基于蚁群退火算法的配电网故障定位研究

doi:10.16628/j.cnki.2095-8188.2021.09.014

摘要/Abstract

摘要：

蚁群算法在解决配电网故障定位的问题上应用良好,但就解决FTU畸变信息仍有不足,无法满足供电可靠性,为此引入模拟退火算法加以改进。首先构造了可以适应配电网结构的评价函数和开关函数,然后引入轮盘赌法和逆转策略以优化蚁群信息素更新,避免陷入局部最优解,最后确定了蚁群退火算法应用在分布式电源下配电网故障定位的方法,重点解决相间故障和大电流接地系统故障定位。算例仿真验证了所提算法在容错性方面的优势。

关键词: 蚁群算法, 配电网, 故障定位, 模拟退火算法, 评价函数

Abstract:

Ant colony algorithm is well used to solve the problem of distribution network fault location,but it is still insufficient to solve the problem of FTU distortion information,which can not meet the power supply reliability.Therefore,simulated annealing algorithm is introduced to improve it.Firstly,the evaluation function and switch function which can adapt to the structure of distribution network are constructed,then the roulette method and reversal strategy are introduced to optimize the updating of ant colony pheromone to avoid falling into the local optimal solution.Finally,the method of applying ant colony annealing algorithm to the fault location of distribution network under distributed generation is determined,focusing on the fault location of phase to phase fault and high current grounding system.The simulation results show that the algorithm has the advantage of fault tolerance.

Key words: ant colony algorithm, distribution network, fault location, simulated annealing algorithm, evaluation function

中图分类号:

TM862

张颖, 许欣. 基于蚁群退火算法的配电网故障定位研究[J]. 电器与能效管理技术, 2021, 0(9): 85-90.

ZHANG Ying, XU Xin. Research on Fault Location of Distribution Network Based on Ant Colony Annealing Algorithm[J]. LOW VOLTAGE APPARATUS, 2021, 0(9): 85-90.

图/表 10

图1

图2

图3

图4

图5

图6

图7

图8

表1

图9

参考文献 16

[1]	束洪春, 孙向飞, 司大军. 基于故障投诉电话信息的配电网故障定位粗糙集方法[J]. 电网技术, 2004, 28(1):64-66,70.
[2]	薄婷婷. 基于粗糙集理论的配电网故障风险模糊综合评价[D]. 济南:山东大学, 2016.
[3]	沈梓正, 秦立军, 秦承龙. 基于矩阵算法的配电网故障定位[J]. 黑龙江电力, 2012, 34(2):100-102.
[4]	杨东升, 王素宁, 陈建枫, 等. 基于随机矩阵的配电网单相接地故障区段定位[J]. 电器与能效管理技术, 2019(14):64-68,76.
[5]	郭壮志, 陈波, 刘灿萍, 等. 基于遗传算法的配电网故障定位[J]. 电网技术, 2007, 31(11):88-92.
[6]	卫志农, 何桦, 郑玉平. 配电网故障区间定位的高级遗传算法[J]. 中国电机工程学报, 2002, 22(4):127-130.
[7]	陈歆技, 丁同奎, 张钊. 蚁群算法在配电网故障定位中的应用[J]. 电力系统自动化, 2006, 30(5):74-77.
[8]	张颖, 周韧, 钟凯. 改进蚁群算法在复杂配电网故障区段定位中的应用[J]. 电网技术, 2011, 35(1):224-228.
[9]	秦立军, 杨万涛. 蚁群算法在配电网故障定位中的应用及其优化[J]. 电气应用, 2015, 34(22):73-76.
[10]	江新姿, 高尚, 陈建忠. 求解旅行商问题的模拟退火蚁群算法[J]. 计算机工程与设计, 2008, 29(6):1491-1493.
[11]	吕学勤, 陈树果, 田振宁. 基于自适应遗传退火算法的配电网故障定位研究[J]. 电网与清洁能源, 2012, 28(3):1-5.
[12]	李宽宏. 促进分布式电源消纳的主动配电网暂稳态联合优化[J]. 电器与能效管理技术, 2019(3):18-24.
[13]	刘健, 张小庆, 同向前, 等. 含分布式电源配电网的故障定位[J]. 电力系统自动化, 2013, 37(2):36-42,48.
[14]	翁蓝天, 刘开培, 刘晓莉, 等. 复杂配电网故障定位的链表法[J]. 电工技术学报, 2009, 24(5):190-196.
[15]	郭玉雯. 分布式发电配电网故障区段定位新方法[J]. 计算机应用与软件, 2017, 34(9):14-18,34.
[16]	储琳琳, 张宇俊, 刘云晖, 等. 计及分布式电源随机出力的配电网多目标无功优化[J]. 电器与能效管理技术, 2019(12):42-48.

输入量
测控点状态值	[K1 K2 K3]	故障区段	畸变位置	F
[1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0]	[0 0 0]	22'	无	0.8
[1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,0,0,0,0,1,0,0,0]	[0 0 0]	22'	27	1.8
[1,1,1,-1,0,0,0,-1,-1,-1,-1,1,1,1,0,1,1, -1,0,0,0,0,-1,-1,-1,1,1,1,1,1]	[1 0 1 ]	14',30'	无	1.6
[1,1,1,-1,-1,0,0,-1,-1,-1,-1,1,1,1,0,1,1, -1,-1,0,0,0,-1,-1,-1,-1,1,1,1,1]	[1 0 1 ]	14',30'	5,19	3.6
[1,1,1,-1,1,-1,-1,-1,-1,-1,-1,1,1,1,0,1,1,-1, -1,0,0,0,-1,-1,-1,-1,1,1,1,1]	[1 1 1 ]	14',30'	5,19	4.6
[1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,0,0,0, 0,1,1,1,0,0,0,0,0,0,0,-1,1,1,1,0]	[1 1 1 ]	18',25',29'	无	2.4
[1,1,1,-1,-1,1,-1,-1,-1,-1,-1,0,0,0,0,1, 1,1,0,0,1,0,0,0,0,-1,1,1,1,0]	[1 1 1 ]	18',25',29'	6,21	5.4
[1,1,1,-1,-1,1,-1,-1,-1,-1,-1,0,0,0,0,1,1, 1,0,0,1,0,0,0,0,-1,0,1,1,0]	[1 1 1 ]	18',25',29'	6,21,27	6.4