基于DECWOA的配电网故障定位技术要点探究

本研究的主要目的是提高配电网故障定位技术的精确性,针对鲸鱼优化算法存在的局部寻优与全局优化不平衡问题,通过引入差分进化算法,提出了混沌鲸鱼优化算法(DECWOA)。试验表明,与传统鲸鱼优化算法相比,DECWOA在配电网故障定位中的定位精确度更高。该研究为提高配电网故障定位的准确性和效率提供了一种新的方法,为故障定位问题提供了更可靠的解决方案,这一研究成果对电力系统的稳定运行具有积极的推动作用。

基于改进遗传算法的配电网故障定位方法

本文介绍了遗传算法在配电网故障定位中的应用及其优化方法。首先阐述了配电网故障定位的重要性以及传统方法的局限性,随后深入解析了遗传算法的原理及在故障定位中的应用。通过引入逻辑斯蒂曲线改进遗传算法的交叉与变异操作,并结合模拟退火算法优化算法参数,提高了遗传算法在配电网故障定位中的适应度和准确性。模拟实验结果表明:改进后的遗传算法在单点故障和多点故障定位中均表现出良好的性能。

量子计算与蚁群算法相结合的配电网故障定位

针对智能优化算法在处理配电网故障定位问题时存在后期收敛速度慢、成功率低的缺点,提出基于量子计算与蚁群算法相结合的量子蚁群算法进行配电网故障定位。首先,鉴于馈线终端单元(feeder terminal unit,FTU)上传信息会发生畸变与缺失的情况,提出计及FTU漏报误报信息的分级定位数学模型;其次,介绍量子蚁群算法的基本原理及应用方案;最后,在MATLAB上进行仿真,验证量子蚁群算法及计及FTU漏报误报信息的分级定位数学模型的有效性。

基于人类进化算法的配电网故障定位

人类进化算法是模拟人类进化机制而建立起来的一种高性能的智能优化算法,是由生物进化算法和知识进化算法结合而成的。为提高配电网故障定位的速度和准确度,将人类进化算法应用于配电网故障定位,对复杂配电网进行处理时结合分级处理思想,先对配电网系统进行分区,在各独立区域中分别使用人类进化算法进行故障定位,再对主干支路和有故障的独立区域进行全局寻优,从而大大减少了计算量。实例表明,与求解配电网故障定位问题的其他一些智能算法相比,这种基于人类进化算法的配电网故障定位方法不仅定位准确,而且定位速度更快,它对求解复杂配电网的故障定位问题尤为优越。

基于GrapSAGE算法的配电网故障定位方法

本文提出一种基于GraphSAGE(graph sample and aggregate)算法的配电网故障定位方法。以对系统侧母线电压进行形态学黑帽运算的结果启动故障定位算法;利用GSA模型自主挖掘网络拓扑和零序电流特征,根据节点特征和标签建立函数映射,评估线路运行状态从而实现故障定位。基于PSCAD/EMTDC仿真平台搭建IEEE33节点模型,测试结果表明所提配电网故障定位方法可行且有效。并且配电网拓扑变化时,该方法无需重新训练模型即能获得可靠的故障定位结果,验证了方法的鲁棒性和对拓扑变化的适应性。

配电网故障定位技术研究及实现

配电自动化是提高供电可靠性、扩大供电能力、实现高效经济运行的重要手段,也是智能电网的重要组成部分之一。本文通过介绍配电网故障定位背景及难题分析,通过对拓扑分析等的研究,提出了基于GIS平台的网络拓扑分析来解决故障定位问题。

基于保护状态信息与凝聚层次聚类的电网故障定位算法

针对现有电网故障定位算法对信息利用率不高而导致定位准确性及容错能力不足的问题,提出一种基于保护状态信息与凝聚层次聚类(AHC)的电网故障定位算法。首先,通过智能电子装置(IED)获取电网各断路器及保护设备的状态信息以构建故障特征向量;然后,应用AHC算法对特征向量进行聚类分析,依据元件与IED的关联方式求取故障元件;最后,与现有基于模糊C均值、改进谱聚类的电网故障定位算法进行对比。结果表明,所提算法具备不需要事先预判聚类簇数、故障定位结果更加稳定的优势,且在准确性以及对于IED信息的容错能力方面有所提高。

城市配电网故障定位技术的分析

结合配电网故障定位技术在城市配电网中的应用情况,比较了3种配电网故障定位技术的优缺点和使用范围,认为故障指示器是现阶段最实用的配电网故障定位技术,对短路故障,特别是接地故障的研判准确率较高,因此重点分析了故障指示器在配电网故障定位的应用情况,并给出了故障指示器的应用建议和注意事项。

基于矩阵算法和优化算法的配电网故障定位

区段定位是配电网故障处理的重要手段。根据现有矩阵算法存在的问题,在保证优化算法高效定位的基础上,将两种算法有效结合,提出一种新型配电网故障定位方法。首先针对配电网故障告警出现的原因,在精确描述配电网矩阵的基础上,构建故障区段定位矩阵,为后期改进和优化相关矩阵及快速定位故障区段提供重要的依据和参考。其次根据告警信息,利用矩阵判断结果,确保容错判断工作落实到位,为精确定位高容错性故障打下坚实的基础。最后采用仿真模拟的方式验证新型配电网故障定位方法的可靠性,结果表明其具有非常高的有效性、可靠性以及容错性,值得被进一步推广和应用。

分布式电源接入对配电网故障定位及电压质量影响

分布式电源在提高能源利用率及灵活性的同时,对配电网故障定位及电压质量会造成一定影响,如何确定影响的表现形式并采取一定可靠措施来尽可能降低对配电网的不良影响是本文研究的重点问题。

基于故障指示器的配电网故障定位研究

配电网故障通常是由于配电线的电源半径较长和分支线数量众多而引起的。虽然故障线路可以快速识别,但是找到故障点所花费的时间大大超过了修复故障所花费的时间。本文简要分析了将故障指示器运用于故障定位、使用配电线路故障自动定位系统、故障指示器以及故障点的判断等方法。

基于波形差异性配电网故障定位方法

针对配电网结构复杂,分支众多而难以进行定位的难题,本文提出一种基于波形差异性的注入脉冲定位法,当脉冲在遇分支点时会发生折反射现象,在各分支点都可以检测到不同幅值的脉冲信号,而在遇故障点时,各点脉冲波形则会存在差异,据此提出利用波形的差异性去判断故障分支,其次根据正常情况下与故障情况下两者波形的差异,判断出脉冲的故障特征波从而计算到达时间及故障距离,此方法不受配电网结构复杂及分支众多的影响,具有广泛的应用价值。

基于粒子群算法的配电网故障定位研究

本文以IEEE-33节点配电网作为仿真环境,分别采用经典二进制粒子群算法与改进二进制粒子群算法进行故障定位的仿真研究,结果表明本文提出的改进算法有更强的收敛性质. 前言:如今分布式电源的接入成为配电网的主要发展方向,在提高经济性与排放性的同时,却增加了故障发生的风险,传统配电网继电保护技术难以发挥作用.本文将讨论粒子群算法在配电网故障定位中的运用,借助该技术提高配电网故障定位的准确性与快速性.

基于KSOM-Elman网络的配电网故障定位方法

针对配电网分支较多、故障数据特征不明显引起的故障定位困难的问题,提出了一种基于行波测距和核自组织特征映射网(kernel self-organizing feature maps,KSOM)-Elman神经网络的故障定位方法。首先利用行波法和小波变换进行故障测距,搜寻故障可疑分支;其次在传统自组织特征映射网神经网络中引进高斯核函数,构建KSOM网络聚类器,将无标签故障样本数据分组,并结合Elman神经网络对聚类数据进行监督训练和学习,从而判断故障分支,精确定位故障点位置;最后将KSOM-Elman神经网络与其他神经网络的定位结果对比。经过仿真验证,该方法可靠有效,定位效果优于其他网络。

基于状态估计的含DG配电网故障定位

DG的接入使得配电网故障定位更加复杂。提出了一种基于状态估计的配电网故障定位方法。首先分析了状态估计在配电网故障定位的方程,提出了故障定位的伪量测方法,即固定某些量测量不变,从而减小状态变量的计算量。其次分析了配电网中接入DG后其对短路电流的影响,并给出了相应的表达式,建立了基于状态估计DG伪量测数学模型,该模型利用量测误差对故障进行定位,误差最小的节点确定为故障节点。最后利用含DG的IEEE 34节点对系统进行了仿真,分析了系统正常运行时、发生三相平衡故障时和发生相间短路时的故障定位情况,说明了所提方法的准确性和可行性。

基于电流积分与时序卷积网络-支持向量机的直流配电网故障定位

本文提出一种结合电流积分变化趋势和时序卷积网络(TCN)-支持向量机(SVM)的直流配电网故障定位方法,以区分故障类型并实现直流配电网故障准确定位,为实现直流配电网保护奠定基础。首先计算故障电流的积分序列,并用变分模态分解(VMD)算法分解积分序列,将分解所得高频固有模态函数的特征量作为TCN与SVM组合模型的输入特征向量,实现故障线路定位和故障类型判定。仿真结果表明,该方法能快速定位故障线路,准确识别不同故障,并且有较好的适应性和具备一定的抗干扰能力。

配电网故障定位中的自动化技术应用

阐述基于配电自动化的配电网故障定位方法,探讨配电网故障定位方案,包括馈线终端选点原则、集中型馈线自动化故障定位方案和就地型馈线自动化故障定位方案,从而提高故障定位效率。

基于量子蚁群算法的配电网故障区段快速定位技术

分布式电源并入配电网已成为新型电力系统重要特征之一,分布式电源的接入与发电的不确定性使配电网潮流复杂多变,对配电网故障快速定位提出更高的技术要求.然而,现有智能优化算法在解决配电网故障区段定位问题时会出现收敛速度慢、易陷入局部最优等问题.针对这些挑战与问题,提出一种基于量子蚁群算法(QACA)的配电网故障区段快速定位技术.首先,根据状态逼近思想和最小故障集理论构建配电网故障定位的数学模型;其次,针对馈线终端单元上传信息缺失情况提出信息自修正方法,并提出分级定位模型来缩短定位时间;然后,提出3种改进技术对QACA进行针对性改进,改进量子旋转门更新机制,以函数控制形式动态调整旋转角大小,同时引入精英策略加快算法收敛速度.最后,在关键参数确定后验证了改进技术、信息自修正法、分级定位模型的有效性.将所提算法与7种不同算法进行对比,结果表明:改进的QACA可有效完成故障区段定位,具有良好的收敛速度、准确率以及容错性能.

改进蚁群算法在复杂配电网故障区段定位中的应用

蚁群算法在配电网故障区段定位中应用效果良好,但具有搜索时间长、计算速度慢等缺点,为此对蚁群算法进行了改进。首先构造了动态适应配电网拓扑结构的开关函数,其次提出了蚁群信息素初值设置方法,引入解的扰动规则,最后确定了蚁群算法应用于多电源条件下配电网故障区段定位的方法。算例结果验证了该算法在计算速度和容错性方面的优势。

配电网故障自动定位技术研究

针对配电网故障定位人工智能算法的收敛速度慢、准确度不高等问题。该文提出了一种自适应学习因子的二进制粒子群配电网故障定位算法,首先采用混沌策略初始化粒子群,然后根据当前粒子与全局最优粒子之间的距离以及适应度的值设计出粒子成长因子计算方法,成长因子能够反映出种群的进化状态,最后根据成长因子和迭代次数对自适应学习因子的机制进行了设计,并运用到了配电网的故障定位中。通过对单点故障和多点故障的试验结果表明,改进后的算法相比原始算法的收敛速度、准确度和容错率都有所提高。