一种配电网故障定位方法、系统、设备及存储介质与流程

1.本发明属于配电网线路故障监测领域，涉及一种配电网故障定位方法、系统、设备及存储介质。


背景技术：

2.大量的分布式电源开始接入配电网。因此配电网的网架结构越来越复杂，其正常运行性能以及对维护与控制都发生了明显变化。再加之配电网处在输电网与用户之间，起着沟通二者的重要桥梁作用，但由于其网络结构复杂，运行环境恶劣且各种终端元件较多，造成各种线路故障频繁发生。因此只有快速且准确地发现故障位置才能及时消除故障恢复供电才有利于提升电力系统稳定性。
3.传统的以重合器和分段器为主的通过器械的动作进行故障定位和处理的方式日渐相形见绌，无法满足人们对供电高效稳定的期望和要求。目前对于配电网进行智能优化、故障定位的算法有很多，如神经网络、遗传算法、粒子群算法等，虽然具有一定的容错性，但该类算法大都存在迭代计算以及定位规则复杂问题，比如遗传算法计算操作复杂计算量大，传统的二进制粒子群算法存在早熟收敛等问题。


技术实现要素：

4.本发明的目的在于克服上述现有技术的缺点，提供一种配电网故障定位方法、系统、设备及存储介质，极大的提高了含有分布式电源的配电网络发生故障时的定位速度，增加了故障定位的可靠性，对于故障点的消除以及电网的安全可靠运行有重大意义。
5.为达到上述目的，本发明采用以下技术方案予以实现：
6.一种配电网故障定位方法，包括以下过程：
7.s1，对监测节点方向的信息进行监测，并根据监测信息构建开关的期望函数；
8.s2，根据开关的期望函数构建配电网故障定位的适应度函数，根据适应度函数计算粒子的适应度值，将其记录为初始个体极值，将其中最小的一个赋给全局最小极值；
9.s3，更新适应度函数中粒子群速度和位置；
10.s4，重复s3，直到输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态。
11.优选的，s1中，对监测节点方向的信息进行监测的过程为：当检测到系统主电源端至监测节点方向的故障过流信息时将其记为1；当检测到分布式电源端至监测节点方向的信息时，将其记为-1；没有监测到过流信息时则记为0。
12.进一步，开关的期望函数为：
13.sj(x)＝l1+l2+l3+
…
+lj14.ij(x)＝k1(1-s1(j))*s1(j)-k2(1-s3(j))*s4(j)；
15.式中，“+”为逻辑或运算；l1表示断路器1和断路器2之间的线路的状态，l2表示断路器2和断路器3之间的线路的状态，以此类推，线路发生故障则状态值为“1”，反之则为“0”；
假定第j号断路器为分断点，此时配网被分为系统电源所在的上半区和分布式电源所在的下半区；k1、k2分别表示区域电源的开关系数，取“1”表示该区域电源接入，“0”则表示未接入；sj(x)检测的线路段状态运算结果，s1(j)表示断路器j到上半区直到主电源的所有线路段的运算结果，s3(j)表示断路器j到下半区直到分布式电源的所有线路段的运算结果，s2(j)和s4(j)分别表示上下半区所有线路段的运算结果。
16.优选的，s2进行前，根据配电网络的结构初始化粒子群的各项参数。
17.进一步，粒子群的各项参数包括粒子种群规模、粒子维度、最大迭代次数、组内最大迭代次数、种群分组数以及种群所包含粒子个数。
18.优选的，s2中，按照适应度函数值f的大小将所有粒子进行从小到大的升序排列，将种群数为m的整个粒子种群每隔j个粒子分为n个族；每个粒子的位置采用xi＝(x
i1
，x
i2
，x
i3
，
…
，x
in
)来表示，其速度采用vi＝(v
i1
，v
i2
，v
i3
，
…
，v
in
)来表示；根据分组算子可得到的n个模因组：
19.m1＝(v
i1
，v
i1+j
，v
i1+2j
，
…
，v
i1+(n-1)j
)
20.m2＝(v
i2
，v
i2+j
，v
i2+2j
，
…
，v
i2+(n-1)j
)
[0021][0022]mn
＝(v
in
，v
in+j
，v
in+2j
，
…
，v
in+(n-1)j
)。
[0023]
优选的，根据优选的，根据来更新粒子群速度和位置，式中，为粒子i在k+1次迭代后的位置，为其速度，为该粒子所在位置，为粒子i至第k+1次迭代为止找到的群体历史最优适值所在的位置；和为粒子i在模因组中的最优速度和位置。ω表示其惯性权重t为当前的迭代次数，t
max
为最大迭代次数，ω
max
和ω
min
分别为惯性权重的最大值和最小值；c1、c2为学习因子；r1、r2为随机数。
[0024]
一种配电网故障定位系统，包括：
[0025]
开关的期望函数构建模块，用于对监测节点方向的信息进行监测，并根据监测信息构建开关期望函数；
[0026]
适应度函数构建模块，用于根据开关的期望函数构建配电网故障定位的适应度函数，根据适应度函数计算粒子的适应度值，将其记录为初始个体极值，将其中最小的一个赋给全局最小极值；
[0027]
粒子群更新模块，用于更新适应度函数中粒子群速度和位置；
[0028]
迭代输出模块，用于重复粒子群更新模块过程，直到输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态。
[0029]
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述配电网故障定位方法的步骤。
[0030]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述配电网故障定位方法的步骤。
[0031]
与现有技术相比，本发明具有以下有益效果：
[0032]
本发明每个模因组中的粒子在不断地寻优过程中能够保持良好的种群多样性，不容易陷入局部最优，当族群寻优结束后，模因组进行重组，又组成新的种群再进行模因组的分组寻优。能够实现“个体-族群-种群”之间的信息传递，使种群具有良好的多样性，更有利于搜寻全局最优，极大的提高了含有分布式电源的配电网络发生故障时的定位速度，并且适应性极强，当线路上由于某种原因使得智能断路器上传的信息失效或无法上传等情况仍能实现对故障点的定位，增加了故障定位的可靠性，对于故障点的消除以及电网的安全可靠运行有重大意义。
附图说明
[0033]
图1为本发明的配电网故障定位方法流程示意图
[0034]
图2为本发明的含智能断路器和分布式电源的配电台区系统结构图。
具体实施方式
[0035]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0036]
需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
[0037]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0038]
本发明主要应用于含有低压智能断路器的配电网络，为体现更一般性将分布式能源接入也考虑在内。该系统网络结构主要包括配变台区监控中心、分布式新能源(如太阳能、风能等)、多个配电变压器及其相连接的至少一根低压母线出线支路，分支线路上存在的多个低压智能断路器以及分段开关等。上述的低压智能断路器是一种集断路器、剩余电流动作保护器和采集器为一体的智能断路器，型号为零壹公司tmm3lz系列，具有电流电压保护、重合闸、远程操动、拓扑识别、信息采集以及相序自动识别和通信功能，可以将采集到的节点信息上传到配变台区监控中心。
[0039]
如图1所示，为本发明所述的基于混合蛙跳算法的配电网故障定位方法，该方法能够克服传统算法存在的早熟收敛问题，同时进一步提高了算法的收敛性和稳定性。本发明将通过以下技术方案进行实现，故障定位方法包括以下几个步骤：
[0040]
步骤一，根据配电网络的结构初始化粒子群的各项参数包括粒子种群规模、粒子维度、最大迭代次数、组内最大迭代次数、种群分组数以及种群所包含粒子个数。
[0041]
步骤二，定义开关状态信息及构建开关的期望函数。智能断路器可以监测开关节点上的故障过流信息，当检测到系统主电源端至监测节点方向的故障过流信息时将其记为1；当检测到分布式电源端至监测节点方向的信息时，将其记为-1；没有监测到过流信息时
则记为0。开关的期望函数可以反应某个节点区段处及下游区段处是否存在过流信息。相应的开关的期望函数表达式为
[0042]
sj(x)＝l1+l2+l3+
…
+lj[0043]
ij(x)＝k1(1-s1(j))*s1(j)-k2(1-s3(j))*s4(j)；
[0044]
式中，“+”为逻辑或运算；l1表示断路器1和断路器2之间的线路的状态，l2表示断路器2和断路器3之间的线路的状态，以此类推，线路发生故障则状态值为“1”，反之则为“0”；假定第j号断路器为分断点，此时配网被分为系统电源所在的上半区和分布式电源所在的下半区；k1、k2分别表示区域电源的开关系数，取“1”表示该区域电源接入，“0”则表示未接入；sj(x)检测的线路段状态运算结果，s1(j)表示断路器j到上半区直到主电源的所有线路段的运算结果，s3(j)表示断路器j到下半区直到分布式电源的所有线路段的运算结果，s2(j)和s4(j)分别表示上下半区所有线路段的运算结果。
[0045]
步骤三，构建适应度函数，根据断路器上传的故障信息形成开关的期望函数并构造配电网故障定位的适应度函数。引入分组算子和模因组，根据按照适应度函数值f的大小将所有粒子进行从小到大的升序排列，将种群数为m的整个粒子种群每隔j个粒子分为n个族。这里每个粒子的位置用xi＝(x
i1
，x
i2
，x
i3
，
…
，x
in
)来表示，其速度用vi＝(v
i1
，v
i2
，v
i3
，
…
，v
in
)来表示。根据分组算子可得到的n个模因组m1＝(v
i1
，v
i1+j
，v
i1+2j
，
…
，v
i1+(n-1)j
)
[0046]
m2＝(v
i2
，v
i2+j
，v
i2+2j
，
…
，v
i2+(n-1)j
)
[0047][0048]mn
＝(v
in
，v
in+j
，v
in+2j
，
…
，v
in+(n-1)j
)。根据适应度函数计算粒子的适应度值，将其记录为初始个体极值，将其中最小的一个赋给全局最小极值。
[0049]
步骤四，根据步骤四，根据来更新粒子群速度和位置。式中，为粒子i在k+1次迭代后的位置，为其速度，为该粒子所在位置，为粒子i至第k+1次迭代为止找到的群体历史最优适值所在的位置；和为粒子i在模因组中的最优速度和位置。ω表示其惯性权重t为当前的迭代次数，t
max
为最大迭代次数，ω
max
和ω
min
分别为惯性权重的最大值和最小值；c1、c2为学习因子；r1、r2为随机数。
[0050]
步骤五，如果算法达到最大迭代次数，则停止计算，输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态；否则返回步骤四，重新迭代计算。
[0051]
本发明针对含有低压智能断路器的含分布式电源的配电网络，基于混合蛙跳算法(一种模拟青蛙觅食的群智能算法)，通过引入分组算子将粒子种群以适应度函数值进行从小到大的排列并按照等差值分组规律得到模因组的方法，使整个粒子种群能够进行有序、有向地寻优进化。依据故障网络中低压智能断路器上传到配变监控中心的信息，通过把与之相对应区段的状态作为粒子位置对其进行初始化，把其区段总数作为粒子维度，就可以把求馈线区段的状态问题转化为粒子群求最优解问题；通过评价函数评价当前粒子的位置的好坏，从而不断地改变粒子的速度和位置，不断地向着全局最优位置靠近，从而最终得到全局最优位置，也就是所求的故障区段的实际状态。
[0052]
下面以实际应用对本发明所述方案进行具体说明。
[0053]
基于配电网络的结构建立各种元器件和故障处的连接关系，如图2所示，为含智能断路器和分布式电源的配电台区系统图，具体包括10kv母线1条、分支母线1条、1座台区配电变压器、12个低压智能断路器用ci，i＝1，2，
…
，12表示，分布式电源3个用dg
i i＝1，2，3表示。上述的低压智能断路器是一种集断路器、剩余电流动作保护器和采集器为一体的智能断路器，具有电流电压保护、重合闸、远程操动、拓扑识别、信息采集以及相序自动识别和通信功能，可以将采集到节点信息上传到配变台区监控中心。本发明重点在于故障定位方法说明，因此在本实施案例中只画出了简单的配电网络中的一部分分支区段，实际中上述网络分支可进行多次拓展，在不改变本发明思路的前提下，仍属于本发明保护范围。
[0054]
步骤一，根据配电网络的结构初始化粒子群的各项参数包括粒子种群规模、粒子维度、最大迭代次数、组内最大迭代次数、种群分组数以及种群所包含粒子个数。粒子种群规模f＝30，粒子维度d＝12，最大迭代次数为maxnum＝120，组内最大迭代次数ne＝30，种群分组数n＝5；每个模因组包含粒子个数m＝6，变异概率rande＝3.0，学习因子c1＝c2＝2.05。
[0055]
步骤二，开关的期望函数能够反映某个开关节点的故障过流信息与线路本身状态的关系，也就是反映某个开关节点的馈线区段及其下游区段是否存在过流信息，通过构造开关的期望函数就可以使算法分析其开关节点的过流信息从而判断出故障点位置。因此，开关的期望函数表达式如下
[0056]
sj(x)＝l1+l2+l3+
…
+lj[0057][0058]
式中“+”为逻辑或运算；l1表示断路器1和断路器2之间的线路的状态，l2表示断路器2和断路器3之间的线路的状态，以此类推，线路发生故障则状态值为“1”，反之则为“0”；假定第j号断路器为分断点，此时配网被分为系统电源所在的上半区和分布式电源所在的下半区；k1、k2分别表示区域电源的开关系数，取“1”表示该区域电源接入，“0”则表示未接入；sj(x)检测的线路段状态运算结果，s1(j)表示断路器j到上半区直到主电源的所有线路段的运算结果，s3(j)表示断路器j到下半区直到分布式电源的所有线路段的运算结果，s2(j)和s4(j)分别表示上下半区所有线路段的运算结果。
[0059]
步骤三，在运用算法进行配网故障定位时，需要对故障结果进行评价，因此构建相应的适应度函数用于表示智能断路器上传的故障信息与其对应的开关的期望函数期望值之差，这样就能够根据差值寻找最优解。采取的适应度函数如下：
[0060][0061]
式中式中：m表示台区中所有线路区段的数量，一般说来，m＝n；ij(x)表示智能断路器检测到的实时故障信息，即当第j个断路器节点检测到有故障过流信息时ij(x)＝1，反之则为0；为上述开关的期望函数，表示开关j的期望值。s(j)为线路段状态，β为随机正系数，在本文中取0.5。
[0062]
步骤四，通过引入分组算子和模因组来优化粒子的速度更新公式：
[0063]
[0064][0065]
式中为粒子i在k+1次迭代后的位置，为其速度，为该粒子所在位置；为粒子i至第k+1次迭代为止找到的群体历史最优适值所在的位置，和为粒子i在模因组中的最优速度和位置。ω表示其惯性权重t为当前的迭代次数，t
max
为最大迭代次数，ω
max
和ω
min
分别为惯性权重的最大值和最小值；c1、c2为学习因子；r1、r2为随机数。
[0066]
粒子的位置更新公式如下：
[0067][0068]
其中
[0069]
其中rand()为随机产生一个介于[0，1]之间的正实数的函数。
[0070]
如图2所示，在单电源12节点含分布式电源的辐射状配电网中，对基于混合蛙跳算法的配电网故障定位方法进行算例验证，结果表明改进算法就有较好的收敛性和稳定性，并克服了传统算法的早熟收敛问题。
[0071]
步骤五，对配电台区网络单一故障、多重故障、上传信息故障情况进行计算，连续运行50次，计算结果如表1所示。如果算法达到最大迭代次数，则停止计算，输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态；否则返回步骤四，重新迭代计算。
[0072]
表1含分布式电源的配网故障定位示列
[0073][0074]
单一故障时，如馈线区段c4发生单相接地短路故障，智能断路器上报为[111100111000]，显示节点开关1、2、3、4、7、8、9经历了故障电流，无畸变信息，经过混合蛙跳算法计算，输出结果为[000001000000]，显示馈线区段c4故障，准确实现故障区段定位。相同故障情况下，当智能断路器上报的信息存在少量畸变时[100100111000]，即断路器2、3误报，最后输出依然是[00000100000]，显示馈线区段c4故障，依然准确定位了故障区段。
[0075]
多重故障时，如馈线区段c4发生单相接地短路故障，智能断路器上报为[111110110000]，显示节点开关1、2、3、4、5、7、8经历了故障电流，无畸变信息，经过混合蛙跳算法计算，输出结果为[000010010000]，显示馈线区段c5、c8故障，准确实现故障区段定位。相同故障情况下，当智能断路器上报的信息存在少量畸变时[100110110000]，即断路器
2、3误报，最后输出依然是[000010010000]，显示馈线区段c5、c8故障，依然准确定位了故障区段。
[0076]
下述为本发明的装置实施例，可以用于执行本发明方法实施例。对于装置实施例中未纰漏的细节，请参照本发明方法实施例。
[0077]
本发明再一个实施例中，提供了一种配电网故障定位系统，该配电网故障定位系统可以用于实现上述配电网故障定位方法，具体的，该配电网故障定位系统包括开关的期望函数构建模块、适应度函数构建模块、粒子群更新模块以及迭代输出模块。
[0078]
其中，开关的期望函数构建模块用于对监测节点方向的信息进行监测，并根据监测信息构建开关期望函数。
[0079]
适应度函数构建模块用于根据开关的期望函数构建配电网故障定位的适应度函数，根据适应度函数计算粒子的适应度值，将其记录为初始个体极值，将其中最小的一个赋给全局最小极值。
[0080]
粒子群更新模块用于更新适应度函数中粒子群速度和位置。
[0081]
迭代输出模块用于重复粒子群更新模块过程，直到输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态。
[0082]
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于配电网故障定位方法的操作，包括：s1，对监测节点方向的信息进行监测，并根据监测信息构建开关的期望函数；s2，根据开关的期望函数构建配电网故障定位的适应度函数，根据适应度函数计算粒子的适应度值，将其记录为初始个体极值，将其中最小的一个赋给全局最小极值；s3，更新适应度函数中粒子群速度和位置；s4，重复s3，直到输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态。
[0083]
再一个实施例中，本发明还提供了一种计算机可读存储介质(memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0084]
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关配电网故障定位方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：s1，对监测节点方向的信息进行监测，并根据监
测信息构建开关的期望函数；s2，根据开关的期望函数构建配电网故障定位的适应度函数，根据适应度函数计算粒子的适应度值，将其记录为初始个体极值，将其中最小的一个赋给全局最小极值；s3，更新适应度函数中粒子群速度和位置；s4，重复s3，直到输出粒子群全局最优位置，即目标配电网各馈线区段的实际故障状态。
[0085]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0086]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0087]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0088]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0089]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0090]
应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施例和许多应用对本领域技术人员来说都将是显而易见的。因此，本专利的范围不应该参照上述描述来确定，而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的，所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主题内容，也不应该认为申请人没有将该主题考虑为所公开的发明主题的一部分。