1.一種基于二進(jìn)制混合算法的配電網(wǎng)故障區(qū)段定位方法,其特征是,它包括以下內(nèi)容:
1)二進(jìn)制混合算法原理
(a)二進(jìn)制粒子群算法基本原理
二進(jìn)制粒子群算法(PSO)綜合利用種群信息和個體經(jīng)驗,不斷更新粒子的位置和速度,以便向最優(yōu)或較優(yōu)解逼近,利用二進(jìn)制粒子群算法在n維空間尋找最優(yōu)解,其中第i個粒子在空間中的位置si和速度vi表示為:
si=(s1i,s2i,L sni) (1)
vi=(v1i,v2i,L vni) (2)
其中,i為[1,PS1]范圍內(nèi)的正整數(shù),PS1為PSO種群規(guī)模,s1i,v1i分別表示第1維空間中第i個粒子的位置和速度;s2i,v2i分別表示第2維空間中第i個粒子的位置和速度;sni,vni分別表示第n維空間中第i個粒子的位置和速度,
尋優(yōu)的過程中可按式(3)進(jìn)行迭代:
vt+1ni=wvtni+b1rt1(ptbni-xtni)+b2rt2(gtbn-xtni) (3)
其中,t表示迭代次數(shù),vtni、xtni分別表示第i個粒子迭代到第t次時在第n維空間中的速度和位置;ptbni表示第i個粒子迭代到第t次時在第n維空間中的當(dāng)前個體最優(yōu)位置;gtbn表示在迭代到第t次時在第n維空間中所有粒子的當(dāng)前群體最優(yōu)位置;w為慣性權(quán)重;b1、b2是加速因子;rt1、rt2、rtni都表示第t次迭代中隨機(jī)生成的[0,1]范圍內(nèi)的實數(shù);sigmoid是一個閾值函數(shù),
sigmoid(vnit+1)的函數(shù)定義為:
(b)二進(jìn)制差分進(jìn)化算法基本原理
二進(jìn)制差分進(jìn)化算法(DE)的基本原理是從原始種群開始,通過變異、交叉、選擇等遺傳操作來生成新的種群,并經(jīng)過逐步迭代,不斷進(jìn)化,可獲得全局最優(yōu)解,二進(jìn)制差分進(jìn)化算法迭代過程如下:
①變異操作
隨機(jī)在種群中選取兩個個體xta1,y、xta2,y,a1、a2為隨機(jī)產(chǎn)生的兩個[1,PS2]范圍內(nèi)的正整數(shù),PS2為DE種群規(guī)模,y=[1,2.3…N],N是種群個體的維度,vtj,y表示第j個個體第t次迭代后得到的第y維空間的變異個體,
利用式(6)、式(7)計算得到第t次迭代時第y維空間的最優(yōu)解xtb,y需要變異的維數(shù)W:
S=f·s (6)
其中,s表示xta1,y與xta2,y之間的海明距離,S為縮放后的海明距離,f為縮放因子,是[0,2]范圍內(nèi)的實數(shù);int(S)表示S向下取整數(shù),
隨機(jī)在xtb,y上選擇W位,如果選中的位置上是1,則將其置0,否則置1,完成此操作之后便得到變異個體
②交叉操作
變異個體與父代個體進(jìn)行交叉操作:
其中,表示第t次迭代產(chǎn)生的新個體,JC為交叉概率,是[0,1]內(nèi)的實數(shù),rand[0,1]為隨機(jī)產(chǎn)生的[0,1]內(nèi)的整數(shù),rand[0,N]為隨機(jī)產(chǎn)生的[0,N]內(nèi)的整數(shù),
③選擇操作
將新個體與父代個體的適應(yīng)值進(jìn)行比較,選擇適應(yīng)值較小作為下一代的個體xt+1j,y:
其中,fitness[]是matlab求解適應(yīng)值的函數(shù);
(c)基于雙種群進(jìn)化策略和信息交換機(jī)制實現(xiàn)二進(jìn)制粒子群和差分進(jìn)化算法的求解步驟是:
①初始化參數(shù):其中包括PSO種群規(guī)模PS1、DE種群規(guī)模PS2、種群空間維數(shù)n、加速因子b、慣性權(quán)重w、最大迭代次數(shù)Tb、交叉概率JC、縮放因子f;
②初始化PSO種群及DE種群:確定PSO種群的初始全局最優(yōu)位置、初始個體最優(yōu)位置、初始個體最優(yōu)適應(yīng)值、初始全局最優(yōu)適應(yīng)值;確定DE種群的初始最優(yōu)解和初始最優(yōu)適應(yīng)值;
③令t=1,進(jìn)行迭代計算;
④根據(jù)式(1)~式(3)計算PSO種群中個體的位置及速度,進(jìn)而形成新一代的群體,且獲得PSO種群的當(dāng)前最優(yōu)解gtbn,根據(jù)式(4)~式(7)對DE種群的個體進(jìn)行變異、交叉、選擇操作,進(jìn)而形成新一代的群體,獲得DE種群的當(dāng)前最優(yōu)解xtb,n;
⑤比較個體gtbn的適應(yīng)值與個體xtb,y的適應(yīng)值大小,選擇適應(yīng)值較小的當(dāng)做兩個種群共同的最優(yōu)解,并進(jìn)行下一代的進(jìn)化計算,令t=t+1,若滿足迭代結(jié)束條件則停止計算,輸出最優(yōu)解和最優(yōu)適應(yīng)值;若不滿足,轉(zhuǎn)入第④步;
2)配電網(wǎng)故障區(qū)段定位數(shù)學(xué)模型
針對配電網(wǎng)的故障定位問題,構(gòu)建其評價函數(shù):
其中,Ik是第k號開關(guān)處的饋線終端單元(FTU)實際檢測到的狀態(tài)信息值,I*k(x)為第k號開關(guān)的期望狀態(tài)函數(shù),V為開關(guān)總數(shù)量,xD為第D個饋線區(qū)段的故障狀態(tài),WC為權(quán)系數(shù),R為配電網(wǎng)中饋線區(qū)段的總數(shù);
對于含分布式電源配電網(wǎng)的多重故障定位問題,在構(gòu)建評價函數(shù)時必須充分考慮整個故障定位過程中的效率問題,通過引入電源開關(guān)系數(shù)使得評價函數(shù)能夠動態(tài)地適應(yīng)配電網(wǎng)中分布式電源的投切;
構(gòu)建的一種新的開關(guān)函數(shù),如式(10),
其中,∑表示邏輯或運(yùn)算;將第k號開關(guān)作為分?jǐn)帱c,將配電網(wǎng)分成兩大區(qū)域,含有系統(tǒng)電源的一部分稱為第k號開關(guān)的上半?yún)^(qū),另一部分稱為第k號開關(guān)的下半?yún)^(qū);Ts1、Ts2為電源開關(guān)系數(shù),表示第k號開關(guān)上、下半?yún)^(qū)的電源是否接入配電網(wǎng),若某電源接入配網(wǎng)則對應(yīng)的電源系數(shù)取1,否則取0;xk,s1、xk,s2分別表示從第k號開關(guān)到上半?yún)^(qū)電源S1與下半?yún)^(qū)電S2路徑上所經(jīng)過的饋線區(qū)段狀態(tài)值;xk(m)、xk(n)分別為第k號開關(guān)上、下半?yún)^(qū)中的饋線區(qū)段狀態(tài)值;M、N分別為第k號開關(guān)上、下半?yún)^(qū)中的饋線區(qū)段總數(shù),當(dāng)某饋線區(qū)段上發(fā)生故障時,該饋線區(qū)段狀態(tài)值取1,否則取0,令系統(tǒng)電源指向用戶端的方向為正方向,第k號開關(guān)處FTU上傳的狀態(tài)信息表示為
其中,利用式(11)和式(12)作為式(10)中的I*k(x)和Ik,即完成評價函數(shù)的構(gòu)建。