基于自适应遗传算法的智能电网保护故障识别方法及装置

技术领域

本申请涉及电网故障识别领域，尤其涉及一种基于自适应遗传算法的智能电网保护故障识别方法。本申请还涉及一种基于自适应遗传算法的智能电网保护故障识别装置。

背景技术

随着智能电网的发展，电力系统整体结构趋向复杂化、非线性化，系统故障信息也表现出随机性、多样性的特点。多源信息融合技术利用时间和空间的信息资源，通过对多个传感器测量的局部不完整信息加以综合，消除了多源信息之间的冲突和冗余、降低了信息不确定性，为解决智能电网继电保护领域中隐形故障分析难题提供了有效的技术手段。

目前，多源信息融合技术主要有深度学习、人工神经网络等智能算法，以及基于规则推理论、模糊集理论方法等。

现有技术中，通过遗传算法提取电流模型畸变特征信息，以监测电能质量，从而发现极端保护中存在的隐形故障。针对多源异构电网运行参数，采用模糊集理论进行参数间的匹配和加权进行融合，并通过推导融合系数的数学表达式来确定故障真实位置。基于禁忌搜索和模糊控制原理来提高智能电网继电保护的容错性能，提升故障判断的准确性。

可知，目前利用多源信息改善继电保护的故障识别方法更多地集中在后备保护，在假定数据采集正确的前提下进行故障的准确、快速判断。但是，当前非线性结构智能电网系统中普遍存在多源信息丢失或畸变问题，这一问题降低了系统隐形故障的识别精度。

发明内容

本发明的目的在于克服现有技术中的缺陷，提供一种基于自适应遗传算法的智能电网保护故障识别方法。本申请还涉及一种基于自适应遗传算法的智能电网保护故障识别装置。

本申请提供一种基于自适应遗传算法的智能电网保护故障识别方法，包括：

根据电网结构采用二进制编码对故障问题编码，生成故障数字编码串；

基于所述故障数字编码串表示的故障元件状态以及系统结构和保护动作逻辑建立期望函数模型；

根据获取的保护策略信息状态以及所述期望函数模型计算出的保护动作信息的期望状态，建立适应度函数；

采用遗传算法，将所述故障数字编码串作为种群个体，根据所述适应度函数筛选新一代个体并进行杂交，评估个体最优解获取最终解。

可选的，所述根据电网结构采用二进制编码对故障问题编码，包括：

采用二进制0-1数字串表征设备的2种运行状态，其中：0为正常状态；1为故障状态。

可选的，所述自适应函数表达式如下：

其中：m为主保护断路器失灵保护数目；S为故障元件数；X为M维向量；B为N维向量；

可选的，所述期望函数表达式如下：

其中：X

可选的，所述杂交包括：

设定变异概率X

对编码后染色体串上的每个基因均形成一个随机数r

当r

本申请还提供一种基于自适应遗传算法的智能电网保护故障识别装置，包括：

编码模块，用于根据电网结构采用二进制编码对故障问题编码，生成故障数字编码串；

期望模块，用于基于所述故障数字编码串表示的故障元件状态以及系统结构和保护动作逻辑建立期望函数模型；

函数模块，用于根据获取的保护策略信息状态以及所述期望函数模型计算出的保护动作信息的期望状态，建立适应度函数；

计算模块，用于采用遗传算法，将所述故障数字编码串作为种群个体，根据所述适应度函数筛选新一代个体并进行杂交，评估个体最优解获取最终解。

可选的，所述编码模块根据电网结构采用二进制编码对故障问题编码包括：

采用二进制0-1数字串表征设备的2种运行状态，其中：0为正常状态；1为故障状态。

可选的，所述自适应函数表达式如下：

其中：m为主保护断路器失灵保护数目；S为故障元件数；X为M维向量；B为N维向量；

可选的，所述期望函数表达式如下：

其中：X

可选的，所述计算模块执行杂交计算包括：

设定变异概率X

对编码后染色体串上的每个基因均形成一个随机数r

当r

本申请的优点和有益效果：

本申请提供一种基于自适应遗传算法的智能电网保护故障识别方法，包括：根据电网结构采用二进制编码对故障问题编码，生成故障数字编码串；基于所述故障数字编码串表示的故障元件状态以及系统结构和保护动作逻辑建立期望函数模型；根据获取的保护策略信息状态以及所述期望函数模型计算出的保护动作信息的期望状态，建立适应度函数；采用遗传算法，将所述故障数字编码串作为种群个体，根据所述适应度函数筛选新一代个体并进行杂交，评估个体最优解获取最终解。本申请根据电网结构形成故障识别编码，基于常规主/后备保护动作信息与断路器位置信息建立适应度函数和状态期望值，实现多源信息融合，提高采集信息的容错性能。同时通过遗传算法的交叉、变异避免陷入局部最优解，由故障前后适应度识别隐形故障，实现高容错性的估算识别。

附图说明

图1是本申请中基于自适应遗传算法的智能电网保护故障识别流程图。

图2是本申请中遗传算法的处理流程图。

图3是本申请中典型电网结构图。

图4是本申请中基于自适应遗传算法的智能电网保护故障识别装置示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施。

以下内容均是为了详细说明本申请要保护的技术方案所提供的具体实施过程的示例，但是本申请还可以采用不同于此的描述的其他方式实施，本领域技术人员可以在本申请构思的指引下，采用不同的技术手段实现本申请，因此本申请不受下面具体实施例的限制。

本申请提供一种基于自适应遗传算法的智能电网保护故障识别方法，包括：根据电网结构采用二进制编码对故障问题编码，生成故障数字编码串；基于所述故障数字编码串表示的故障元件状态以及系统结构和保护动作逻辑建立期望函数模型；根据获取的保护策略信息状态以及所述期望函数模型计算出的保护动作信息的期望状态，建立适应度函数；采用遗传算法，将所述故障数字编码串作为种群个体，根据所述适应度函数筛选新一代个体并进行杂交，评估个体最优解获取最终解。本申请根据电网结构形成故障识别编码，基于常规主/后备保护动作信息与断路器位置信息建立适应度函数和状态期望值，实现多源信息融合，提高采集信息的容错性能。同时通过遗传算法的交叉、变异避免陷入局部最优解，由故障前后适应度识别隐形故障，实现高容错性的估算识别。

图1是本申请中基于自适应遗传算法的智能电网保护故障识别流程图。

请参照图1所示，S101根据电网结构采用二进制编码对故障问题编码，生成故障数字编码串；

遗传算法作为一种正反馈机制算法，通过设置优良的参数组合，可以有效应对电力线逻辑拓扑通道变化，提高算法的快速性、收敛性。

图2是本申请中遗传算法的处理流程图。

请参照图2所示，所述遗传算法采用二进制的编码方式进行字符串编码，该编码为遗传算法中的初始种群个体。

通过选择合适的适应度函数评价个体性能优劣，将适应度高的个体复制遗传到下一代；对获得的新一代个体进行染色体交叉换位，产生新的群体，实现群体的多样性，并根据生物学基因突变原理寻找到算法的最优解。

在本申请中，所述电网结构是一个复杂度高、整体性强的电力系统，故障识别是在输电系统发生故障时能够快速识别和切除故障。

具体的，所述遗传算法将待处理问题(故障)转化成一连串数字编码，采用二进制0-1数字串表征设备的2种运行状态。其中：0为正常状态；1为故障状态。

理论上，电网系统各元件均可能发生故障，即系统中的i个元件可组成2

图3是本申请中典型电网结构图。

请参照图3所示，对于一组包含母线A、B、C、D、E和线路L

实际上，系统同时发生故障可能性较低。因此仅需分别对系统单个元件故障编码，形成P组故障识别码，就能减小继电保护系统的计算量。故障识别编码如表1所示。表1中：序号1的故障识别编码形式为10000000，表示母线A故障；序号5故障识别码形式00001000，表示线路L

表1故障识别编码

请参照图1所示，S102基于所述故障数字编码串表示的故障元件状态以及系统结构和保护动作逻辑建立期望函数模型；

本申请基于电网系统故障识别编码表现的故障元件状态以及电网结构和保护动作逻辑建立期望函数模型，体现保护动作可靠性。具体的表达式为：

其中：X

请参照图1所示，S103根据获取的保护策略信息状态以及所述期望函数模型计算出的保护动作信息的期望状态，建立适应度函数；

本申请所述遗传算法中，适应度函数直接影响到最终判断结果，且具有不同容错能力。针对智能电网继电保护要求在常规主保护失效时能快速切断故障、在发生非预设运行工况或区外故障时不会有操作的特点，建立智能电网隐形故障的适应度函数。

其中：m为主保护断路器失灵保护数目；S为故障元件数；X为M维向量；B为N维向量；

式(5)表征了保护动作信息和故障方向信息与设备状态和故障状态的期望关系。算法本质是求解极小值问题。为利用遗传算法的求解，将式(5)转化为极大值函数：

其中：V取大于(m+S)的常数。

请参照图1所示，S104采用遗传算法，将所述故障数字编码串作为种群个体，根据所述适应度函数筛选新一代个体并进行杂交，评估个体最优解获取最终解。

生物遗传中存在普遍的基因重组现象，遗传算法通过交叉操作模拟生物遗传中的基因重组来提升算法的搜索能力。

遗传交叉中，首先在上一代子体中随机选择一段交叉区段，然后通过基因交叉消除其中的相同区段，最终形成新的基因。通过变异可以对已有基因形式进行重组，从而进一步提升种群搜索能力。

具体的，设定变异概率X

通过交叉、变异后的个体需进行最优解评估，以保留个体的最优解作为迭代终止条件。

当优化结果满足该终止条件，算法终止。本文确定的终止条件如下：

其中：

本申请还提供一种基于自适应遗传算法的智能电网保护故障识别装置，包括：编码模块201、期望模块202、函数模块203和计算模块204。

图4是本申请中基于自适应遗传算法的智能电网保护故障识别装置示意图。

请参照图4所示，编码模块201，用于根据电网结构采用二进制编码对故障问题编码，生成故障数字编码串；

遗传算法作为一种正反馈机制算法，通过设置优良的参数组合，可以有效应对电力线逻辑拓扑通道变化，提高算法的快速性、收敛性。

图2是本申请中遗传算法的处理流程图。

请参照图2所示，所述遗传算法采用二进制的编码方式进行字符串编码，该编码为遗传算法中的初始种群个体。

通过选择合适的适应度函数评价个体性能优劣，将适应度高的个体复制遗传到下一代；对获得的新一代个体进行染色体交叉换位，产生新的群体，实现群体的多样性，并根据生物学基因突变原理寻找到算法的最优解。

在本申请中，所述电网结构是一个复杂度高、整体性强的电力系统，故障识别是在输电系统发生故障时能够快速识别和切除故障。

具体的，所述遗传算法将待处理问题(故障)转化成一连串数字编码，采用二进制0-1数字串表征设备的2种运行状态。其中：0为正常状态；1为故障状态。

理论上，电网系统各元件均可能发生故障，即系统中的i个元件可组成2

图3是本申请中典型电网结构图。

请参照图3所示，对于一组包含母线A、B、C、D、E和线路L

实际上，系统同时发生故障可能性较低。因此仅需分别对系统单个元件故障编码，形成P组故障识别码，就能减小继电保护系统的计算量。故障识别编码如表1所示。表1中：序号1的故障识别编码形式为10000000，表示母线A故障；序号5故障识别码形式00001000，表示线路L

表1故障识别编码

/>

请参照图4所示，期望模块202，用于基于所述故障数字编码串表示的故障元件状态以及系统结构和保护动作逻辑建立期望函数模型；

本申请基于电网系统故障识别编码表现的故障元件状态以及电网结构和保护动作逻辑建立期望函数模型，体现保护动作可靠性。具体的表达式为：

其中：X

请参照图4所示，函数模块203，用于根据获取的保护策略信息状态以及所述期望函数模型计算出的保护动作信息的期望状态，建立适应度函数；

本申请所述遗传算法中，适应度函数直接影响到最终判断结果，且具有不同容错能力。针对智能电网继电保护要求在常规主保护失效时能快速切断故障、在发生非预设运行工况或区外故障时不会有操作的特点，建立智能电网隐形故障的适应度函数。

其中：m为主保护断路器失灵保护数目；S为故障元件数；X为M维向量；B为N维向量；

式(5)表征了保护动作信息和故障方向信息与设备状态和故障状态的期望关系。算法本质是求解极小值问题。为利用遗传算法的求解，将式(5)转化为极大值函数：

其中：V取大于(m+S)的常数。

请参照图4所示，计算模块204，用于采用遗传算法，将所述故障数字编码串作为种群个体，根据所述适应度函数筛选新一代个体并进行杂交，评估个体最优解获取最终解。

生物遗传中存在普遍的基因重组现象，遗传算法通过交叉操作模拟生物遗传中的基因重组来提升算法的搜索能力。

遗传交叉中，首先在上一代子体中随机选择一段交叉区段，然后通过基因交叉消除其中的相同区段，最终形成新的基因。通过变异可以对已有基因形式进行重组，从而进一步提升种群搜索能力。

具体的，设定变异概率X

通过交叉、变异后的个体需进行最优解评估，以保留个体的最优解作为迭代终止条件。

当优化结果满足该终止条件，算法终止。本文确定的终止条件如下：

其中：

验证结果：

为验证本文模型和算法的智能电网隐形故障定位性能，基于电磁暂态仿真软件PSCAD/EMTDC，搭建如图3所示的广域电网系统模型进行遗传算法和传统辅助判断，从而对智能电网隐形故障识别的仿真分析。

模型中包括9个被保护设备(编码值1为故障设备，编码值0为正常设备)。仿真输入包括保护动作信息(输入编码第1行1位～16位)、断路器状态量(输入编码第17行1位～24位)、故障方向信息(输入第2行)，共32位。设定种群大小为50、初始交叉概率为0.8、变异概率为0.03，以种群最优个体的适应度值达到最大或进化代数(设定N＝3000次)最大为收敛条件，结束运行计算。确定适应度值最高解作为最后判定结果。故障仿真测试结果如表2所示。

表2故障仿真测试结果

表2中序列2和序列3继电保护分别存在3位和2位畸变。通过仿真结果可以看出：当采集信息完全正确时，采用2种算法获得输出故障结果正确；当采集信息中存在畸变时，基于辅助判据将发生误判，而采用遗传算法能得到正确决策解。

仿真结果表明，电网系统故障中包括2组断路器状态、2组主保护动作信息、2个方向元件信息，极端情况下可能发生6组信号全错。而该系统能在最多5个输出错误的情况下保证故障识别的正确性，因此系统的可靠性也得到大幅提高。

上述仿真结果验证了基于自适应遗传算法的智能电网保护故障识别方法有效性，基本可以实现主保护与后备保护协同工作，完成隐形故障的排查和定位。

上述所描述的具体实施例仅仅是对本发明精神所举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但不会偏离本发明的精神或者超越所附权利要求书所定义的范围。