（电力系统及其自动化专业论文）基于遗传算法的配电网故障定位与隔离.pdf

摘要 随着城网改造的进行，对于配电网中故障率较大或供电可靠性要求较高的 场合，都要求配有故障自动定位、隔离和恢复系统。配电网发生故障后，各相关 f t u 或r t l i 将相应的分段开关或联络开关处的实时信息，通过数据通信上传到控 制中心，由故障区间定位软件进行故障定位。由于配电网故障定位所用的信息源 大多来自于户外的f t u ，有诸如恶劣的天气、电磁干扰等不利因素的存在，实时 信息中经常出现信息畸变或信息不全，因此有必要研究具有较高容错性能的算 法。 由于遗传算法对问题的依赖度较小，能进行全局的寻优求解，特别是能够对 实时信息中的畸变进彳亍纠错，具有高容错性能，所以引起了研究者的注意。一些 学者在这一领域进行了开拓性的工作，但这一领域的研究工作还不够完善，面临 着工程实用性的挑战。然而总的来说，利用遗传算法解决配电网的故障定位问题 依然是今后很有意义的一项研究工作。 本文以基于遗传算法的配电网故障自动定位为主线，对配电网故障定位的基 本原理、拓扑模型、求解方法等一系列问题进行了比较系统、深入的研究，并且 重点讨论和分析了在配电网网络拓扑灵活多样，运行工况复杂多变的条件下，遗 传算法用于配电网故障定位的一些问题。主要内容如下： 总结分析了现有的各种配电网故障区间定位与隔离的方法的优缺点、可行性 和局限性，提出了评价配电网故障定位系统的三个标准，并结合配电网故障定位 的难点，确立了基于遗传算法的配电网故障区间定位与隔离的研究方向和方法。 对基于遗传函数的配电网故障定位与隔离做了进一步的研究，在详细分析评 价函数的构造和配电网灵活多变的拓扑结构的基础上，考虑了故障电流的方向， 改进了遗传算法的评价函数，使得遗传算法不仅能够应用于单电源供电的情况， 还能够应用于多电源多重故障的供电情况，能够更好的跟踪配电网灵活多变的网 络拓扑，为利用遗传函数进行配电网故障定位提供了理论基础。 提出了一种使故障定位算法应用于多电源多重故障情况的网络模型。该网络 模型考虑算法中与故障电流有关的变量的方向性，在假定由某电源供电的功率流 向为正方向之后，多电源配电网的故障定位问题即转化为单一电源情况下的故障 定位问题。 结合配电网的具体特点，从工程实用的角度出发，详细讨论了遗传算法在配 电网故障区间定位方面的应用，用c 语言编程，通过在单电源、多电源、多重故 障及信息序列发生畸变等各种情况下进行的算例仿真，表明基于遗传函数的配电 网故障定位系统确实能够进行全局寻优：当实时上传信息中发生畸变是，能够自 动纠错并准确的进行故障定位，具有高容错性能，证明了算法在不同网络拓扑工 况下的适应性和有效性。 【关键词】：配电网； 遗传算法； 故障定位。 a b s t r a c t w i t ht h er e c o n s t r u c t i o no ft h ee l e c t r i cn e t w o r ki nc h i n a ，t h ea u t o m a t i cs y s t e m f o rt h ef a u l ts e c t i o nd i a g n o s i sa n di s o l a t i o ni nd i s t r i b u t i o nn e t w o r k si s r e q u i r e d ， e s p e c i a l l yi nt h o s en e t w o r k sw h e r e f a u l t so f t e no c c u r w h e naf a u l tt a k e sp l a c ei na c e r t a i nn e t w o r k ，t h er e a l t i m ei n f o r m a t i o ni sc o l l e c t e df r o mb r e a k e r sa n d s e c t i o n a i i z e r sb yf t u s ( f e e d e rt e r m i n a lu n i t s ) o rr t u s ( r e m o t et e r m i n a lu n i t s ) a n di ss e n dt oc o n t r o lc e n t e r 硒觊a c c o r d i n gt ot h ei n f o r m a t i o n , t h ef a u l ts e c t i o n d i a g n o s i ss o f t w a r ec a n l o c a t et h ef a u l ts e c t i o n ，h o w e v e r , b e c a u s ef t u sa n dr t u sa r e u s u a l l y i n s t a l l e d o u t s i d e ，t h e y a r e i n e v i t a b l y i n f l u e n c e d b y b a d w e a t h e r , e l e c t r o m a g n e t i c d i s t u r b a n c ee t c t h e r e f o r e ，t h er e a l - t i m ei n f o r m a t i o ni so f t e nd i s t o r t e d ， w h i c ha s k si t st of i n dam e t h o dt h a th a sf a u l t - t o l e r a n c ep e r f o r m a n c e r e s e a r c h e r sn o t et h a tg a ( g e n e t i c a l g o r i t h m ) c a r lf i n dg l o b a lo p t i m u m s o l u t i o n a n dc a l lc o r r e c tt h em i s t a k ei nt h ed a t aa u t o m a t i c a l l y a tp r e s e n t ，s o m en e ww o r kh a s d o n ei nt h i sf i l e d a l t h o u g ht h er e s e a r c ht e l l st h a tg ai sn o tp e r f e c ta n df a c e st h e c h a l l e n g eo fe n g i n e e r i n g ，i ti ss t i l lap r o s p e c t i v e d i r e c t i o nf o rf u r t h e rr e s e a r c hw o r kt o 1 d e v e l o pt h em e t h o do f f a u l ts e c t i o nd i a g n o s i sa n di s o l a t i o no fd i s t r i b u t i o nn e t w o r k s b a s e d o n g a i nt h i st h e s i s ，f o c u s i n go nf a u l ts e c t i o nd i a g n o s i sa n di s o l a t i o no fd i s t r i b u t i o n n e t w o r k sb a s e do ng a ，at h o r o u g ha n ds y s t e m a t i cr e s e a r c hi sm a d eo nf a u l ts e c t i o n d i a g n o s i sa n di s o l a t i o no fd i s t r i b u t i o nn e t w o r k s ，i n c l u d i n gb a s i cp r i n c i p l e ，t o p o l o g i c 。 m o d e l ，a l ls o r t so f r e s o l u t i o n ，e t c a ne m p h a s i sa n a l y s i sa n d d i s c u s s i o ni sm a d eo nt h e a p p l i c a t i o no f t h ef a u l ts e c t i o nl o c a t i o na r i t h m e t i ct ot h ec o m p l e xm u l t i - s o l l r o ep o w e r 出s t f i b u t i o ns y s t e mb a s e do ng a t h em a i nc o n t e n ti sa sf o l l o w s ： t h i sp a p e rs u m m a r i z e sc u r r e n tm e t h o d st of a u l ts e c t i o nl o c a t i o n ，a n a l y z e st h e i r a d v a n t a g e s ，d i s a d v a n t a g e s ，f e a s i b i l i t ya n dl o c a l i z a t i o n o nt h eb a s i so ft h a t ，t h r e e s t a n d a r d sa r e p u tf o r w a r d t oa p p r a i s ea l lk i n d so f m e t h o d s t h e n t a k et h ed i f f i c u l t yo f f a u l ts e c t i o n1 0 c a t i o ni n t oa c c o u n t c h o o s eg aa st h em e t h o dt of a u l ts e c t i o nl o c a t i o n t h ef i l l 也e rr e s e a r c hi sm a d et of a u l ts e c t i o n d i a g n o s i sa n di s o l a t i o n o f d i s t r i b u t i o nn e t w o r k sb a s e do ng a t h r o u g ha n a l y z i n gt h ec o n s t r u c t i o no ft h ef i t n e s s 5 f u n c t i o na n dt h e c o m p l e x i t y o ft h en e t w o r km o d e l s ，an e wf i t n e s s f u n c t i o ni s d e v e l o p e d ，w h i c h t a k et h ed i r e c t i o no f t h es h o r tc i r c u i tc u r r e n t t h er e f i n e dg ai sa b l e t ol o c a t em u l t i p l ef a u l ts e c t i o n si nm u l t i s o u r c ed i s t r i b u t i o nn e t w o r k s ，s oi ti sm o r e s u i t a b l ef o r c o m p l e x f a u l td i a g n o s i si nd i s t r i b u t i o nn e t w o r k s t h e n ，an e t w o r km o d e li sp r e s e n t e di nt h ep a p e rf o rt h ea p p l i c a t i o no ft h ef a u l t s e c t i o nl o c a t i o na r i t h m e t i ct ot h ec o m p l e xm u l t i s o u r c ep o w e rd i s t r i b u t i o ns y s t e m t h em o d e lt a k e st h ed i r e c t i o n so fv a r i 曲l er e l a t e dt ot h es h o r tc i r c u i tc u r r e n ti n t o a c c o u n t a f t e rt h ep o s i t i v ed i r e c t i o nd e c i d e db yt h ea s s u m e 6p o w e rf l o wo fs o m e s o u r c eb e i n gc o n s i d e r e d ，t h ef a u l ts e c t i o nl o c a t i o ni nt h em u l t i s o u r c ed i s t r i b u t i o n s y s t e m i st r a n s l a t e di n t ot h el o c a t i o no f t h es i n g l es o u r c es y s t e m f i n a l l y , t h er e s u r so fs i m u l a t i o n ( p r o g r a m m e d w i t l lc l a n g u a g e 、s h o wt h a tt h i s m e t h o di se f f e c t i v ea n dp r a c t i c a l ：w h e t h e ri ti st h es i n g l es o n r c es y s t e mo ri ti st h e m u l t i s o u r c es y s t e m ，w h e t h e rt h e r ei so n ef a u l to rt h e r ea t em u l t i p l ef a u l t s ，w h e nt h e d i s t o r t i o ni nt h er e a l t i m e i n f o r m a t i o n a p p e a r s ，g a c a r lc o r r e c tt h em i s t a k e a u t o m a t i c a l l ya n d l o c a t et h ef a u l ts e c t i o na c c u r a t e l y k e y w o r d s ：d i s t r i b u t i o n n e t w o r k ； g e n e t i c a l g o r i t h m ； f a u l ts e c t i o n d i a g n o s i s a n di s o l a t i o n 6 1 引言 随着国民经济的发展和人民物质文化生活水平的不断提高，对电力的需求越 来越大，促使电力事业迅速发展，电网不断扩大，用户对供电质量和供电可靠性 的要求也越来越高，甚至连发生电源的瞬时中断都无法忍受。“电力法”和承诺 制的公布和贯彻实行，更要求电力供应部门提供安全、可靠、经济、环保和高质 量的电能。传统的技术和管理手段已经无法适应新的形势，配电自动化应运而生。 配电自动化是对配电网上的设各进行远方实时监视、测量、协调及控制的一 个集成系统。它是现代计算机技术、通信技术、微电子技术和自动控制技术在配 电网监视与控制上的应用。我国自1 9 9 6 年起，开始探索配电网自动化工作，并 在少数城市进行了试点。到1 9 9 8 下半年，随着大规模的城乡电网建设与改造工 作的启动和国际、国内技术与装备的逐渐成熟，应用范围逐渐扩大。 1 1 配电网故障定位问题的提出 配电网自动化的主要功能之一是配电网馈线自动化，而故障定位又是配电网 馈线自动化的重要功能。当配电网发生故障后，应能及时准确的确定故障地点， 从而迅速隔离故障区段并恢复全区段供电，尽可能的减少因事故停电对社会经济 和群众生活造成的影响与损失。 目前国内对高压输电网已经能够做到故障点的精确定位，而对配电网由于国 家以前不太重视，投资也比较少，使配电线路所能采集到的信息量非常少，在较 长时期内只能采用重合器和分段器相互配合的方式实现故障区段的自动隔离与 恢复供电。 随着城乡电网的建设与改造，一般都在户外分段开关或变压器处安装了柱上 r t u ( t t u ) ，并建设了有效而且可靠的通信网络，将其和配电网控制中心的s c a d a ( 数据采集与监控：s u p e r v i s o r y c o n t r o la n dd a t aa c q u i s i t i o n ) 系统联系 起来，构成一种高性能的配电网自动化系统，就可以较好的解决上述问题：在馈 线沿线分段开关和联络开关处安放数据采集和监控装置f t u ( f e e d e rt e r m i n a l u n i t ) ，并通过通信网络把采得的数据传送到配电自动化控制中心处，在配电自 动化控制中心的计算机系统中，具有故障定位的相应高级应用软件，充分利用这 些数据，提供决策支持，解决配电网故障点的准确定位问题。 1 2 配电网故障定位问题的难点 如上所述，配电网故障自动定位、隔离和恢复供电是配电综合自动化中最基 本和最重要的功能之一，它对保证对用户供电的可靠性、提高供电的质量具有十 分重要的意义。目前采用带通讯的远方控制方式的配电网故障自动定位、隔离及 恢复供电是分散式配电综合自动化技术的主流趋势。它主要根据配电网中各f t u 上传给s c a d a 系统的实时遥测、遥信量及故障信息，经过故障定位软件包分析和 判断得出故障区段，实施一系列的分段断开关操作，对故障区段实施有效的隔离， 并快速恢复健康区段的供电。 由于配电网故障定位所用的信息源大多来自于户外的f t u ，有诸多的不利因 素存在，如：环境恶劣、温度变化范围大；大多数信息源装载在电力线柱上 或箱式配电柜内，承受强的电磁、雷电等的干扰；配电网的通信点多而分散， 难于采用同一种通信方式( 一般采用混合通讯方式) ：开关节点松动、f t u 硬 件本身的误判等等。在实际运行中也表明，配电网信息受干扰或丢失的可能性较 高。为此，在配电网故障定位原理的实现上必须考虑对故障定位所用信息的容错 能力，该问题可以视为配电网准确故障定位的关键。 1 3 本文的主要工作 论文的研究对象是配电网故障区间的定位与隔离，主要包括以下几个方面的 内容。 1 总结分析了现有的各种配电网故障区间定位与隔离的方法的特点和局限 性，提出了评价配电网故障定位系统的三个标准。 2 结合配电网故障定位的难点，确立了基于遗传算法的配电网故障区间定 位与隔离的研究方向和方法。 3 对基于遗传函数的配电网故障定位与隔离做了进一步的研究，详细分析 了评价函数的构造和配电网灵活多变的拓扑结构，为利用遗传函数进行配电网故 障定位提供了理论基础。 4 结合配电网的具体特点，从工程实用的角度出发，详细讨论了遗传算法 在配电网故障区间定位方面的应用，重点讨论了算法在不同网络拓扑工况下的适 应性。 5 提出了一种使故障定位算法应用于多电源多重故障情况的网络模型。该 网络模型考虑算法中与故障电流有关的变量的方向性，在假定由某电源供电的功 率流向为正方向之后，多电源配电网的故障定位问题即转化为单一电源情况下的 故障定位问题。 6 通过理论分析和算例仿真验证了算法的有效性。 2 配电网故障定位问题综述 2 1 配电网故障定位问题简介 配电网中由于馈电线路故障引起的停电时有发生，此时如何尽快恢复供电， 就是配电自动化面临的一项重要任务。但是和输电系统不同，节点和支路数量繁 多的配电网不可能全部远动化。因此，在早些时候，发生停电故障时，往往先由 用户举报，再由配电控制中心根据投诉地点到现场去处理。后来，又在配电控制 中心装上了g i s ( 地理信息系统：g e o g r a p h i ci n f o r m a t i o ns y s t e m ) ，甚至配有电 话热线软件( t r o u b l ec a l l ) ，帮助调度员与现场人员配合，迅速排除故障并恢复 供电。但是，由于人工介入，所需时间仍然较长，不能满足用户越来越高的要求。 为了把这个时间缩短到几分钟，甚至更短，这时候就要用到配电网故障定位、隔 离和自动恢复供电系统，简称为f i s r ( 故障识别和恢复供电：f a u l t i d e n t i f i c a t i o n s e r v i c er e s t o r a t i o n ) 系统。 2 1 1基于重合器的配电网故障定位 早在半个世纪前，国外就采用重合器或断路器与分段器、熔断器的配合使用 来实现馈线自动化，完成配电网的故障定位、隔离和恢复供电。它对提高供电可 靠性和减少运行费用具有一定的作用。现以重合器与电压时间型分段器配合 实现来说明。 图2 1 为一个典型的开环运行的环状“手拉手”网络在采用重合器与电压一 一时间型分段器配合时，隔离故障区段的过程示意图。 i a b c d e 卜1 卜_ 卜_ 一( 9 一 。 abc d e f ( a ) a b c d e h 7 专 f 卜一富 ( b ) a b c d e 卜i a 卜卸b c 峄。d 川e _ - 一 l r ( c ) l：!：。：，。j!：。：；。，：!二。一 。：；：4i?_；4；。；_：一 1 5 s 7 s 7 s 闭锁 寺窖二r 二卜| ，j f f 尹一警r 5 s 7 s ( t 3 iillll!：!j!?：；。)!：一皇一一7一 ，p 卜亨絮一卜一 5 s 7 s ( 曲 图2 i 环状网开环运行时故障区段隔离的过程 图2 1 中，a 采用重合器，整定为一陧一快，即第一次重合时间为1 5 s ，第二 次重合时间为5 s 。b 、c 和d 采用电压时间型分段器并且设置在第一套功能， 作为分段开关，它们的x 时限均整定为7 s ，y 时限均整定为5 s ：e 亦采用电压 一时间型分段器，但设置在第二套功能，作为联络开关，其x 。时限整定为4 5 s ， y 时限整定为5 s 。 图2 1 ( a ) 为开环运行的环状网正常工作的情形：图2 1 ( b ) 描述在c 区段发 生永久性故障后，重合器a 跳闸，导致联络开关e 左侧线路失压，造成分段器b 、 c 和d 均分闸，并启动分段器e 的x 。计数器；图2 1 ( c ) 描述事故跳闸1 5 s 后，重 合器a 第一次重合；图2 1 ( d ) 描述又经过7 s 的x 时限后，分段器b 自动合闸， 将电供至b 区段；图2 1 ( e ) 描述又经过7 s 的x 时限后，分段器c 自动合闸，此 时由于c 段存在永久性故障，再次导致重合器a 跳闸，从而线路失压，造成分段 器b 和c 均分闸，由于分段器合闸后未达到y 时限( 5 s ) 就又失压，该分段器将被 闭锁；图2 1 ( f ) 描述重合器a 再次跳闸后，又经过5 s 进行第二次重合，随后分 段器b 自动重合，而分段器c 因闭锁仍保持分闸状态：图2 1 ( g ) 描述重合器a 第一次跳闸后，经过4 5 s 的x 。时限后，分段器e 自动合闸，将电供至d 区段；图 2 1 ( h ) 描述又经过7 s 的x 时限后，分段器d 自动合闸，此时由于c 段存在永久 性故障，导致联络开关e 右侧的线路的重合器跳闸，从而右侧线路失压，造成其 上所有分段器均分闸，由于分段嚣d 合闸后未达到y 时限( 5 s ) 就又失压，该分段 器将被闭锁；图2 1 ( i ) 描述联络开关及右侧的分段器和重合器又依顺序合闸， 而分段器d 因闭锁保持分闸状态，从而隔离了故障区段，恢复了健全区段供电。 但是，采用重合器或断路器与电压时间型分段器配合时，当线路发生故 障时，分段开关不立即分断，而要依靠重合器或位于变电所的出线断路器的保护 跳闸，导致馈线失压后，各分段开关才能分断，因此，这种形式的馈线自动化存 n二黪 在以下缺陷： ( 1 ) 切断故障的时间较长。 ( 2 ) 降低了系统的可靠性。 ( 3 ) 实际扩大了事故范围。 基于重合器的馈线自动化系统仅在线路发生故障时能发挥作用，而不能在远方通 过遥控完成正常的倒闸操作，不能实时监视线路的负荷，因此无法掌握用户用电 规律，难于改进运行方式。 2 1 2 基于f t u 的配电网故障定位 基于f t u 的馈线自动化系统很好的解决了上述问题。 随着城乡电网的建设与改造，一般都在户外分段开关或变压器处安装了柱 上f t u ( t t u ) 。各f t u 分别采集相应柱上开关的运行情况，如负荷、电压、功率 和开关当前位置、贮能完成情况等，并将上述信息由通信网络发向远方的配电网 自动化控制中心。各f t u 还可以接受配网自动化控制中心下达的命令进行相应的 远方倒闸操作。在故障发生时，各f t u 记录下故障前及故障时的重要信息，如最 大故障电流和故障前的负荷电流、最大故障功率等，并将上述信息传至d a s ( 配 电自动化系统：d i s t r i b u t i o na u t o m a t i o ns y s t e m ) ，经计算机系统的相关软件 包分析后确定故障区段和最佳供电恢复方案，最终以遥控方式隔离故障区段，恢 复健全区段供电。 2 2 基于f t u 的配电网故障定位的方法 目前，实现基于f t u 的故障定位和隔离主要有两类方法：一类是以图论知识 为基础，根据配电网的拓扑模型进行故障定位，如统一矩阵算法，过热弧搜寻法 等。另一类是以人工智能为基础，如人工神经元网络( a n n ：a r t i f i c i a ln e u r a l n e t w o r k ) 、专家系统( e x p e r ts y s t e m ) 、模糊理论( f u z z yt h e o r y ) 、遗传算法( g a ： g e n e t i ca l g o r i t h m s ) 等。后一类算法已经做了一些有益的尝试，但多数未对实 时故障定位信息发生畸变的情况进行深入研究，其容错性能和推理的收敛性无法 充分的保证，实用价值收到限制，而且这类算法计算时间长，也面临着工程实用 性的挑战。 2 2 1 配电网故障定位的矩阵算法0 1 1 对于辐射状网、树状网和环状网开环运行的情形，配电网故障区段的判断与 隔离可以采用统一的矩阵算法实现。 首先需要依据配电网的结构构造一个网络描述矩阵d ，它反映馈线的拓扑结 构。当馈线发生故障时，有故障电流流过的分段开关上的f t u ( r t u ) ，将检测到的 高于其整定值的过电流；此时，该f t u ( r t u ) 即将这个故障电流的最大值及其出 现的时刻记录下来，并上报给配电网控制中心的s c a d a 系统，s c a d a 系统据此生 成一个故障信息矩阵g ，它描述故障信息。通过网络描述矩阵和故障信息矩阵的 运算，得到一个故障判断矩阵p ，它的得出方式应保证：如果一条馈线段的一个 分段开关经历了故障电流而另一个分段开关未经历故障电流，则在判断矩阵中， 二者对应的元素必然不同，否则必然相同。可见，根据故障判断矩阵就可以判断 和隔离故障区段。在矩阵算法中，断路器、分段开关和联络开关均同样对待而不 加区分，因此应用非常方便。而且这类方法便于编程，并有利于激发出新的故障 定位算法。 文献 4 从解决双电源及多电源并列供电系统等复杂配网的故障定位问题及 提高定位算法的计算效率入手，提出了基于现场监控终端的故障定位统一算法一 一优化矩阵算法。该算法以矩阵分析为基础，既能实现普通树状网及开还运行的 环网的故障定位，又能满足闭环运行的环网故障定位的要求，对配电网运行工况 的变化有较强的适应能力。与优化前的矩阵算法相比，不仅扩大了算法的适应范 围，而且由于采用了分线路存储技术并以矩阵间有效元素的直接运算替代矩阵运 算，改善了系统的存储效率和算法的工作量，计算速度快，实时性好。 经过大量的研究改进，矩阵算法对配电网运行工况的变化具有了较强的适应 能力，系统的存储效率大大提高，算法的工作量得以改善，且计算明确，工程实 用性好。但该算法所用的故障信息仅为线路元件两端分段开关的故障信息，它属 于局部算法，不但盲目搜索导致的故障判断时间过长，而且在配电网信息受干扰 或丢失的情况下还会出现误判或漏判的情况。 2 2 2 过热弧搜寻算法。 9 1 过热弧搜寻算法是以图论知识为基础，根据配电网的拓扑模型进行故障定 位的一种方法。它把变电站和开闭所的出线开关、配电网馈线上的分段开关和联 1 4 络开关看作顶点，馈线线段可以看作是弧，馈线供出的负荷可以看作是弧的负荷， 开关流过的电流可以看作是顶点的负荷，并定义了负荷与额定负荷之比再乘以 1 0 0 为归一化负荷。则故障区段显然是归一化负荷远大于1 0 0 的那些弧，这些弧 称为过热弧。因此故障定位的问题实际上是过热弧搜寻问题，搜寻出过热弧，将 所有过热弧的起点与终点均断开，就可以达到隔离故障区段的目的。 文献 9 针对配电网存在t 接点的情况，提出了基于拓扑辨识的配电网故障 定位算法。该算法将配电网络的拓扑描述矩阵分解成只含区域的矩阵描述方式， 有效的解决配电网的故障区段判断；同时可以自动定位区域的顶点，适应多变的 网络结构。事实上，过热弧搜寻算法的灵感就来自于配电网赦障定位的矩阵算法， 但简化了计算过程，并且有助于确定配电网络中单相接地故障发生的区段。当然， 在这种情况下，需要根据沿线各开关( 顶点) 处的零序电流及其突变量和电流中 的高次谐波的情况，重新确定故障信息矩阵中的参数。 2 2 3 基于专家系统的算法o ”3 专家系统是发展最早，也是比较成熟的一种人工智能技术。一般来说，专家 系统是一个具有大量专门知识与经验的计算机程序系统，具有知识库和推理机两 个主要的组成要素，其程序软件具有相当于某个专门领域的专家的知识和经验水 平，以及解决专门问题的能力。因此，专家系统能够模拟专家的决策过程，以解 决那些需要专家决策的复杂问题。专家系统的应用领域不同，采用的知识表示方 式也可以有所不同，常用的知识表示方法有谓词逻辑、语义网络、产生式规则、 框架和黑板等。 专家系统在配电网故障定位与隔离中的典型应用是基于产生式规则的系统， 即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故 障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断 的结论。基于产生式规则的故障诊断专家系统得以广泛应用主要是由故障诊断和 基于产生式规则的专家系统的特点所决定的。配电网保护的动作逻辑以及保护与 断路器之间的关系易于用直观的、模块化的规则表示出来；基于产生式规则的专 家系统允许增加、删除或修改些规则，以确保诊断系统的实时性和有效性：能 够在一定程度上解决不确定性问题：能够给出符合人类语言习惯的结论并具有 相应的解释能力等。此外，框架法专家系统善于表达具有分类结构的知识，能够 比较清楚地表达事物之间的相关性，可以简化继承性知识的表述和存储，在输 电网络报警信息处理和故障诊断中也有少量应用。 虽然专家系统能够有效地模拟故障诊断专家完成故障诊断的过程，但是在 实际应用中仍存在一定缺陷： ( 1 ) 获取完备的知识库是形成故障诊断专家系统的瓶颈。如果建立的知识库 不完备，可能导致专家系统推理混乱并得出错误的结论，而知识获取及验证其 完备性是比较困难的，这在很大程度上限制了故障诊断专家系统的发展。 ( 2 ) 专家系统在推理时要搜索、匹配知识库内一定的规则集才能得出结论， 所以当系统比较大时完成诊断的速度将非常慢。 ( 3 ) 当输、配电网络的结构或自动装置的配置发生变化时，专家系统的知识 库要进行相应的修改，然而增加或修改规则后很有可能会造成不完整或不一致 的知识库，为此必须对知识库再次进行校核，校核的难度比较大，所以大型专 家系统的维护难度很大。 ( 4 ) 一般专家系统不具备学习能力，一旦发生知识库没有涵盖的新故障情况， 专家系统将发生诊断错误或得不到结果。 ( 5 ) 专家系统的容错能力较差。 在这些局限性中，前面四点是由专家系统的结构所决定的，不容易得到根 本解决；而最后一点可以通过将专家系统与模糊理论结合起来，对知识进行模糊 推理得到改善，这也是专家系统近几年发展的主要趋势。 2 2 4 基于模糊理论的算法“”1 模糊理论( f u z z yt h e o r y ) 是将经典集合理论模糊化，并引入语言变量和近 似推理的模糊逻辑，具有完整的推理体系的智能技术。一般模糊系统的结构与专 家系统的结构类似，由模糊知识库、模糊推理机和人机界面等几部分组成，也可 以说模糊系统是模糊理论与专家系统结构的结合。随着模糊理论的发展及完善， 模糊理论的一些优点逐步被重视，如模糊理论可适应不确定性问题；其模糊知识 库使用语言变量来表述专家的经验，更接近人的表达习惯：模糊理论能够得到问 题的多个可能的解决方案，并可以根据这些方案的模糊度的高低进行优先程度 排序等。目前，模颧理论已被引入输电网络故障诊断领域，在配电网故障定位中 也得到了应用。 1 6 由于保护或断路器的误动、拒动，信道传输干扰错误，保护动作时间偏差等 因素的影响，输、配电网络故障诊断存在不确定性。处理不确定性问题的方法目 前主要有两种，即基于概率理论的方法和基于模糊理论的方法。虽然这两种方法 的目的相同，但是在应用对象和使用方法上却有很大的差别。基于概率理论的方 法是以概率理论中的贝叶斯公式为基础发展起来的，前提是要求处理对象必须 是随机变量或已知相关变量之间的条件概率分布。基于概率理论的方法着重应用 于统计机制，数据分析等人的感知与推理不起主要作用的场合；而模糊理论则擅 长模拟人类思维中的近似推理过程，主要应用于人类经验知识起重要作用的场 合。根据分析可以看出，基于模糊理论的方法比较适用于故障诊断问题。 输电网络故障诊断的不确定因素对于要求严格匹配搜索的专家系统来说， 很容易导致错误的结果。当在专家系统中融入模糊理论后，由精确推理变为近似 推理，在相当程度上增强了专家系统的容错性。专家系统与模糊理论的结合方式 主要有2 种：一是认为系统的输入报警信息的可信度不再为l ，而是根据保护、断路 器动作行为的统计数据和输电网络当前的情况赋予它们不同的可信度，随后由 模糊度的传递性计算所有可能发生故障的元件的故障可能性。诊断系统可以按照 故障可能性的高低将可能故障的位置顺次排列提供给运行人员参考。也就是说， 这种结合方式只是模糊化了输入信息，从而得到相应模糊化的结果。另外一种结 合方式正好相反，认为输入信息仍然是确定的，但是故障与动作的保护装置之 间，动作的保护装置与所控制的断路器之间的关联关系是不确定的，用一个介 于0 1 之间的数表示。对于可能的故障位置，寻找由故障点到报警信息的通路， 从而将可能的故障点与动作的保护装置之间，动作的保护装置与所控制的断路 器之间关联关系的模糊度合成就能得到该位置故障的可能性量度。 模糊理论除了与专家系统相结合构成诊断系统外，也可以与其他各种人工 智能技术( 如人工神经网络、遗传算法、p e t r i 网络) 结合在一起，分析不确定因素 对智能诊断系统的影响，提高诊断的准确率。例如，人工神经网络与模糊理论可 以用两种方式结合：第一种方式与专家系统的第一种方式类似，模糊化神经网络 的输入，进而得到的输出也是一个模糊数。第二种方式是根据神经网络的特点设 计的。因为人工神经网络的输出本身就是一个介于0 1 之间的数。所以可把神经 网络的输出作为模糊系统的输入，用模糊系统去解释神经网络的输出。最终提供 1 7 给运行人员一个语言化的结论，便于运行人员理解。这在一定程度上弥补了神经 网络不具备解释能力的弱点。文献 1 2 论述了一种能适用与于不同配电网网络结 构的故障定位混合算法。该算法由模糊推理算法和基于启发性规则的专家系统算 法两种子算法组成，并能根据所获得的不同故障信息选择相应的子算法。由于都 是建立在启发性规则上，不需进行一些繁琐计算，从而大大缩短了故障定位与隔 离的时间。 由于一般的模糊系统采用了与专家系统类似的结构，所以它也具有专家系 统的一些固有的缺陷： ( 1 ) 模糊系统在推理时也要搜索知识库内一定的规则集才能得出诊断结论， 所以当系统比较大时完成诊断的速度也比较慢。 ( 2 ) 当输、配电网络的结构或自动装置的配置发生变化时，模糊系统的知识 库或相关规则的模糊度也要进行相应的修改，即模糊系统也存在维护的问题。 ( 3 ) 模糊系统也不具备学习能力。 总之，模糊理论与其他人工智能技术结合构成的诊断系统虽然可以增强处 理不确定性的能力，在一定程度上提高诊断的准确度，但是它不能完全消除专 家系统所固有的缺点。 2 2 5 基于遗传算法的算法o ”刎 遗传算法( g e n e t i ca l g o r i t h m s ) 是6 0 年代后期出现的一种优化技术，通过模 仿生物遗传和进化的过程寻求复杂问题的全局最优解或局部最优解。它将问题的 每个候选解都编码形成一个个体，又称“染色体”( c h r o m o s o m e ) ，而相应编码位 则类似于衡量该候选解的优劣，多个“染色体”构成遗传过程中的一代。形成第 一代个体以后，按照生物界适者生存的原则选择生命力强，即适应度函数值高 的个体存活到下一代，随后使用交叉( c r o s so v e r ) 和变异( m u t a t i o n ) 算子对这 些“染色体”中的“基因”进行操作，从而产生新个体，此时再次进行选择产生 下一代。可以证明这样若干代以后存活下来的个体将逐渐逼近问题的最优解。由 此可见，遗传算法对待求解问题几乎没有什么限制，也不涉及常规优化问题求 解的复杂数学过程，并能够得到全局最优解集或局部最优解集，这是它优于传 统优化技术之处。 文献 2 1 尝试使用遗传算法解决配电网故障定位与隔离的问题。文章首次建 立了根据f t u 所采集的信息进行故障定位的数学模型，并从判断结果应该能够尽 可能解释所有上传信息的角度出发，给出了故障诊断问题的适应度函数，从而 将输电网络配电网故障问题转化为o l 整数规划问题。在此基础上，文献 2 3 用改进的遗传算法实现了配电网的故障诊断系统，对交叉和变异算子做过调整 的改进遗传算法的故障诊断效果比较理想。结合广西北海市城网自动化发展前景， 提出了一种可行的基于开关电流越限信号的配电网故障定位遗传算法。文献 2 5 算法利用树型数据结构自动识别网络拓扑，并采用单一故障完全初始化、最佳保 留机制、两断点交叉、可变的交叉及变异概率等机制。经仿真测试表明，该算法 能进行全局寻优求解，可自动识别网络拓扑的变化，具有很好的容错性能，远优于 传统的故障电流判别法，且具有在线应用的潜力。文献 2 6 根据f t u 发送到控制 主站的信息，首先用故障电流分析法进行逻辑判断，符合判断条件的即可得出 正确结果，不符合判断条件则转入容错模块，采用遗传算法，进行全局寻优求 解。即先用故障电流分析法进行逻辑判断，符合判断条件的即可得出正确结果， 其原理是若流过故障电流开关的相邻分段开关中有一个未流过故障电流，则认 为这两个开关之间的设备为故障设备，即故障区段一定位于从电源侧到负荷方 向，最后有故障电流流过的节点到第一个没有故障电流流过的节点之阔的区段， 不符合判断条件的转入容错模块，利用其容错性能进行全局寻优求解。遗传算法 从群体出发在整个空间寻优，并进行多极值比较，具备全局最优搜索性：同时 该算法用目标函数本身的信息建立寻优方向，而不是用其导数建立寻优方向， 因此不需要传统算法在求解复杂问题时由于推导复杂而设立的近似假定，当然 也不用考虑函数的连续性和可导性。故遗传算法非常适用于解决目标函数或某些 约束条件不可微的非线性优化问题，能够解决故障电流法无法解决的问题。 遗传算法从优化的角度出发基本上可以解决故障诊断问题，尤其是在复故 障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可 能的诊断结果。但是如何建立合理的输电网络故障诊断数学模型是使用遗传算法 的主要“瓶颈”。如果能够建立合理的数学模型，那么不仅可以使用遗传算法解 决故障诊断问题，还可以使用其他类似的启发式优化算法解决配电网故障定位 问题，如蚂蚁系统算法、t a b u ( 禁忌) 搜索算法等。从不同遗传算法的应用比较 可以看出，不同的交叉和变异算子对结果的影响比较大，如何确定最优的交叉 1 9 叁垒二兰坠坠丝垒垒 和变异算子及相应的参数也有待进一步研究。 2 2 6 基于人工神经网络的算法。7 3 6 1 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，缩写为a n n ) 是模拟人类神 经系统传输、处理信息过程的一种人工智能技术。自1 9 4 3 年m o c u l l o c h 和p i t t s 第1 次提出模拟神经元以来，它迅速发展成为与专家系统并列的人工智能技术 的另一个重要分支。与专家系统相比，人工神经网络最大的特点是采用神经元及 它们之间的有向权重连接来隐含处理问题的知识，并具有以下特点：学习能力， 在确定了a n n