一种基于改进Jaya算法的多源配电网故障定位方法

一种基于改进jaya算法的多源配电网故障定位方法
技术领域
1.本发明属于配电网故障定位领域，具体一种基于改进jaya算法的多源配电网故障定位方法。


背景技术：

2.随着多类型分布式能源广泛接入配电网，使配电网从传统的单源辐射状网络变成含多类型分布式能源的多源配电网。异构分布式电源运行特性的差异，很大程度上改变了配电网原有的拓扑结构和潮流方向。同时，随着社会生活对于电网供电可靠性的提升，配电网发生故障时需要更加快速准确地确定故障区段并将其隔离。
3.因此停电时间更短、故障处理更加高效、以馈线终端设备(feeder terminalunit,ftu)为基础的故障定位技术逐渐得到发展，主要通过如矩阵算法或人工智能算法及其优化算法来进行配电网的故障定位。但当前研究大多局限于单电源网络，缺乏对于含多类型分布式电源配电网故障的考虑。


技术实现要素：

4.为解决现有技术中的不足，本发明的目的在于提供一种基于改进jaya算法的多源配电网故障定位方法，以实现快速准确的故障定位，提高供电可靠性和配电系统的自愈能力。为达到上述目的，本发明所采用的技术方案是：
5.一种基于改进jaya算法的多源配电网故障定位方法，包括：
6.通过预先构建的故障定位模型计算多源配电网各处开关故障状态下的评价函数值，采用基于混沌理论的jaya算法对评价函数值进行寻优，获取最优解，通过最优解确定故障点；
7.其中：故障定位模型的构建过程包括设置故障电流信息编码方案；建立开关函数以及评价函数；通过开关函数，计算各开关处的函数取值，根据各开关的函数取值，基于评价函数计算该故障状态下的评价函数值；
8.所述基于混沌理论的jaya算法对评价函数值寻优的方法：
9.设置初始化参数，初始化参数包括：种群数，变量维数和迭代次数；其中变量维数为开关总数；
10.根据设置的参数生成个体取值，代表多源配电网中各处开关的运行状态；
11.计算个体所代表的多源配电网不同故障情况的评价函数值，作为个体适应度值；
12.比较种群中不同个体适应度的大小，获取种群中的最优解和最劣解；
13.通过logistic混沌映射函数修正个体位置迭代公式中随机数的取值；
14.通过个体位置迭代公式获得新一代个体取值；
15.计算新一代个体适应度值，获取种群中的最优解和最劣解；
16.根据最优解和最劣解修正变量得到修正解；
17.对比修正解和原最优解，若修正解小于原最优解则将修正解作为最优解，若原最
优解小于修正解则保留原最优解；
18.满足收敛条件或超过最大迭代次数时，结束寻优过程，输出最优解，即故障定位结果。
19.进一步地，设置故障电流信息编码方案的方法为：
20.当检测到系统主电源端至监测节点方向的故障电流信息时将其记为1；当检测到分布式电源端至监测节点方向的信息时，将其记为-1；没有监测到故障流信息时则记为0，正方向为系统主电源到故障线路的方向，检测的开关状态信息为：
[0021][0022]
进一步地，所述开关函数为：
[0023][0024]
式中：∑
||
表示逻辑或运算；k
j.up
、k
j.down
分别为第j号开关上、下游的电源系数，若处于并网运行状态，系数则取1，反之取0；x
j2g.up
、x
j2g.down
分别为第j号开关到上游区域电源、下游区域电源路径上所经历的馈线区段状态值；x
j.up
(m)、 x
j.down
(n)分别是第j号开关上游和下游区域中的各馈线区段的状态值，当馈线发生故障，该值取1，否则取0；m、n分别为第j号开关上、下游区域馈线区段总数。
[0025]
进一步地，所述评价函数为：
[0026][0027]
式中：ij为第j号开关处的ftu实际检测到的状态信息值；为第j号开关的开关函数期望值；p为开关总数量；ω是权重系数，取值区间为[0,1]；sb(j)为区段状态；q为配电网中馈线区段数量。
[0028]
进一步地，所述基于混沌理论的jaya算法包括：选取logistic混沌映射函数：
[0029]yu+1
＝μyu(1-yu)
ꢀꢀꢀꢀꢀꢀꢀꢀ
u＝1，2，3...
ꢀꢀꢀꢀ
(5)
[0030]
式中：控制参数μ∈(0,4]，yu∈(0,1)。当3.5699...《μ≤4时，系统处于混沌状态。且μ＝4 时，系统处于完全混沌状态。
[0031]
进一步地，所述基于混沌理论的jaya算法还包括：算法中的个体编码修正：
[0032][0033]
式中：《
·
》表示四舍五入取整；ξ为修正阈值，这里取maxf/2；x
′
和x分别表示修正解与原解。
[0034]
与现有技术相比，本发明所达到的有益效果：所提方法可以解决针对不同分布式能源分布情况下单、多重故障的故障定位问题，并且可以处理包含简单畸变信息的故障定位。通过提出jaya算法求解配电网故障定位模型，在此基础上将混沌理论与jaya算法进行
融合，并通过优化随机数的设置，不仅改善了传统智能算法易收敛于局部最优的缺陷，而且提高了故障定位的效率。
附图说明
[0035]
图1是本发明实施例提供的一种基于改进jaya算法的多源配电网故障定位方法的流程示意图；
[0036]
图2是本发明实施例采用的jaya算法流程图；
[0037]
图3是本发明实施例采用的改进配电网算例结构图。
具体实施方式
[0038]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0039]
如图1所示，一种基于改进jaya算法的多源配电网故障定位方法，包括：
[0040]
s1：根据有源配电网含有多种分布式电源的特征建立故障定位模型，其中包括：设置故障电流信息编码方案；建立开关函数以及形成模型评价函数。
[0041]
s2：对jaya算法进行优化处理，其中包括：基于混沌理论优化变量位置迭代；个体编码的变量修正；
[0042]
s3：基于s1所述模型，通过s2的改进算法进行求解计算。
[0043]
步骤s1，根据有源配电网含有多种分布式电源的特征建立故障定位模型，具体为：
[0044]
s11：设置故障电流信息编码方案；
[0045]
ftu可以监测开关节点上的故障过流信息，当检测到系统主电源端至监测节点方向的故障电流信息时将其记为1；当检测到分布式电源端至监测节点方向的信息时，将其记为-1；没有监测到故障流信息时则记为0。现假定正方向为系统主电源到故障线路的方向，因此检测的开关状态信息如下：
[0046][0047]
s12：建立开关函数；
[0048]
首先根据开关所在位置将配电网划分成上、下游区域，开关至系统电源所连线路为上游区域，开关至分布式电源所连线路为下游区域。针对含有多类型分布式电源的配电网，通过在传统开关函数中加入分布式电源系数来表示电网中各电源的运行状态，如式(8)所示
[0049][0050]
式中：∑
||
表示逻辑或运算；k
j.up
、k
j.down
分别为第j号开关上、下游的电源系数，若处于并网运行状态，系数则取1，反之取0；x
j2g.up
、x
j2g.down
分别为第j号开关到上游区域电源、下游区域电源路径上所经历的馈线区段状态值；x
j.up
(m)、 x
j.down
(n)分别是第j号开关上游
和下游区域中的各馈线区段的状态值，当馈线发生故障，该值取1，否则取0；m、n分别为第j号开关上、下游区域馈线区段总数。
[0051]
s13：构建模型评价函数；
[0052]
根据定义的网络开关函数，在传统评价函数基础上进行改进，允许当并网运行的分布式电源上、下游区段故障时，故障电流方向不一致。构建有源配电网故障区段定位模型的评价函数，如式(9)所示
[0053][0054]
式中：ij为第j号开关处的ftu实际检测到的状态信息值；为第j号开关的开关函数期望值；p为开关总数量；ω是权重系数，取值区间为[0,1]，本文取0.5； sb(j)为区段状态；q为配电网中馈线区段数量。
[0055]
步骤s2，对jaya算法进行优化处理，包括：
[0056]
s21：jaya算法是一种新型基于种群的启发式优化算法。它可以用于解决有约束和无约束优化问题，其核心思想在于个体位置更新策略，要求候选解的变化应该逼近最优解，同时避免最坏解。与大多数启发式算法不同，算法不受任何特定参数的影响，因此，用户只需要设定简单的参数。
[0057]
传统jaya算法的求解流程如下：
[0058]
针对目标函数f(x)，xi＝,(x,1x2,
…
,x
i d),是第i个候选解的位置，d是变量维数。
[0059][0060]
式中：x
j,k,i
是第i次迭代中第k个候选对象的第j个变量的值(j＝1,2,
…
,d)；x
j,best,i
和x
j,worst,i
分别表示当前迭代变量j的种群最优解和最劣解；r
1,j,i
和r
2,j,i
表示第i次迭代中第j变量在[0,1]区间变化的两个随机数；其中，r
1,j,i
(x
j,best,i-|x
j,k,i
|)表示解靠近最优解的趋势，-r
2,j,i
(x
j,worst,i-|x
j,k,i
|)表示解远离最劣解的趋势。
[0061]
如果新的解方案提供更好的函数值则接受决策变量的新值。所有在迭代结束时被接受的函数值都会被保留，这些值将成为下一次迭代的输入。
[0062]
s22：基于混沌理论的jaya算法优化；
[0063]
对于jaya算法，在迭代过程中，随机值r较大时加快候选解趋于最优解速度，反之则会减慢。为了提升算法的寻优能力，本文提出一种基于混沌理论的 jaya算法位置更新公式随机值确定方法。混沌运动用来表征粒子在空间中的不规则运动，能在一定范围内按其自身的“规律”不重复地遍历所有状态。因此根据混沌映射获得的随机值具有随机性、遍历性，可以降低随机值选取对于算法寻优能力的影响，具有全局搜索能力强的优点。
[0064]
选取logistic混沌映射函数：
[0065]yu+1
＝μyu(1-yu)
ꢀꢀꢀꢀꢀꢀ
u＝1，2，3...
ꢀꢀꢀꢀꢀ
(11)
[0066]
式中：控制参数μ∈(0,4]，yu∈(0,1)。当3.5699...《μ≤4时，系统处于混沌状态。且μ＝4 时，系统处于完全混沌状态。
[0067]
s23：算法中的个体编码修正；
[0068]
配电网ftu所上传的信息根据电流编码其数值区间为[-1,1]。在寻优过程中，个体
中的变量寻优结果应逐渐趋向于区间内的整数值。为了加快迭代收敛速度，通过设置阈值优化个体编码，在个体适应度值小于该阈值时，可以根据式(12) 进行变量修正，加快候选解向最优解逼近。
[0069][0070]
式中：《
·
》表示四舍五入取整；ξ为修正阈值，这里取maxf/2；x
′
和x分别表示修正解与原解。
[0071]
步骤s3，基于s1所述模型，通过s2的改进算法进行求解计算。
[0072]
(1)设置s2所提改进jaya算法的的基本参数，具体包括变量维数，变量上限和下限，迭代次数；设置logistics函数的参数，即控制参数；
[0073]
(2)初始化候选粒子集，即线路的运行状态矩阵，用来表征网络的线路故障情况，基于s1所述模型，计算候选粒子的适应度值；
[0074]
①
对故障网络进行简单潮流计算，得到网络各支路的功率流动情况；
[0075]
②
基于故障电流信息编码方案，根据
①
中线路功率流动情况确定线路的信息编码，以及线路运行状态；
[0076]
③
基于s12所提的开关函数和
②
中获得的线路信息编码，计算各开关处的函数取值；
[0077]
④
根据网络各开关的函数取值，基于s13所提评价函数计算方法，确定该故障状态下的评价函数值，即该粒子的适应度值。
[0078]
(3)当s2所提优化算法满足收敛条件或超过最大迭代次数时，结束寻优过程，输出最优解，即故障定位结果。
[0079]
实施例
[0080]
为了验证所提方法的可行性，本文基于含dg的ieee33节点配电网进行分析，网络如图3所示。其中，s为主网电源供电节点，黑点表示装设ftu的开关，dg1～dg3为分布式电源，由分布式电源开关控制其投切，从而反映不同分布式能源分布下的配电网结构。改进jaya算法的参数设置包括：种群数为50，最大迭代次数为100。
[0081]
仿真算例包含配电网在ftu上传信息无畸变时的单一、多重故障以及ftu 上传信息发生畸变时的多种故障定位试验。通过改变电源系数来模拟分布式电源的数量和分布位置差异，以显示模型在不同网络分布结构下的适应性。
[0082]
表1故障定位试验结果
[0083][0084]
由表1所示的试验结果，可以发现故障定位模型输出的判定结果与预设故障情况一致。即便受外界环境影响，部分开关处ftu上传的信息发生畸变时，模型仍能够完成对故障区间的准确识别。同时，也实现了对ftu畸变信息处的定位，体现出故障定位模型的容错性。
[0085]
此外，除了对算法的准确性进行分析对比外，算法求解速度也十分重要。本文针对算例配电网中的同一种故障情况分别采用不同的算法对故障定位模型进行求解计算，各算法重复进行100次试验，并求取指标的均值进行对比验证，以得出普遍性结论，试验结果见表2。
[0086]
表2算法对比结果
[0087][0088]
如表2所示，本文将传统的遗传算法、粒子群算法作为对比分析的对象。根据计算结果可见，本文提出的jaya算法以及改进jaya算法在求解故障定位模型的计算速度上均优于传统算法，且保持着较高的准确性。改进的jaya算法可以进一步减少模型求解的计算时间，提高了配电网故障定位效率。
[0089]
综上所述，在含多dg的配电网络的故障定位中，无论是单重故障还是两重故障，所提出的改进jaya算法都能实现故障的准确定位，并且比传统算法拥有更快的求解速度，具有更好的寻优性能。
[0090]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。