一种配电网故障定位方法

技术领域

本发明属于电力技术领域，更具体地，本发明涉及一种配电网故障定位方法。

背景技术

配电网是电网向用户传递电能中最重要的一个环节，但是因其分布广阔、拓扑复杂，所用各种设备数目庞大，所以配电网在整个电网中是最复杂的，也是事故最频发的一部分。因此，对配电网故障位置的准确定位、及时隔离和恢复，对提高供电可靠性、减少停电损失，显得极为重要。

现有馈线故障大多是基于群粒子算法来进行定位，但是这种定位方法定位速度相对较快，但是存在定位精度不高的问题。

发明内容

本发明提供一种配电网故障定位方法，旨在改善上述问题。

本发明是在这样实现的，一种配电网故障定位方法，所述方法具体包括如下步骤：

S1、对监测电网区域内的馈线区段状态进行编码，形成位置序列；

S2、在群粒子算法的迭代次数达到最大迭代次数后，将粒子群在各位置上的适应度值转化为信息素的初始增量，赋给蚁群中各蚂蚁的初始信息素；

S3、将粒子群中各粒子的位置赋给蚁群中的各蚂蚁，基于蚁群算法查找出最优位置，将最优位置各个区段的状态作为监测电网区域内的各馈线区段的当前状态。

进一步的，粒子在各位置上的适应度计算公式具体如下：

其中，N为监测电网区域内中馈线区段的总数，I

进一步的，

进一步的，将粒子在各位置上的适应度值

其中，k为大于0的常数，0＜a＜1。

本发明初期通过粒子群算法提高收敛速度，利用其进行粗搜索，后期利用蚁群算法进行细搜索，以达到配电网更加精准迅速的故障定位，故障定位会更加精准和迅速对于配电网的恢复供电具有重大意义。

附图说明

图1为本发明实施例提供的配电网故障定位方法流程图；

图2为本发明实施例提供的配电网的拓扑结构示意图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

图1为本发明实施例提供的配电网故障定位方法流程图，该方法具体包括如下步骤：

S1、对监测电网区域内的馈线区段状态进行编码，形成位置序列；

在本发明实施例中，配电网中馈线终端设备FTU看作节点，两节点间的馈线区段状态包括：故障和非故障，数值0表示无故障，数值1表示故障，假定当前检测电网区域内存在20个馈线区段，将这20个馈线区段的可能状态进行编码和组合形成位置序列，位置序列中每个位置点为20个馈线区段状态的一种组合；

S2、在群粒子算法的迭代次数达到最大迭代次数后，将粒子群在各位置上的适应度值转化为信息素的初始增量，赋给蚁群中各蚂蚁的初始信息素；

在本发明实施例中，群粒子算法具体如下：

S11、确定粒子群参数，包括粒子群规模M、最大迭代次数t

S12、根据适应度函数计算出每个粒子在当前位置的适应度值；

在本发明实施例中，适应度函数F

其中，N为监测电网区域内中馈线区段的总数，I

第j个开关FTU的期望状态确定方法结合图2进行说明，S代表电源，k

针对

S13、更新个体最优值p

S14、更新全局最优值g

S15、令迭代次数t＝t+1，检测迭代次数t是否达到最大迭代次数t

在本发明实施例中，蚁群中的蚂蚁数量与粒子群中的粒子数量相同，将粒子群中的粒子位置赋给对应的蚁群中的各蚂蚁，同时粒子该位置处的适应度值转换为初始信息素的增量，初始化各蚂蚁的初始信息素τ

基于如下公式将粒子在各位置

其中，k为大于0的常数，0＜a＜1，适应度值越大，则对应位置留下的信息素就越多。

S3、将粒子群中各粒子的位置赋给蚁群中的各蚂蚁，基于蚁群算法查找出最优位置，将最优位置各个区段的状态作为监测电网区域内的各馈线区段的当前状态。

前期提高粒子群算法收敛速度，利用其进行粗搜索，后期利用蚁群算法进行细搜索来达到配电网更加精准迅速的故障定位，故障定位会更加精准和迅速对于配电网的恢复供电具有重大意义。

本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。