宫宇,张莲,杨洪杰,李涛,贾浩,张尚德,赵梦琪
GONG Yu,ZHANG Lian,YANG Hongjie,LI Tao,JIA Hao,ZHANG Shangde,ZHAO Mengqi

• 1:重庆理工大学电气与电子工程学院
• 2:重庆市能源互联网工程技术研究中心

摘要(Abstract)：

针对配电网发生故障时会存在故障过电流信息缺失或漏报的情况,造成现有方法无法对故障区间进行准确定位的问题,提出了一种基于AGA-QPSO(自适应遗传量子粒子群算法)的配电网故障定位方法。AGA-QPSO算法采用实数编码实现AGA算法及QPSO算法的统一编码,在QPSO寻优过程中引入AGA的遗传、变异操作,并根据适应度值动态调整遗传变异概率,以提升算法性能。然后构建了适用于配电网的开关函数及评价函数。最后在IEEE 33节点配电网中进行了仿真测试,结果表明改进算法对于单重故障与多重故障,无论短路电流信息是否完备,均能在较少迭代次数下进行准确定位,具有一定容错性。
Overcurrent information missing or omission in the case of distribution network faults disenables ac-curate fault interval location using the existing methods. This paper proposes a fault location method for the distribution network based on AGA-QPSO(adaptive genetic algorithm quantum particle swarm optimization).AGA-QPSO uses real number coding to realize the unified coding of the QPSO algorithm and AGA algorithm.In the process of QPSO optimization, AGA genetic and mutation operations were introduced, and the probability of genetic mutation was dynamically adjusted according to the fitness value to improve the algorithm performance. Then, the switching function and evaluation function suitable for the distribution network were constructed. Finally, simulation testing was carried out in the IEEE 33-bus distribution network. The results show that the improved algorithm, with its preferable fault tolerance, can accurately locate the single fault and multiple faults with fewer iteration times regardless of short-circuit current information completeness.

关键词(KeyWords)： 配电网;自适应遗传算法;量子粒子群算法;故障定位
distribution network;adaptive genetic algorithm;quantum particle swarm optimization;fault location

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目（61402063）

作者(Author): 宫宇,张莲,杨洪杰,李涛,贾浩,张尚德,赵梦琪
GONG Yu,ZHANG Lian,YANG Hongjie,LI Tao,JIA Hao,ZHANG Shangde,ZHAO Mengqi

DOI: 10.19585/j.zjdl.202106001

参考文献(References)：

• [1]孔培，刘建锋，周健，等.基于整数线性规划的配电网故障定位容错算法[J].电力系统保护与控制，2020,48(24):27-35.
• [2]胡福年，孙守娟.基于图论的矩阵算法在配电网故障定位中的应用[J].中国电力，2016,49(3):94-98.
• [3]孟子超，杜文娟，王海风.基于迁移学习深度卷积神经网络的配电网故障区域定位[J].南方电网技术，2019,13(7):25-33.
• [4]杜红卫，孙雅明，刘弘靖，等.基于遗传算法的配电网故障定位和隔离[J].电网技术，2000,24(5):52-55.
• [5]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):128-131.
• [6]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.
• [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]付家才，陆青松.基于蝙蝠算法的配电网故障区间定位[J].电力系统保护与控制，2015,43(16):100-105.
• [9]马少飞，胡俊，刘强，等.基于粒子群算法的配电网故障定位研究[J].智慧电力，2018,46(9):83-87.
• [10]郑涛，潘玉美，郭昆亚，等.基于免疫算法的配电网故障定位方法研究[J].电力系统保护与控制，2014,42(1):77-83.
• [11]丁坤，翁帅，张经炜，等.基于改进混沌粒子群算法的光伏阵列建模方法研究[J].可再生能源，2021,39(3):324-332.
• [12]屈慧姣，郭银章.基于改进粒子群算法的云计算虚拟机资源配置优化研究[J].计算机应用研究，2020,37（增刊2）:116-118.
• [13]黄宗宏，曹雨晨，胡志冰，等.基于改进遗传算法的工业园区综合能源系统能量管理方法[J].电力建设，2019,40(8):51-58.
• [14]孙俊.量子行为粒子群优化算法研究[D].无锡：江南大学，2009.
• [15]何畏，罗潇，曾珍，等.利用QPSO改进相关向量机的电池寿命预测[J].电子测量与仪器学报，2020,34(6):18-24.
• [16]张迁，丁建国.基于量子粒子群与标准粒子群混合算法的框架结构异构体系模型参数辨识[J].南京理工大学学报，2020,44(2):177-184.
• [17]张垒.基于改进量子粒子群算法的Nash均衡研究[J].控制工程，2020,27(1):162-167.
• [18]刘煜，王俊江，焦青，等.基于量子行为粒子群算法的含分布式电源的配电网故障定位[J].智慧电力，2020,48(8):51-55.
• [19]张涛，张东方，王凌云.基于二进制量子粒子群的含电动汽车主动配电网多目标重构[J].电测与仪表，2018,55(9):42-47.
• [20]裴文杰，谭阳红，汪沨，等.蝙蝠算法在含DG配电网故障定位中的应用[J].计算机工程与应用，2016,52(22):218-221.
• [21]于毅，尹丽菊，申晋，等.改进整数规划的含分布式电源配电网故障定位[J].智慧电力，2020,48(3):104-108.
• [22]甄永琦，蒋伟.改进灰狼算法在配电网故障定位中的应用[J].计算机应用与软件，2020,37(11):200-205.
• [23]赵乔，王增平，董文娜，等.基于免疫二进制粒子群优化算法的配电网故障定位方法研究[J].电力系统保护与控制，2020,48(20):83-89.
• [24]陶维青，肖松庆，李林，等.基于双精英蚁群算法的配电网故障区段定位[J].合肥工业大学学报（自然科学版）,2020,43(12):1626-1632.
• [25]陈皓，田新和，高传薪，等.直流微电网故障定位研究综述[J].广东电力，2019,32(7):44-51.
• [26]陈婷，朱文强.基于MBD与Petri网融合的配电网故障定位方法[J].广东电力，2019,32(7):52-59.
• [27]刘成民，戴中坚，陈轩.基于TensorFlow框架的有源配电网深度学习故障定位方法[J].电力工程技术，2019,38(5):8-15.
• [28]苑吉河，张曦，黄虎，等.基于电流序分量的多源配电网故障定位方法[J].电力工程技术，2020,39(5):204-210.
• [29]李超，罗凌璐，王德辉，等.智能变电站过程层网络监测与故障定位系统设计与实现[J].电力工程技术，2019,38(2):117-122.