基于改进灰狼算法与隐枚举法的配电网分区故障定位研究

分布式电源接入配电网,使传统故障定位方法适用性下降。为此,文中提出了一种改进灰狼算法与隐枚举法相结合的配电网分区故障定位方法。对灰狼算法进行二进制处理并引入动态范围搜索、Levy飞行、局部搜索和非线性收敛因子4种改进策略,提高算法的快速性和准确性。建立能够满足含分布式电源配电网需求的编码方式、开关函数以及目标函数。通过分析故障点与开关函数的对应机理,提出区域定位与区段定位相结合的分区定位模型,并使用改进灰狼算法与隐枚举法联合求解。最后,以IEEE 33节点配电网为例进行仿真试验。结果表明,文章提出的求解算法和分区定位方法能够准确、迅速定位故障区段,并具备较高的容错性与稳定性。

基于自适应蚁群算法的含分布式电源配电网故障定位研究

由于含分布式电源的新型配电网不同于传统配电网,新型配电网的结构更加复杂,系统潮流方向发生改变导致传统的定位方法可靠性下降,为此提出一种自适应蚁群算法。在传统蚁群算法基础上,改进信息素挥发因子表达式、更换信息素更新机制及限定信息素浓度的取值,改进后的自适应蚁群算法的容错能力和快速性得到大幅提高。仿真结果表明,自适应蚁群算法不受故障区段数量的影响,能够准确进行故障定位;此外,当多个分布式电源同时接入配电网发生三重故障且有2处故障信息畸变的情况下,自适应蚁群算法求解速度更快,比传统蚁群算法求解速度提升了18.63%,准确率提升了10%,验证了自适应蚁群算法具有很好的容错能力和搜索速度。

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.

基于改进BES算法的光伏型电网分区故障定位研究

为了进一步应对光伏型电网突发的情况,设计了一种基于改进秃鹰搜索算法(IBES)光伏型电网分区故障定位方法。在Sinusoidal映射的基础上形成高品质的初始秃鹰种群,在秃鹰搜索算法(BES)中引进非变异算子、交叉算子等,不断提高算法搜索能力,此模型的可靠性及有效性得到验证。研究结果表明:相较于鲸鱼算法(WOA)、果蝇算法(FFA)、正弦与余弦算法(SCA),IBES算法既确保了收敛速率,又保证了定位准确性,IBES的显著优势得到验证。分区方式可大幅度减少定位维度,使得求解速率及精度大幅度提高。相比BES模型,求解精度提高1.72%,速率提高30.5%。IBES模型在定位故障区段方面具有更快的速率及更高的准确性。该研究可以拓宽到齿轮箱故障诊断、管道泄漏位置定位等相关的机械控制领域,具有较好的推广价值。

基于ICOA-IEM算法的含分布式电源配电网分区故障定位

针对分布式电源大量接入使得配电网结构复杂化,导致故障定位难度增大的问题,本文提出一种改进黑猩猩算法与隐枚举法结合的配电网分区故障定位方法。首先,引入Iteration映射来提高初始化种群质量,加入变异柯西算子和反向学习策略以及单纯形法用于改善算法的局部开发能力和勘探能力;然后,建立含分布式电源的开关函数和目标函数,依据故障点与开关函数的对应机理,进行区域划分;最后,通过仿真验证,所提方法与传统的黑猩猩算法分区定位方法相比在求解速度上平均提高43.05%,准确率上平均提高1.17%,表明改进黑猩猩分区定位方法能够准确、迅速定位故障区段,同时具有较高的容错性。

基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

改进遗传算法支持下的配电网故障区段定位方法研究

研究旨在改进配电网故障区段定位方法,利用遗传算法的优势来提高准确性和效率。通过在配电网故障定位问题上应用并改进遗传算法,先对配电网运行状态进行编码,构建适应度函数,然后采用遗传算法迭代计算最佳适应度,确定最佳故障区段。此外,改进遗传算法设计,提出基于收敛条件的定位策略,以提升方法性能。研究表明,改进后的方法可显著提高电力系统故障诊断的效率和准确性。

基于改进麻雀算法的配电网故障定位

针对配电网故障定位准确率低、容错率低的问题,提出了一种基于改进麻雀搜索算法的配电网故障区段定位方法.在麻雀算法中引入动态自适应权重,加快麻雀算法的收敛速度,增强其局部开发和全局搜索的能力.通过在种群初始迭代中增加聚集阈值,提高算法的寻优精度.通过对单一故障场景、多故障场景下进行仿真测试验证改进麻雀算法的准确性和容错性,在IEEE33节点场景下,将改进后的麻雀搜索算法与粒子群算法、蛇算法、麻雀算法进行了比较,验证了改进后的麻雀算法的优越性,能够准确快速地实现故障定位.结果表明,改进后的麻雀搜索算法寻优能力更强,容错性更高.

基于二重故障区间定位和随机森林算法的锂电池组突发性故障诊断

锂电池的突发性故障往往会在短时间内造成极大的危害,制约其进一步的发展。因此,本文对突发性故障进行研究,提出了一个完整的锂电池组突发性故障诊断框架。首先,利用经验模态分解(EMD)对电压数据序列进行分解,将子序列构建新的数据序列并导入二重故障区间定位模型中,利用二分法思想的相关系数和基于时间窗的相关系数诊断突发性故障的故障区间。然后,利用核主成分分析法提取故障特征。最后,使用随机森林算法对故障进行训练和分类,并且与其余方法进行比较。此外,建立故障注入平台,以物理方式触发串联4节电池组上的外部短路和接触故障。试验结果表明,该方法对突发性故障的诊断准确可靠。

基于特征能量和BFAGA算法的含分布式电源配电网单相接地故障区段定位

含分布式电源的线-缆混合新型配电网发生单相接地故障时,故障位置采用传统区段定位方法难以准确定位。对此,提出了基于特征能量和二进制萤火虫遗传算法的方法,对新型配电网进行故障区段定位。首先,通过集合经验模态分解求取特征频段内配电网各馈线首端零序电流分量能量之和,判定故障线路进行故障选线;其次,在实现选线的基础上,根据故障区段两端零序电流幅值与健全区段零序电流幅值存在较大差别的特点,采用相关系数法对开关进行实际编码;最后,通过二进制萤火虫遗传算法求得适应度函数最优解,进而得到故障区段。仿真分析以及算法性能对比结果表明,所提方法求解速度更快,准确性更高,具有一定的容错性。

基于混合遗传算法的有源配电网故障区段自动定位

现实配电网通常由大量节点、线路和变压器组成。网络拓扑复杂,进而导致有源配电网故障区段定位精度下降。首先,对配电网故障特征进行了详细分析,包括短路故障和单相接地故障等类型。然后,依据故障特征分析结果,构建了一个适用于有源配电网的故障区段定位模型。最后,采用混合遗传算法来优化求解该定位模型,以获得精确的故障区段定位结果。实验结果表明:所提方法可以有效实现区段故障定位,且故障区段定位时间始终低于10s,最长仅为9s,表明所提方法定位性能较优,具有实用性。

基于RFID的无源无线螺栓松动故障定位算法

针对水电机组锥管进人门螺栓松动故障定位问题,提出了基于射频识别(radio frequency identification,RFID)的无源无线水电机组锥管进人门螺栓松动故障定位改进虚拟参考消除(virtual reference elimination,VIRE)算法。首先,确定超高频RFID读写器下所有螺栓松动故障辨识节点内标签的接收信号强度指示(received signal strength indicator,RSSI)值;然后,采用样条插值法插入虚拟标签,计算出虚拟螺栓松动故障辨识节点内标签的RSSI值;最后,采用动态阈值(threshold,Th)使最邻近螺栓松动故障辨识节点内标签数接近最优值,求出待测螺栓松动故障辨识节点内标签的定位坐标并记录,选择几组数据取平均值作为最终结果。结果表明,改进VIRE算法的平均定位误差相对于基于动态有源RFID校准的位置识别(location identification based on dynamic active RFID calibration,LANDMARC)算法、传统VIRE算法分别降低了98.72%、25.27%。该研究成果可以满足复杂环境下的水电机组锥管进人门螺栓松动故障定位需要。

电力系统中的智能故障检测与定位算法研究与应用

本文研究了电力系统中智能故障检测与定位算法的理论与应用。通过综合分析现有的电力系统故障检测与定位技术,提出了一种基于人工智能和数据挖掘技术的智能故障检测与定位算法。该算法结合了深度学习、模式识别和大数据分析等先进技术,实现了对电力系统中各类故障的精准检测和定位。通过实际应用验证,该算法在提高电力系统运行安全性和稳定性方面取得了显著效果,为电力系统的智能化发展提供了有效支持。

基于水循环算法的配电网故障区段定位方法

快速准确的故障区段定位对恢复配电网供电及缩短用户停电时间至关重要。分布式电源的接入使得以往功率单向流动的配电网转变为复杂的有源配电网,也给故障区段定位增加了困难。针对智能算法定位速度较慢、寻优存在局限性的问题,提出一种基于水循环算法的配电网故障区段定位方法。对各线路区段及各节点所配置终端的反馈信息进行刻画,根据上下游节点信息的逻辑性对故障电流信息进行容错处理,修正可识别的畸变信息。使用水循环算法进行寻优求解,锁定故障线路区段。最后,利用不同配网系统测试算例验证了所提方法的优越性。

基于孤立森林算法的区域电网故障自动定位

当对区域电网故障定位时,现有定位方法存在定位结果与实际故障位置偏差较大的问题。为了解决该问题,本文引入孤立森林算法,进行区域电网故障自动定位方法研究。利用孤立森林算法,提取区域电网故障数据特征。对区域电网故障进行自动定位,并将其隔离。试验结果表明,本文定位方法可以准确找到区域电网发生故障的区域,并将其进行有效隔离,从而提高区域电网整体运行稳定性。

基于萤火虫算法的无线通信网络故障节点自动定位方法

无线通信网络故障检测过程中,大多采用粒子群算法进行故障节点自动定位,求解过程中容易陷入局部最优,使得定位结果准确率(Acc)较低。因此,该文提出基于萤火虫算法的无线通信网络故障节点自动定位方法。针对无线通信网络的每个节点,分别计算其发生不同类型故障的概率向量,再结合k均值聚类算法实现通信网络多域划分。从每个通信网络子区域入手,了解区域内节点交互状态,以此来判断故障节点所处的大体范围,并提取网络故障节点特征。依托萤火虫算法建立故障节点定位函数,在记忆池和免疫算法的辅助下进行迭代寻优分析,自动定位网络故障节点。实验结果表明,当信噪比为-4dB时,所提方法定位结果的准确率达到0.96,很好地满足了无线通信网络故障节点定位要求。

基于时序Q-learning算法的主网变电站继电保护故障快速定位方法

主网变电站继电保护故障通常是突发性的,不会持续一段时间,暂态性质不明显,快速定位效果受限,基于此,提出基于时序Q-learning算法的故障快速定位方法。在时序Q-learning中,使用不同多项式函数参数表示不同主网变电站继电保护动作,采用贪婪策略选择主网变电站继电保护动作,根据继电保护状态反馈结果更新权重,使用时序Q-learning算法进行参数训练。构建故障暂态网络的节点导纳矩阵,计算支路电压、电流,确定故障关联域。按照拓扑图论方式时序Q-learning算法搭建快速定位拓扑结构,通过分析支路电流与故障电流之间距离,计算故障相关度,完成故障快速定位。由实验结果可知,该方法故障相序与实际一致,可以分析主网变电站继电保护暂态性质,适用于复杂多变的继电保护装置。

基于微分方程算法的光伏并网联络线故障定位方法研究

为提高光伏电站的运行稳定性与故障处理效率,并实现光伏并网联络线故障的精确定位,基于微分方程算法提出了一种光伏并网联络线故障定位方法。首先深入分析了光伏并网联络线的故障特性;然后详细阐述了基于微分方程算法的故障定位原理,在此基础上给出并实现了基于微分方程算法的故障定位方法,涉及低通滤波、电压重构及微分方程求解;最后通过仿真分析验证了该方法在区内与区外故障动作性能上的有效性,从而为光伏并网联络线故障定位提供了有益参考与新的思路。

基于改进蚁群算法的配电网故障定位研究

提升电网运行状态实时监控和故障定位能力对保障配电网的正常运行具有重要意义。文章采用了一种改进蚁群算法对配电网故障进行定位,结合配电网的结构特点,设计初始化信息素和动态更新信息素的策略,以提升算法的收敛速度和定位的准确性。仿真试验结果表明,采用改进蚁群算法可提升故障定位结果的准确性,同时,相对于传统的蚁群算法具有更好的收敛速度。

基于改进麻雀搜索算法的接地网腐蚀故障定位

接地网是电力系统正常运行的重要组成部分,接地网的接地阻值直接关系到系统稳定、安全保护、电流整定等系列问题。接地网所用材料主要为普通碳钢或者镀锌碳钢,而接地网常年埋于地下,易发生腐蚀而造成故障,需要及时进行腐蚀故障定位并进行修复。随着电气系统的快速发展,对接地网的性能要求更加严格,这对接地网腐蚀定位的精度和准确度提出了更高要求。针对当前接地网腐蚀定位准确率不高的情况,本文提出一种基于改进麻雀搜索算法的接地网腐蚀故障定位方法(INLSSA),采用ICMIC混沌映射,融合北方苍鹰优化算法勘探阶段位置策略,并在跟随阶段加入莱维飞行扰动对麻雀搜索算法进行了改进;基于电网络理论和微量处理法建立故障诊断模型;最后利用INLSSA算法进行求解。实验结果表明,与麻雀搜索算法、北方苍鹰优化算法、灰狼优化算法、蜣螂优化算法、金豺优化算法相比,INLSSA算法能有效进行故障定位,稳定性好,准确率高,可为实际接地网故障定位所参考。