
b)当误判的区域是双源网络时，
此时区段节点状态编码为ij＝[111]or[-1-1-1]，根据式(7)计算开关函数，根据式(9)计算适应度，当区段状态编码为ij＝[100]or[001]即边界区段故障时，适应度取最大值：
fitmax1＝2t-(|1+1|+η·1)＝2t-2.5(11)
若该区域实际存在故障即ij≠[111]or[-1-1-1]，则最大适应度的可能最小值为：
fitmax2＝2t-(|0|+η·2)＝2t-1(12)
可见，对于双源网络虽然不能用区段状态编码对误判区域进行校验，但是可以通过最大适应度的偏差范围来进行校验，当最大适应度值超出[2t-1,2t+1]范围时，判定该故障区域不存在故障区段。
相较于现有技术，本发明具有以下有益效果：
(1)本发明基于配电网拓扑和开关函数的特点建立配电网故障定位的分层模型，能大幅减小开关函数建立的维度和定位模型的复杂程度；
(2)分层模型使得故障区域定位的运算维度大幅减小，与高效的区段定位方法一起，使的整个故障定位的效率极大提高；
(3)利用二次区段定位结果对一次区域定位结果进行校验，纠正区域定位的误判，进一步提高了整个定位的容错性；
(4)利用穷举法的绝对稳定性，弥补智能算法的易收敛于局部最优的缺陷，提高定了整个定位的稳定性，准确性；
(5)本发明构建的故障定位模型和策略特别适用于高渗透率、大型配电网的故障定位问题。
附图说明
图1为t型配电网拓扑图。
图2为支路c的等效二端口。
图3为支路b的等效二端口。
图4为支路a等效二端口。
图5为t型配电网分层模型图。
图6为单源网络区段定位。
图7为双源网络区段定位。
图8为故障定位流程图。
图9为配电网案例分析图。
图10为第一层定位模型图。
图11为四种方法迭代过程对比。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明的一种基于分层模型和智能校验算法的配电网故障定位方法，首先对含分布式电源的配电网以多分支节点为边界进行支路划分，对每条支路等进行二端口等效，每个二端口含有一个区域和一个区域节点；当故障发生时，ftu采集的整个配电网所有节点状态信息，并上传scada系统；区域定位算法从scada系统中读取所有区域节点的状态信息，将故障定位到具体区域；区段定位算法读取故障二端口内部所有节点的状态信息，将故障定位到具体区段；利用区段定位结果对区域定位进行校验，若一致，则输出定位结果；若不一致，将区段定位结果返回并作为第二次区域定位的初始赋值，然后重复定位过程，直到输出结果。
具体的本发明的一种基于分层模型和智能校验算法的配电网故障定位方法，所述定位方法包括如下步骤：
步骤一：对含dg配电网各支路进行二端口等效。
在含dg配电网故障定位中，开关函数一般采用以下基于逻辑关系的式子进行构建：
ij(s)＝iju(s)-ijd(s)(3)
ij(s)表示开关函数，iju(s)、ijd(s)分别表示上游开关函数和下游开关函数；
多分支节点(三个及三个以上)是配电网拓扑结构的重要组成部分，决定着配电网拓扑结构的复杂程度，也就决定着开关函数构建的复杂程度。故以配电网三分支节点(t型节点)为例，如图1所示，分析开关函数构建中的逻辑规律：
1)当分支c上的区段(7)发生故障时，有s7＝1、si≠7＝0，根据公式(1)、(2)、(3)，得出分支a上节点1的开关函数为：
i1u(s)＝(1-s1|s2|s3)|(1-s4|s5|s6)*(s7|s8|s9)＝1(4)
i1d(s)＝(1-s7|s8|s9)*(s4|s5|s6|s7|s8|s9)＝0(5)
i1(s)＝i1u(s)-i1d(s)＝1(6)
同理可得分支a上节点2、3和分支b上节点4、5、6的开关函数为：
i2(s)＝i2u(s)-i2d(s)＝1(7)
i3(s)＝i3u(s)-i3d(s)＝1(8)
i4(s)＝i4u(s)-i4d(s)＝-1(9)
i5(s)＝i5u(s)-i5d(s)＝-1(10)
i6(s)＝i6u(s)-i6d(s)＝-1(11)
很明显，分支a上所节点的开关函数满足：
i1(s)＝i2(s)＝i3(s)＝1(12)
分支b上的所有开关函数满足：
i4(s)＝i5(s)＝i6(s)＝-1(13)
2)当分支c上的区段(8)发生故障时，根据开关函数构建公式，得出分支a上的开关函数为：i1(s)＝i2(s)＝i3(s)＝1，依然满足式(12)，分支b上的开关函数为：i4(s)＝i5(s)＝i6(s)＝-1，依然满足式(13)。同理当区段(9)发生故障时，分支a上的开关函数满足式(12)，分支b上的开关函数满足式(13)。
3)当分支c上的区段(7)和(8)同时发生故障时，分支a上的开关函数依然满足式(12)，分支b上的开关函数也满足式(13)。同理，区段(7)和(9)，区段(8)和(9)发生双重故障时，分支a、b依然满足式(12)、(13)。
通过以上分析，可以得出以下结论：只要故障在分支c上，无论哪个区段故障或者多个区段同时故障，支路c对其他支路开关函数构建的影响相同。根据等效定则，支路c的区段(7)、(8)、(9)在构建开关函数时可以合成一个“广义区段”即区域，节点7、8、9合成一个“广义区段节点”即区域节点，整个支路看成无源网络，“对外等效成”一个二端口，两个端子分别为k1，k2，如图2所示。
在分支b上设置单一故障和双重故障，依据上述结论，构建其他非故障支路a、c的开关函数，可以发现：支路b在构建开关函数时也可以“对外等效成”一个二端口，两个端子分别为k3，k4，如图3所示。
同理，在分支a上设置单一故障和双重故障，构建其他非故障支路b、c的开关函数，可以得出：支路a在构建开关函数时可以“对外等效成”一个二端口，两个端子分别为k5，k6，如图4所示。
步骤二：构建故障定位分层模型。
将三个等效端口进行星型连接，中性点即为三分支节点，三条出线分别连接主电源s、分布式电源dg、感性负荷l，得到图1的分层模型如图5所示。三分支节点、三个等效二端口(a、b、c)、三个等效电源(主电源s、分布式电源dg、感性负荷l)构成第一层定位模型，三个等效二端口内部为第二层定位模型。
步骤三：故障区域定位。
系统首先采集各个二端口区域节点状态编码信息，利用式(1)、(2)、(3)构建整个配电网关于区域的开关函数，利用式(14)构建故障区域定位的适应度函数，然后根据bpsoga算法(金涛,李鸿南,刘对.基于bpsoga的含风电机组的配电线路故障区段定位[j].电力自动化设备,2016,36(06):27-33.)，将故障定位到故障区域。
其中，fit(n)表示第n个个体的适应度值，等效二端口个数为d，整个配电网络的节点数为t。ij为区域节点ftu采集的故障电流方向信息，ij(s)是关于区域的开关函数，si为区域状态编码，η为权系数，常设为0.5。
步骤四：故障区段定位。
在每个故障二端口内部，系统采集区段节点状态编码信息，利用双源网络开关函数公式(15)或单源开关函数公式(16)构建关于区段的开关函数，利用式(17)构建区段定位的适应度函数，然后根据穷举法，将故障定位到具体区段。
其中，fit(n)表示第n个个体的适应度值，每个故障区域包含的个体数为d1，整个配电网的节点个数为t。ij为故障二端口内部所有区段节点ftu采集的故障电流方向信息，ij(s)是关于区段的开关函数，si为区段状态编码。η为权系数，常设为0.5。
步骤五：定位反馈校验。
为了提高整个故障定位的容错性和准确性，克服智能算法的定位“未成熟收敛”，在算法中引入反馈校验机制，其原理为：在区段定位后，根据校验判据判别区域定位结果与区段定位结果是否一致；若结果不一致，将区段定位的结果返回区域定位，以区段定位结果为初始赋值，计算适应度，若此适应度值大于第一次区域定位的群体最优适应度值，则直接跳入区段定位；若此适应度值小于第一次区域定位的群体最优适应度值，则进行故障区域定位和区段定位，若区段定位结果一致，则输出定位结果，若仍然不一致，进入下次校验循环，直到区域定位结果和区段定位结果一致。
校验判据的确定方法如下：
a)若误判的区域是单源网络，如图6所示。此时区段节点(开关)状态编码为ij＝[000]，根据式(16)计算开关函数，根据式(17)计算适应度，当区段状态编码为sj＝[000]时，适应度取最大值：
fitmax＝2t-(|0|+η·0)＝2t(18)
于是得出区段状态编码为sj＝[000]，据此可以判定该故障区域不存在故障区段。
b)当误判的区域是双源网络时，如图7所示:
此时区段节点状态编码为ij＝[111]or[-1-1-1]，根据式(15)计算开关函数，根据式(17)计算适应度，当区段状态编码为ij＝[100]or[001]即边界区段故障时，适应度取最大值：
fitmax1＝2t-(|1+1|+η·1)＝2t-2.5(19)
若该区域实际存在故障即ij≠[111]or[-1-1-1]，则最大适应度的可能最小值为：
fitmax2＝2t-(|0|+η·2)＝2t-1(20)
据此可以发现：对于双源网络虽然不能用区段状态编码对误判区域进行校验，但是可以通过最大适应度的偏差范围来进行校验，当最大适应度值超出[2t-1,2t+1]范围时，判定该故障区域不存在故障区段。
整个故障定位的流程图如图8所示。
实施例：
按照图9搭建含有风电机组的配电线路模型。该模型共有30个馈线节点、30个区段，具体编号如图所示，s为系统主电源，dg1、dg2为风电机组，l1、l2为感性负荷。
首先，以多分支节点为边界将配电网等效成十个二端口的组合，每个二端口包含一区域和一个区域节点，构建出第一层定位模型，如图10所示。每个二端口都属于第二层定位模型，每个二端口包含的区段节点和区段如表1所示。
表1二端口包含的节点和区段
设置区域三的区段5发生故障，所有分布式电源都投入运行时，ftu上传的所有节点的故障方向信息[11111-1-1-1-1-1-1-1-1-1-1-1-1000-1-1-1-1-1-1-1-1-1-1]。bpsoga算法首先读取所有故障区域节点[1(1)2(2)3(3)4(6)5(10)6(13)7(18)8(21)9(23)10(28)]上传的故障方向信息：[111-1-1-10-1-1-1]，然后进行故障区域定位，得出故障区域定位的适应度函数值最大为59.5，对应的区域状态为：[0010000000]，故判定区域三故障。
穷举法根据bpsoga算法的定位结果，读取故障区域三的所有节点(345)故障方向信息：(111)，然后进行故障区段定位。当区段适应度函数值最大为59.5时，对应的区段状态为：[001]，穷举法判定区段5发生故障。
校验机制检验区域定位结果与区段结果一致，输出定位结果。
设置区域三的区段3和区域五的区段10同时发生故障，此时节点2的ftu上传的故障方向信息从1畸变为0，bpsoga算法发生误判，得出的最大适应度值是57.5，对应的区域状态为：[0110100000]，判定区域二、三、五发生故障。于是，三个故障区域同时进行区段定位，区段定位的结果如表2所示：
表2区段定位结果
从上表可以看出，区域二无故障区段，区域定位与区段定位结果不一致，于是将区段定位结果返回，再次进行区域定位。区域状态初始赋值为[0010100000]，得出区域定位结果为区域三、五故障。进一步，得出区段定位结果为区段3、10故障，两次定位结果一致，将结果输出。
以上仿真结果，证实本发明提出的分层模型将运算维度从30降到了10，简化了定位模型，提高了定位效率。同时，证明校验机制能够有效避免智能算法的“未成熟收敛”问题，提高了整个定位算法的稳定性和容错性。
此外，考虑故障重数、分布式电源接入数量、ftu上传数据畸变三种情况，进行了故障定位仿真，仿真结果如表3，4所示。
表3单重故障仿真结果
表4双重故障仿真结果
从表3、4可知，本发明提出的模型和方法具有比较高的定位容错性和准确性。
为了验证本发明所提的方法在定位模型上的优势，将本发明所提的分层模型hbpsoga与ga，bpso、bpsoga三种单层模型进行比较。四种模型的种群均设置为100，最大迭代次均为100，hbpsoga的穷举法的迭代次数以实际为准。在区段3处设置单一故障，四种方法的迭代优化过程，如图11所示。其中，hbpsoga1表示区域定位，hbpsoga2表示区段定位。对四种方法在3种不同区段设置单一故障、双重故障，每种故障各运行30次，分别统计定位准确次数、平均耗时、平均收敛迭代次数，其结果如表5所示。
表5四种方法性能对比表
从以上仿真结果可以发现：由于分层模型的区域定位的维度只有10，定位耗时为0.94s；区段定位中，运算维度仅为3，利用穷举法的迭代次数为：
为了验证本发明所提方法在定位算法上的优势，将反馈校验机制的算法hbpsoga+cm(checkmechanism)与区段校验机制的算法hbpsoga、无校验机制的算法bpsoga进行比较。其中，bpsoga只对分层模型的故障区域进行定位，hbpsoga仅利用区段定位进行校验，hbpsoga+cm在hbpsoga的基础上增加反馈环节。三种方法统一将种群和迭代次数均减小为30，在不同区段设置单一故障、双重故障，每种故障各运行30次，分别统计区域定位准确次数、平均耗时、平均收敛次数结果如表6所示。
表6bpsoga区域定位结果统计表
此外，还给出了带反馈校验机制的粒子群算法和遗传算法hbpso+cm、ga+cm与区段校验机制的分层粒子群算法和遗传算法hbpso、hga和无校验机制的粒子群算法和遗传算法bpso、ga对比结果，表7、8所示。
表7bpso区域定位结果统计表
表8ga区域定位结果统计表
从表6、7、8可以看出，在定位准确次数方面，单纯依靠区段定位校验可以纠正区域定位的大部分定位，因为智能算法的“未成熟收敛”的结果多数情况下涵盖有“成熟收敛”的结果，区段定位能过滤区域定位中的误判区域，仅让定位正确的区域输出。带有反馈环节的校验机制不仅具有“过滤”性纠正作用，而且还具有“补充”性纠正作用，能纠正不涵盖和部分涵盖“成熟收敛”结果的“未成熟收敛”结果，此校验机制虽然在一定层度上增加了迭代次数和耗时，但其对故障定位速动性的影响可以忽略不计。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。