一种基于分层模型与改进鲸鱼算法的配电网故障定位方法与流程

1.本发明涉及配电网故障定位技术领域，特别涉及了一种基于分层模型与改进鲸鱼算法的配电网故障定位方法。


背景技术：

2.随着大量分布式电源接入配电网，配电网的结构变得愈加复杂，这也给配电网故障定位带来干扰。而为保护配电网供电的稳定性和安全性，对配电网进行准确的故障定位是故障态势感知的重要部分。
3.在有源低压配电网的故障定位研究中，由于低压配电网线路短，支路多，节点多，分布式电源容量小数量多等复杂情况，所以使得故障电流方向不一，传统的故障定位方法难以精确定位到故障区段，并且由于节点众多使得计算过程过于复杂。而现有的启发式算法在求解过程中存在求解时间长、容易陷入局部最优的情况。因此亟需一种高精度、高速度的配电网故障定位方法，当配电网中某一线路发生短路故障时，馈线终端单元(ftu)能够将检测信息上传至控制中心，通过智能算法计算定位故障。


技术实现要素：

4.本发明的目的是克服现有技术中配电网故障定位存在的求解时间长、精度低，且容易陷入局部最优的情况的问题，提供了一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，有效降低了搜索维度，具有较高的精度和较快的搜索速度，利用levy飞行策略避免了陷入局部最优。
5.为了实现上述目的，本发明采用以下技术方案：一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，包括下列步骤：
6.s1：构建配电网各节点处状态函数；
7.s2：读取配电网拓扑结构，加入分层模型简化拓扑结构；
8.s3：通过加入自适应权重和levy飞行的改进鲸鱼算法求解分层模型，并输出最优解，得到当前故障区段；
9.s4：读取故障区段内上传的ftu信息，利用所述改进鲸鱼算法再次求解得出具体故障位置。
10.本技术引入了分层模型，将配电网故障定位问题分为了故障区域定位和故障区域中故障点定位问题，利用改进的鲸鱼算法，进行两次求解，第一次求出故障区域，第二次求解得出故障区域中的故障位置，有效降低了搜索维度，具有较高的精度和较快的搜索速度。具体的：首先建立含分布式电源接入配电网的故障电流编码，构建开关函数；再通过ftu上传的故障检测信息通过人工智能算法进行计算得出配电网故障区段。
11.作为优选，所述步骤s3进一步包括：
12.s3.1：设置优化算法参数，随机生成初始解；
13.s3.2：判断是否达到最大迭代次数，若是，则输出最优结果，若否，执行步骤s3.3；
14.s3.3：计算目标函数值以及当前种群的最优解，更新算法参数a、c、a、i、p；
15.s3.4：判断算法参数的值与预设值的关系，根据判断结果执行不同的位置更新策略，并在位置更新后，根据levy飞行，比较优化前后目标函数值，选取最优个体，回到步骤s3.2。
16.在对位置进行更新后，为防止陷入局部最优，加入levy飞行策略，选取最优个体，输出的最优解即当前的故障区段信息。其中，a是随着迭代次数的增加从2到0线性递减；c＝2r2，r2为[0,1]之间随机数；a＝2a*r
1-a,r1为[0,1]之间随机数；i为[-1,1]之间的随机数；p为每次迭代中都会产生的一个[0,1]之间的随机数。
[0017]
作为优选，所述步骤s3.3中，根据判断结果执行不同的位置更新策略包括：
[0018]
s3.3.1：判断p是否小于0.5，若否，则进行自适应权重的螺旋式位置更新；
[0019]
s3.3.2：若p不小于0.5，则判断a的绝对值是否大于1，若是，则利用自适应惯性权重随机选取，进行位置更新；
[0020]
s3.3.3：若a的绝对值不大于1，则随机更新位置。
[0021]
p为每次迭代中都会产生的一个为[0,1]之间的随机数；根据p的取值采取不同的优化策略。
[0022]
作为优选，根据判断结果执行不同的位置更新策略包括：
[0023]
令目标函数最小的为当前最佳个体x
*
＝{a
1*
,a
2*
,
……
,a
n*
}，个体位置xj＝{a
1j
,a
2j
,
……
,a
nj
}，则个体位置在最佳个体影响的下一个位置为：
[0024][0025]
式中，p为每次迭代中都会产生的一个[0,1]之间的随机数，t为当前迭代次数，t为最大迭代次数，a＝2a
·r1-a，a是随着迭代次数的增加从2到0线性递减，r1为[0,1]之间随机数；r2为[0,1]之间随机数；b为对数螺旋状常数；l为[-1,1]之间的随机数。
[0026]
根据p的取值采取不同的优化策略。j、n和*是为了区分出最佳个体和其他个体位置x所加的角标。
[0027]
作为优选，所述根据levy飞行，比较优化前后目标函数值包括：
[0028]
采用levy飞行策略更新位置：
[0029][0030]
式中代表点乘；step为随机步长，x(t+1)表示更新后的位置，x(t)表示更新前的位置，a＝2a*r
1-a,r1为[0,1]之间随机数，r2表示[0,1]之间随机数，x
rand
表示在当前种群中随机选择一个个体解；
[0031]
计算加入levy策略前后的目标函数值，若优化后的个体目标函数值小于优化前的目标函数值则保留个体位置和适应度值，否则舍弃该次优化后的个体位置。
[0032]
levy飞行策略，选取最优个体，防止求解结果陷入局部最优。
[0033]
作为优选，所述步骤s3.1进一步包括：
[0034]
初始化变量x＝{a1,a2,
……
,an}，式中x代表生成的不同诊断信息；an为各节点的状态信息变量，由0或1组成；
[0035]
设立目标函数：
[0036]
式中，ω为权重因子，取值为[0,1]，l为总开关节点数，k表示节点，i
*
(s)为k节点的状态函数，s表示群体总适应度，sk表示最小集；
[0037]
随机生成数量为m的变量x，并计算各变量的目标函数，得到初始解。
[0038]
作为优选，所述步骤s1中，各节点处状态函数为：
[0039][0040]
式中为k节点的状态函数；m和n代表k节点划分的上游和下游馈线区段总数；m1和n1代表上游和下游的电源数量；k
up
和k
down
取值为0或1，代表上游和下游电源的投切情况；s
k,down
代表节点k到下游电源区段的节点状态，代表节点k到上游电源区段的节点状态。
[0041]
当分布式电源接入配电网后，配电网的潮流分布、拓扑结构都会发生变化。规定以主电源到负载侧为电流正方向，那么当馈线发生短路时，分布式电源会提供反方向的故障电流。
[0042]
作为优选，所述步骤s2进一步表示为：
[0043]
所述分层模型将每条支路等效为一个节点，通过ftu上传信息，首先定位故障区域，再计算得出具体的故障点。
[0044]
当配电网中某一线路发生短路故障时，馈线终端单元(ftu)将检测信息上传至控制中心，通过智能算法计算定位故障。当配电网区域内支路发生故障时，对其他区段的状态函数是没有影响的，而对于区段内的节点影响却不确定。借此可引入分层模型，有效降低了搜索维度，具有较高的精度和较快的搜索速度。
[0045]
因此，本发明具有如下有益效果：1、通过引入分层模型，将配电网故障定位问题分为了故障区域定位和故障区域中故障点定位问题，进行两次求解，有效降低了搜索维度，具有较高的精度和较快的搜索速度；2、同时利用levy飞行策略从进行位置更新后的目标函数值中选取最优解，得到当前的故障区段信息，防止陷入局部最优。
附图说明
[0046]
图1为本发明方法的具体操作流程图。
[0047]
图2为本发明中求解分层模型得到最优解的步骤流程图。
具体实施方式
[0048]
下面结合附图与具体实施方式对本发明作进一步详细描述：
[0049]
如图1所示的实施例中，可以看到一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其操作流程为：步骤一，构建配电网各节点处状态函数；步骤二，读取配电网拓扑结构，加入分层模型简化拓扑结构；步骤三，通过加入自适应权重和levy飞行的改进鲸鱼算法求解分层模型，并输出最优解，得到当前故障区段；步骤四，读取故障区段内上传的ftu信息，利用所述改进鲸鱼算法再次求解得出具体故障位置。
[0050]
本技术引入了分层模型，将配电网故障定位问题分为了故障区域定位和故障区域中故障点定位问题，通过改进的鲸鱼算法进行两次求解：首先建立含分布式电源接入配电网的故障电流编码，构建开关函数；再通过ftu上传的故障检测信息通过人工智能算法进行计算得出配电网故障区段。当配电网中某一线路发生短路故障时，馈线终端单元(ftu)将检测信息上传至控制中心，通过智能算法计算定位故障。有效降低了搜索维度，具有较高的精度和较快的搜索速度。
[0051]
下面通过具体的例子，进一步说明本技术的技术方案。
[0052]
第一步：构建配电网各节点处状态函数。
[0053]
当分布式电源接入配电网后，配电网的潮流分布、拓扑结构都会发生变化。规定以主电源到负载侧为电流正方向，那么当馈线发生短路时，分布式电源会提供反方向的故障电流。可用下式表示：
[0054][0055]
式中ik表示第k个节点处ftu上传的信息编码。
[0056]
各节点处的状态函数表示为：
[0057][0058]
式中为k节点的状态函数；m和n代表k节点划分的上游和下游馈线区段总数；m1和n1分别代表上游和下游的电源数量；k
up
和k
down
取值为0或1，代表上游和下游电源的投切情况；s
k,down
代表节点k到下游电源区段的节点状态，代表节点k到上游电源区段的节点状态。
[0059]
第二步：读取配电网拓扑结构，加入分层模型简化拓扑结构。
[0060]
当配电网区域内支路发生故障时，对其他区段的状态函数是没有影响的，而对于区段内的节点影响却不确定。借此可引入分层模型，将每条支路等效为一个节点。即通过
ftu上传信息，首先定位故障区域，再计算得出具体的故障点。
[0061]
第三步：通过加入自适应权重和levy飞行的改进鲸鱼算法求解分层模型，并输出最优解，得到当前故障区段。
[0062]
具体计算流程如图2所示：
[0063]
设置优化算法参数，随机生成初始解，判断是否达到最大迭代次数，若是，则输出最优结果，若不是，则进行位置更新。对于更新后的位置，根据levy飞行，比较优化前后目标函数值，选取最优个体，得到新的解，再判断是否达到最大迭代次数，若是，则将得到的新的解最为最优结果，否则，继续更新，直到达到最大迭代次数。
[0064]
进行位置更新时：
[0065]
首先计算目标函数值以及当前种群的最优解，更新算法参数a、c、a、i、p，判断p是否小于0.5，若否，则进行自适应权重的螺旋式位置更新；若是，则判断a的绝对值是否大于1，若a的绝对值大于1，则利用自适应惯性权重随机选取，进行位置更新；若a的绝对值不大于1，则随机更新位置。
[0066]
其中，a是随着迭代次数的增加从2到0线性递减；c＝2r2，r2为[0,1]之间随机数；a＝2a*r
1-a,r1为[0,1]之间随机数；i为[-1,1]之间的随机数；p为每次迭代中都会产生的一个[0,1]之间的随机数。
[0067]
其计算过程为：
[0068]
1、设置优化算法参数，随机生成初始解。
[0069]
初始化变量x＝{a1,a2,
……
,an}，式中x代表生成的不同诊断信息；an为各节点的状态信息变量，由0或1组成；
[0070]
设立目标函数：
[0071]
式中，ω为权重因子，取值为[0,1]，l为总开关节点数，k表示节点，i
*
(s)为k节点的状态函数，s表示群体总适应度，sk表示最小集；
[0072]
随机生成数量为m的变量x，并计算各变量的目标函数。
[0073]
2、进行位置更新。
[0074]
令目标函数最小的为当前最佳个体x
*
＝{a
1*
,a
2*
,
……
,a
n*
}，个体位置xj＝{a
1j
,a
2j
,
……
,a
nj
}，则个体位置在最佳个体影响的下一个位置为：
[0075][0076]
式中，p为每次迭代中都会产生的一个[0,1]之间的随机数，t为当前迭代次数，t为最大迭代次数，a＝2a
·r1-a，a是随着迭代次数的增加从2到0线性递减，r1为[0,1]之间随机数；r2为[0,1]之间随机数；b为对数螺旋状常数；l为[-1,1]之间的随机数。
[0077]
3、levy飞行策略选取最优个体。
[0078]
在以上述公式进行更新后，为防止陷入局部最优，加入levy飞行策略。
[0079]
计算加入levy策略更新位置前后的目标函数值，若优化后的个体目标函数值小于优化前的目标函数值则保留个体位置和适应度值，否则舍弃该次优化后的个体位置。
[0080]
levy飞行策略更新位置方法如下：
[0081][0082]
式中代表点乘；step为随机步长，x(t+1)表示更新后的位置，x(t)表示更新前的位置，a＝2a*r
1-a,r1为[0,1]之间随机数，r2表示[0,1]之间随机数，x
rand
表示在当前种群中随机选择一个个体解。
[0083]
第四步：读取故障区段内上传的ftu信息，再次求解得出具体故障位置。
[0084]
当达到最大迭代次数时结束搜索，输出的最优解即当前的故障区段信息。读取故障区段内上传的ftu信息，再次求解得出具体故障位置。
[0085]
本技术通过引入分层模型，将配电网故障定位问题分为了故障区域定位和故障区域中故障点定位问题，进行两次求解，有效降低了搜索维度，具有较高的精度和较快的搜索速度。同时利用levy飞行策略从进行位置更新后的目标函数值中选取最优解，得到当前的故障区段信息，防止陷入局部最优。
[0086]
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

技术特征：
1.一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，包括以下步骤：s1：构建配电网各节点处状态函数；s2：读取配电网拓扑结构，加入分层模型简化拓扑结构；s3：通过加入自适应权重和levy飞行的改进鲸鱼算法求解分层模型，并输出最优解，得到当前故障区段；s4：读取故障区段内上传的ftu信息，利用所述改进鲸鱼算法再次求解得出具体故障位置。2.根据权利要求1所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，所述步骤s3进一步包括：s3.1：设置优化算法参数，随机生成初始解；s3.2：判断是否达到最大迭代次数，若是，则输出最优结果，若否，执行步骤s3.3；s3.3：计算目标函数值以及当前种群的最优解，更新算法参数a、c、a、i、p；s3.4：判断算法参数的值与预设值的关系，根据判断结果执行不同的位置更新策略，并在位置更新后，根据levy飞行，比较优化前后目标函数值，选取最优个体，回到步骤s3.2。3.根据权利要求2所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，所述步骤s3.3中，根据判断结果执行不同的位置更新策略包括：s3.3.1：判断p是否小于0.5，若否，则进行自适应权重的螺旋式位置更新；s3.3.2：若p不小于0.5，则判断a的绝对值是否大于1，若是，则利用自适应惯性权重随机选取，进行位置更新；s3.3.3：若a的绝对值不大于1，则随机更新位置。4.根据权利要求2或3所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，根据判断结果执行不同的位置更新策略包括：令目标函数最小的为当前最佳个体x
*
＝{a
1*
,a
2*
,,a
n*
}，个体位置x
j
＝{a
1j
,a
2j
,,a
nj
}，则个体位置在最佳个体影响的下一个位置为：式中，p为每次迭代中都会产生的一个[0,1]之间的随机数，t为当前迭代次数，t为最大迭代次数，a＝2a
·
r
1-a，a是随着迭代次数的增加从2到0线性递减，r1为[0,1]之间随机数；r2为[0,1]之间随机数；b为对数螺旋状常数；l为[-1,1]之间的随机数。5.根据权利要求2或3所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，所述根据levy飞行，比较优化前后目标函数值包括：采用levy飞行策略更新位置：
式中代表点乘；step为随机步长，x(t+1)表示更新后的位置，x(t)表示更新前的位置，a＝2a*r
1-a,r1为[0,1]之间随机数，r2表示[0,1]之间随机数，x
rand
表示在当前种群中随机选择一个个体解；计算加入levy策略前后的目标函数值，若优化后的个体目标函数值小于优化前的目标函数值则保留个体位置和适应度值，否则舍弃该次优化后的个体位置。6.根据权利要求3或4所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，所述步骤s3.1进一步包括：初始化变量x＝{a1,a2,,a
n
}，式中x代表生成的不同诊断信息；a
n
为各节点的状态信息变量，由0或1组成；设立目标函数：式中，ω为权重因子，取值为[0,1]，l为总开关节点数，k表示节点，i
*
(s)为k节点的状态函数，s表示群体总适应度，s
k
表示最小集；随机生成数量为m的变量x，并计算各变量的目标函数，得到初始解。7.根据权利要求1所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，所述步骤s1中，各节点处状态函数为：式中为k节点的状态函数；m和n代表k节点划分的上游和下游馈线区段总数；m1和n1分别代表上游和下游的电源数量；k
up
和k
down
取值为0或1，代表上游和下游电源的投切情况；s
k,down
代表节点k到下游电源区段的节点状态，代表节点k到上游电源区段的节点状态。8.根据权利要求1所述的一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，其特征在于，所述步骤s2进一步表示为：所述分层模型将每条支路等效为一个节点，通过ftu上传信息，首先定位故障区域，再计算得出具体的故障点。

技术总结
本发明公开了一种基于分层模型与改进鲸鱼算法的配电网故障定位方法，克服现有技术中存在的配电网故障定位存在的求解时间长、精度低，且容易陷入局部最优的情况的问题，包括以下步骤：S1：构建配电网各节点处状态函数；S2：读取配电网拓扑结构，加入分层模型简化拓扑结构；S3：通过加入自适应权重和Levy飞行的改进鲸鱼算法求解分层模型，并输出最优解，得到当前故障区段；S4：读取故障区段内上传的FTU信息，利用所述改进鲸鱼算法再次求解得出具体故障位置。有效降低了搜索维度，具有较高的精度和较快的搜索速度，利用Levy飞行策略避免了陷入局部最优。入局部最优。入局部最优。


技术研发人员：肖龙海 施海峰 沈华 袁国珍 郭磊 朱新 杨晓雷 方江晓 王跃强 周一鸣 高忠旭 樊卡 张扬
受保护的技术使用者：国网浙江省电力有限公司海宁市供电公司
技术研发日：2023.06.09
技术公布日：2023/10/6