基于多代理系统的配电网故障定位及供电恢复研究

《基于多代理系统的配电网故障定位及供电恢复研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1．1课题背景与研究意义华北电力大学硕士学位论文第1章绪论近年来，随着电力需求的不断增长，人们对供电的可靠性和供电质量要求越来越高。目前，由于我国城乡的配电网大都是采用单辐射树状方式，尤其是城市郊区IOkV馈电线路更是以架空线路为主，在恶劣的天气时有发生接地和短路故障，这对电网的安全可靠供电造成了严重的影响。目前，查找故障点仍然采用人工巡视的方法，当故障发生在恶劣天气，或线路处于地形复杂地区以及夜间的时候，会给巡视人员查找故障造成很大的困难。常常出现故障点比较隐蔽，查找故障点用了很长的时间，而故障却很容易处理，造成线路全线停电时间过长，严重影响供电可靠

2、性。分布式电源(DistributedGeneration，DG)对提高电网的安全可靠性、经济性及灵活性等方面有积极的作用【I】。然而DG的引入使得配电网从原有的放射状网络变成含有中小型电源的多电源网络，这给配电网的继电保护带来了很大影响，使故障定位方案变得更加复杂。因此，配电线路故障的快速、准确定位，不仅对修复线路和保证可靠供电，而且对保证整个电力系统的安全稳定和经济运行都有十分重要的作用【2】。然而，配电网自身的结构特点和负荷特点决定了网络设备故障的多发性和随时性，单纯依靠继电保护装置来隔离故障设备很难达到较好的效果。因此，需要对配电网故障后快速恢

3、复供电展丌研究，快速、准确的配电网供电恢复策略可以减少停电损失，提高供电可靠性。恢复策略的制定是供电恢复系统中的核心部分，具有重要的研究意义。近年来，由于Agent自身具有较强的自主能力、信息沟通能力和适应能力，因此被广泛应用于规划、控制、网络重构的通讯以及协作系统中。而DG在配电网的应用也日益广泛，应用多Agent系统(Multi．AgentSystem，MAS)理论对含DG的配电网的故障定位及供电恢复问题进行研究，有一定的理论创新性和实际意义13‘⋯。1．2常见的故障定位和供电恢复算法常见的故障定位方法有矩阵法和各种智能算i去【10。141。矩阵法

4、的基本原理是根据馈线自动化终端(FeederTerminalUnit，FTU)上传的故障信息来进行定位，短路电流被馈线终端FTU检测到并实时将故障信息传送给配网控制中心的SCADA系统，SCADA系统根据收到的故障信息修改网络描述矩阵以得到故障判断矩阵，再运用故障判据快速判断}_}{故障区域，并由SCADA发送跳闸命令隔离故障区域。对华北电力大学硕士学位论文于单电源网络，馈线的正方向即为功率的正方向，对多电源网络，需假定功率流向的正方向，以便网络描述矩阵的形成和故障电流正负向的判断。由于SCADA系统中进行矩阵算法只需要知道各节点是否有故障电流，故FT

5、u的整定值不需按不同地点的而设定不同值。故障区段位于最后一个经历了故障电流的节点和第一个未经历故障电流或经过负向(与假定正方向不同)电流的节点之间。用于故障定位的智能算法主要包括遗传算法和各类优化算法，而优化算法中的典型代表是二进制粒子群算法。基于遗传算法的故障定位同样需要利用FTu的过流信息，主要由编码、评价函数的构造、形成初始解群、遗传操作和译码等组成。遗传算法不直接与参数打交道而是用0、1数字串的编码代表参数。为此必须先将参数编码成二进制的数字串，用数字串来表示问题的解。首先要确定在故障时的各设备状态是属故障或正常。在遗传操作中，评价函数是评价解

6、的性能的依据，性能好的解的优良性能遗传给下一代。评价函数的构造取决于配电网的拓扑结构，只要稍有偏差便会导致定位结果出错。在主站接收到故障信息时，根据进线断路器的保护信息(速断、限时速断、过流)的不同形成不同的初始解群，解群的个数为Ⅳ。若保护信息为速断，则初始解群中进线断路器出口处设各状态为1(设备故障)的解多一些，若为限时速断，则配网中问处设备状态为1的初始解多一些，若为过流，则位于配网末端的初始解多一些。这样可以大大地降低遗传算法的搜索次数。计算每个初始解的适应值时，从中选出适应值较大的解，组成匹配集。由于分段开关函数的屏蔽作用，对于适应值相同的初始

7、解，只取其中的任意一个。遗传操作包括选择、交叉和变异操作过程。选择操作如下：位于网络匹配集的前10％用于存放目前出现的适应值最高的解，遗传操作过程中只有出现性能更好的解时才替换这一部分，匹配集中其余解用“转轮法”选出。交叉操作体现了信息交换的思想，将匹配集中的数字串任意配对，随机的选择位置，交换两个数字串右边的部分，产生的新个体继承了父代个体的特性。变异发生的概率较低，变异为新解的产生提供了机会，将l变为0或将0变为1。在众多的优化算法中，近年来发展利用的粒子群算法是较好的优化算法之一，粒子群算法PSO[”J(ParticleSwarmOptimiza

8、tion)是Kennedy和Eberhart博士于1995年提出的一种新的群体智能演化算法。该