基于改进BPSO算法的含微网的配电网故障恢复方法研究

针对配电网中微网的接入使故障恢复需要考虑的安全因素更多,目前的故障恢复方法存在计算量大、故障恢复时间长等问题。以最小网损、最少开关动作次数和最少失电量为目标函数建立了含微网的配电网故障恢复模型,并将改进的二进制粒子群算法和遗传算法相结合用于模型求解。对多种故障恢复情况进行分析,验证了该故障恢复方法的可行性。结果表明,相比于传统恢复方法,所提方法收敛速度快、适应性强、恢复效果好。研究成果为我国智能电网的发展提供了一定的参考。

改进型DNN的配电网接地故障选线方法

针对配电网单相接地故障特征信息不清晰且现有选线方法易受故障条件和环境噪声的影响,根据配电网暂态故障特征和稳态故障特征,提出了一种改进的深度神经网络用于故障选线。对深度学习网络的损失函数和学习率进行优化,进一步提高选线的效率和准确性。通过仿真验证了该方法的可行性。结果表明,与改进前相比,改进后的训练迭代次数由86次降低到30次,训练效率提高了65.12%,故障判断的准确率由95%提高到99%,具有较好的抗干扰能力,有一定的参考价值。