基于混沌優(yōu)化蝙蝠算法的含分布式電源配電網(wǎng)故障區(qū)段定位

柳巖妮，公茂法，王來河，公　政

(1. 山東科技大學(xué)，山東青島266590； 2. 國網(wǎng)山東濰坊市供電公司，山東濰坊261000)

?

基于混沌優(yōu)化蝙蝠算法的含分布式電源配電網(wǎng)故障區(qū)段定位

柳巖妮1，公茂法1，王來河1，公政2

(1. 山東科技大學(xué)，山東青島266590； 2. 國網(wǎng)山東濰坊市供電公司，山東濰坊261000)

針對含分布式電源配電網(wǎng)故障區(qū)段定位問題，改進(jìn)了已有的開關(guān)函數(shù)，并提出了一種基于混沌優(yōu)化蝙蝠算法的診斷方法。利用蝙蝠算法全局尋優(yōu)能力對配電網(wǎng)故障區(qū)段進(jìn)行定位搜索，并針對蝙蝠算法易陷入局部最優(yōu)的缺點(diǎn)，使用混沌策略對部分最優(yōu)個體進(jìn)行優(yōu)化，使其收斂速度加快，定位準(zhǔn)確度提高。通過建立算例配電網(wǎng)模型，對其多種故障定位結(jié)果分析表明，算法對于含分布式電源配電網(wǎng)故障區(qū)段定位具有一定的實用性。

分布式電源；配電網(wǎng)；故障區(qū)段定位；蝙蝠算法；混沌優(yōu)化

0　引言

隨著電力行業(yè)的不斷發(fā)展與完善，分布式電源開始被應(yīng)用到配電網(wǎng)中，配電網(wǎng)由之前的單電源形式開始轉(zhuǎn)變?yōu)槎嚯娫摧椛浣Y(jié)構(gòu)，由此為配電網(wǎng)故障診斷帶來了一定的問題。常見的用于配電網(wǎng)故障診斷的人工智能算法有遺傳算法[1]、Petri網(wǎng)[2]、神經(jīng)網(wǎng)絡(luò)[3]等，這些智能算法在故障診斷方面的準(zhǔn)確率較高且具有一定的容錯性，但是在實際的應(yīng)用中建模復(fù)雜，往往需要大量的數(shù)據(jù)，且效率不高。另外的一種方法就是圖論算法，主要以矩陣算法[4-5]為主，該算法計算效率較高，但是當(dāng)饋線終端單元上傳的信息發(fā)生錯誤或者丟失的情況時，往往準(zhǔn)確率較低。針對上述不足之處，該研究提出了一種基于混沌優(yōu)化蝙蝠算法的方法對含分布式電源配電網(wǎng)故障進(jìn)行診斷。

蝙蝠算法是一種新型仿生智能算法，主要模擬了蝙蝠搜索獵物的過程，與已提出的仿生算法相比，蝙蝠算法具有所需參數(shù)少、收斂速度快等優(yōu)點(diǎn)，但其也存在易陷入局部最優(yōu)且尋優(yōu)精度不高的問題。本文使用了混沌算法對部分精英個體進(jìn)行混沌優(yōu)化，從而使算法避免無效迭代，達(dá)到更好的尋優(yōu)精度。將該算法用于含分布式電源配電網(wǎng)的故障區(qū)間定位，并進(jìn)行實例分析，結(jié)果表明該算法具有全局收斂能力較強(qiáng)、尋優(yōu)精度高等優(yōu)點(diǎn)，對需利用復(fù)雜函數(shù)優(yōu)化的工程問題有著一定的適用性和實用性。

1　蝙蝠算法基本原理

1.1蝙蝠算法

蝙蝠算法[6-7]是模擬微型蝙蝠的回聲定位原理形成的一種新的智能算法。其主要原理是隨機(jī)分布的蝙蝠通過不同的脈沖速率來搜尋獵物，其初始的脈沖速率較小，脈沖音強(qiáng)較大，當(dāng)搜尋到獵物后會增大脈沖速率并適當(dāng)減小脈沖音強(qiáng)。然后將現(xiàn)在的位置狀態(tài)與最優(yōu)的位置比較，如果仍然處于劣勢位置則移動位置，再繼續(xù)搜索，直到所有的蝙蝠個體都處在靠近獵物的位置，即最優(yōu)位置。

蝙蝠在搜尋獵物的過程中脈沖頻率、速度和位置的更新公式如式(1)所示。

(1)

式中：d表示蝙蝠群體的搜索空間維數(shù)；α為[0,1]均勻分布的隨機(jī)變量；fmin，fmax分別表示脈沖頻率的最小值和最大值；fi表示第i只蝙蝠搜索獵物時所發(fā)出的脈沖速率；X*為當(dāng)前蝙蝠群體的最優(yōu)位置；Vi(t+1)，Vi(t)，Xi(t+1)，Xi(t)分別表示第i只蝙蝠在t+1和t時刻的速度和位置狀態(tài)值。

蝙蝠群體在搜索過程中，如果鎖定了獵物就需要將脈沖音強(qiáng)減小，脈沖速率增加，從而更容易定位獵物所在位置，其發(fā)射脈沖速率和音強(qiáng)更新公式如式(2)所示。

(2)

式中：β和γ分別為脈沖音強(qiáng)衰減系數(shù)和脈沖速率增加系數(shù)；Ai(t+1)，Ai(t)分別為t+1和t時刻的脈沖音強(qiáng)；ri(t+1)表示蝙蝠在t+1時刻的脈沖速率；ri0為最大脈沖速率。

1.2基于混沌優(yōu)化的蝙蝠算法

由于蝙蝠算法迭代后期容易陷入局部最優(yōu)，且種群多樣性減少，本文采用混沌算法對前n%個精英個體的位置和速度進(jìn)行混沌優(yōu)化，并將其映射到原解空間范圍內(nèi)，使其種群個體多樣性增加，跳出局部最優(yōu)繼續(xù)迭代搜索。

混沌算法是一種具有遍歷性、初值敏感性和隨機(jī)性的算法，其主要思想是將種群進(jìn)行混沌優(yōu)化，再將優(yōu)化序列值映射到混沌模型原解所在的空間范圍內(nèi)。本文采用一維非線性映射模型Logistic映射[8]對蝙蝠種群進(jìn)行混沌優(yōu)化，其公式如式(3)所示。

(3)

式中：μ是控制變量，本文取μ=4。

將得到的混沌序列通過式(4)映射到原解空間內(nèi)。

(4)

基于混沌優(yōu)化蝙蝠算法具體的實現(xiàn)步驟如下[9]：

(1)參數(shù)初始化。空間維數(shù)為d，聲波頻率范圍為[fmin，fmax]，最大聲波發(fā)射速率為r0，最小聲波強(qiáng)度為A0，聲波強(qiáng)度衰減系數(shù)為β，聲波發(fā)射速率增加系數(shù)為γ，適應(yīng)度最小值連續(xù)出現(xiàn)次數(shù)K，最大迭代次數(shù)為g。

(2)初始化種群。計算種群個體的適應(yīng)度值找到種群當(dāng)前最佳位置X*。

(3)初始化搜索脈沖頻率fi，并根據(jù)式(1)更新蝙蝠個體的空間位置和速度。

(4)產(chǎn)生隨機(jī)的rand1,若rand1>ri，則對處于最優(yōu)位置的蝙蝠進(jìn)行隨機(jī)擾動，用擾動后的位置代替當(dāng)前位置。

(5)產(chǎn)生隨機(jī)的rand2，若rand2>Ai，且蝙蝠所處位置得到了優(yōu)化，個體則移動到更新后的位置。

(6)如果步驟(5)條件得到滿足，則根據(jù)式(2)更新脈沖速率r和脈沖音強(qiáng)A，否則，跳轉(zhuǎn)到步驟(7)。

(7)計算當(dāng)前群體的適應(yīng)度值，并對前n%最優(yōu)個體按照式(3)進(jìn)行位置和速度的混沌優(yōu)化，然后將得到的混沌序列映射到原解空間，判斷如果迭代次數(shù)達(dá)到最大值或者適應(yīng)度值出現(xiàn)次數(shù)大于設(shè)定值，則跳轉(zhuǎn)到步驟(8)，否則轉(zhuǎn)到步驟(2)繼續(xù)搜索尋優(yōu)。

(8)輸出最優(yōu)個體的值和全局極值點(diǎn)，算法結(jié)束。

2　含分布式電源配電網(wǎng)故障區(qū)段定位模型

配電網(wǎng)發(fā)生故障后，每個區(qū)段上的FTU檢測到故障電流后，如果超過整定值后則會上傳到SCADA主站系統(tǒng)，故障定位算法會根據(jù)接收的信息計算并定位故障區(qū)段?；诨煦鐑?yōu)化蝙蝠算法的故障定位方法主要是通過適應(yīng)度函數(shù)和開關(guān)函數(shù)進(jìn)行分析的，具體構(gòu)建方案如下。

2.1開關(guān)函數(shù)的建立

對配電網(wǎng)進(jìn)行故障區(qū)間定位需要將FTU上傳的分段開關(guān)的電流信息轉(zhuǎn)化為線路的故障狀態(tài)值，將故障電流與故障狀態(tài)之間的關(guān)系定義為開關(guān)函數(shù)。含分布式電源的配電網(wǎng)在進(jìn)行故障區(qū)間定位時，傳統(tǒng)的算法往往需要多次設(shè)定電流方向，且不考慮分布式電源投切問題，使得故障定位的準(zhǔn)確率受到一定影響。本文對已有的開關(guān)函數(shù)[10-11]進(jìn)行了改進(jìn)，定義了一種新的開關(guān)函數(shù)如式(5)所示。

(5)

將以i個開關(guān)為中心靠近系統(tǒng)電源的區(qū)域定義為配電網(wǎng)系統(tǒng)的上半?yún)^(qū)，靠近分布式電源的部分定義為下半?yún)^(qū)。其中，“∏”表示邏輯或，Ksi，Kj分別為上半?yún)^(qū)和下半?yún)^(qū)的電源開關(guān)系數(shù)，表示對應(yīng)的區(qū)域電源是否接入，如果接入則對應(yīng)的開關(guān)系數(shù)取值為1，否則為0；xs1，xs2分別表示第i個開關(guān)的上下半?yún)^(qū)包含的饋線區(qū)段狀態(tài)值，發(fā)生故障時取1，否則為0；S1，S2分別為第i個開關(guān)上下半?yún)^(qū)包含的饋線區(qū)段總數(shù)目。

2.2適應(yīng)度函數(shù)的建立

適應(yīng)度函數(shù)是用來評價所用算法取得最優(yōu)解的情況，其結(jié)果反映了期望故障情況與實際情況的偏離程度，主要是根據(jù)FTU上傳到主站的狀態(tài)值以及假設(shè)故障情況求得各個區(qū)段的期望狀態(tài)值。針對含分布式電源配電網(wǎng)故障區(qū)間定位問題，構(gòu)建了如式(6)所示的適應(yīng)度函數(shù)。

(6)

3　算例分析

本文對圖1所示的含分布式電源的配電網(wǎng)進(jìn)行故障區(qū)段定位分析。其中，S為系統(tǒng)電源，1～17為分段開關(guān)，L1～L17為饋線區(qū)段，K1～K3為分布式電源DG1～DG3接入配電網(wǎng)的開關(guān)，若分布式電源接入配電網(wǎng)則對應(yīng)的開關(guān)Kj(j=1,2,3)取值為1，否則為0。

圖1　含分布式電源的算例配電網(wǎng)結(jié)構(gòu)

利用Matlab對算法進(jìn)行編程，其中的相關(guān)參數(shù)設(shè)定：種群搜索空間維數(shù)為17，聲波頻率最小值取0，最大值取2，蝙蝠脈沖速率和脈沖音強(qiáng)初始值均取作0.25，適應(yīng)度值最小值連續(xù)出現(xiàn)次數(shù)K=20，最大迭代次數(shù)設(shè)定為300。

利用本文所提出的故障定位算法對算例配電網(wǎng)進(jìn)行了多種不同情況下的故障區(qū)段定位仿真，以驗證該算法的可靠性和容錯性。下面對FTU上傳信息未發(fā)生畸變和發(fā)生畸變兩種情況進(jìn)行分析，并又將上述兩種情況分為接入分布式電源和未接入分布式電源兩種形式進(jìn)行故障定位，具體的故障定位仿真結(jié)果如表1、表2所示。

表1　無畸變信息的故障定位仿真結(jié)果

表2　發(fā)生畸變的故障定位仿真結(jié)果

由表1可以看出，在FTU上傳的電流狀態(tài)信息未發(fā)生畸變的情況下，能準(zhǔn)確地定位接入分布式電源或者未接入分布式電源的配電網(wǎng)單重和多重故障區(qū)段。從表2 可以看出，當(dāng)電流信息狀態(tài)值發(fā)生畸變時，也可以很準(zhǔn)確地對多種情況的故障區(qū)段進(jìn)行定位。故障定位結(jié)果分析表明，本文方法具有一定的容錯性和可靠性，能夠?qū)崿F(xiàn)對配電網(wǎng)多種故障形式進(jìn)行準(zhǔn)確定位。

為驗證CBA算法的有效性，本文還采用了BA，PSO，GA算法對上述模型進(jìn)行了仿真測試，并使用平均迭代次數(shù)和平均陷入局部最優(yōu)的次數(shù)作為檢驗的標(biāo)準(zhǔn)進(jìn)行對比，對比結(jié)果如表3所示。結(jié)果表明，基于混沌優(yōu)化的蝙蝠算法，由于引入了混沌優(yōu)化策略，其性能明顯得到提高，比BA，PSO，GA算法收斂速度更快，且不易陷入局部極值，可以得到較好的故障定位效果。

表3　算法仿真結(jié)果比較

4　結(jié)論

本文提出了一種基于混沌優(yōu)化蝙蝠算法的含分布式電源配電網(wǎng)故障區(qū)段定位方法。算法采用了混沌策略對部分最優(yōu)個體進(jìn)行了混沌優(yōu)化，使搜索后期種群多樣性增加，并跳出局部最優(yōu)的限制。同時，對含分布式電源的配電網(wǎng)開關(guān)函數(shù)進(jìn)行了改進(jìn)，使其更加適應(yīng)分布式電源接入配電網(wǎng)的故障區(qū)段定位。定位結(jié)果和對比結(jié)果表明，基于混沌優(yōu)化蝙蝠算法的配電網(wǎng)故障區(qū)段定位方法具有很好定位效果，并具有一定的容錯性。

[1]王進(jìn)強(qiáng),陳少華.基于改進(jìn)遺傳算法的含分布式電源的配電網(wǎng)故障定位[J].電力科學(xué)與工程, 2013, 29(12): 13 -17.

[2]呂航.Petri網(wǎng)和冗余糾錯技術(shù)結(jié)合的配電網(wǎng)故障區(qū)段定位新方法[J].中國電機(jī)工程學(xué)報,2004,24(10):61-67.

[3]劉文軒,嚴(yán)鳳,田霖,等.基于LVQ神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)故障定位方法[J].電力系統(tǒng)保護(hù)與控制, 2012, 40 (5): 90-95.

[4]黃佳樂,楊冠魯.配電網(wǎng)故障區(qū)間定位的改進(jìn)矩陣算法[J].電力系統(tǒng)保護(hù)與控制,2014,42(11):41-45.

[5]王進(jìn)強(qiáng),陳少華,尹雁和,等.含分布式電源的配電網(wǎng)故障區(qū)間定位算法[J].電力科學(xué)與工程,2011,27(2):25-29.

[6]劉長平,葉春明.具有混沌搜索策略的蝙蝠優(yōu)化算法及性能仿真[J].系統(tǒng)仿真學(xué)報, 2013, 25 (6): 1183-1188.

[7]付家才,陸青松.基于蝙蝠算法的配電網(wǎng)故障區(qū)間定位[J].電力系統(tǒng)保護(hù)與控制, 2015, 43 (16):100-105.

[8]朱紅求, 陽春華，桂衛(wèi)華，等. 一種帶混沌變異的粒子群優(yōu)化算法[J].計算機(jī)科學(xué), 2010, 37(3): 215- 217.

[9]馬迎東,王文棟,溫強(qiáng).基于混沌搜索策略蝙蝠算法的輸電網(wǎng)規(guī)劃[J].電力系統(tǒng)保護(hù)與控制,2015,43(15):17-21.

[10]周湶,鄭柏林,廖瑞金,等.基于粒子群和差分進(jìn)化算法的含分布式電源配電網(wǎng)故障區(qū)段定位[J].電力系統(tǒng)保護(hù)與控制,2013,41(4):33-37.

[11]劉鵬程,李新利.基于多種群遺傳算法的含分布式電源的配電網(wǎng)故障區(qū)段定位算法[J].電力系統(tǒng)保護(hù)與控制,2016,44(2):36-41.

Fault Location of Distribution Network with Distributed Generation Based on Chaos Optimization Algorithm

LIU Yanni1, GONG Maofa1, WANG Laihe1, GONG Zheng2

(1. Shandong University of Science and Technology, Qingdao 266590, China;2. State Grid Shandong Weifang Electric Power Company, Weifang 261000, China)

Aiming at the fault section location problem for the distribution network with distributed generation, this paper improves the existing switching function, and furthermore, puts forward a new method based on chaos optimization. The global searching ability of the bat algorithm is applied to the distribution network for searching and positioning of the fault section, in the light of the weak point of bat algorithm, which is easy to fall into local optimum, chaos strategy on the part of the best individual optimization is used. So the convergence speed accelerates with its positioning accuracy improved as well. By setting up a distribution network model of an instance, some analysis is launched, and the results show that the algorithm can be applied to the fault section location of distribution network with distributed generation and is relatively practical.

distributed generation; distribution network; fault section location; bat algorithm; chaos optimization

2016-05-31。

山東省自然科學(xué)基金(ZR2012EEM021)。

柳巖妮(1991-)，女，碩士研究生，主要從事電力系統(tǒng)自動化的研究，E-mail：yanniliu99@163.com。

TM711

A

10.3969/j.issn.1672-0792.2016.08.003