一种配电网故障定位方法及系统与流程

1.本技术涉及配电网故障定位技术领域，尤其涉及一种配电网故障定位方法及系统。


背景技术：

2.配电网自动化是提高配电网运行智能化和自愈性的重要手段。其中，馈线自动化是其主要功能之一，即配电网故障后，根据配电自动化终端单元上报的故障信息快速找到故障区段并隔离，迅速恢复非故障失电负荷的供电。配电网的故障区段定位是馈线自动化的基础，对于提高供电可靠性具有重要意义。
3.目前对配电网故障区段的识别主要是基于电流信息实现。随着配电自动化终端的广泛应用，基于过电流信息的故障区段d-s证据理论定位方法也被广泛应用。传统d-s证据理论定位方法应用过程为：首先配电自动化终端的终端传感器设备采集电网的各项数据作为原始信息；发生故障后，经过一定方式将监测数据综合生成证据源bpa(basic probabi l ity assignment，基本概率分配)；最后通过d-s理论合成规则对证据源bpa进行合成，根据最终得到的合成结果判断是否发生故障。
4.但是，传统d-s证据理论定位方法只是使用一种证据源，当配电网多个区段同时发生故障时，仅靠单一证据源来进行故障定位往往容易出现误判；而且当配电网某区段发生故障时，若该区段的分段开关位置未安装配电自动化终端或者安装了但是发生了误报漏报的情况，或者当多个配电自动化终端发生误报漏报时，传统d-s证据理论定位方法准确率将大大降低甚至失效，仅利用传统单一证据源的故障区段定位方法将产生误判断。


技术实现要素：

5.本技术提供了一种配电网故障定位方法及系统，以解决传统d-s证据理论定位方法只是使用一种证据源，仅利用传统单一证据源的故障区段定位方法将产生误判断的问题。
6.第一方面，本技术提供一种配电网故障定位方法，所述方法包括：
7.当接收到配电自动化终端发送的故障过流告警信息时，使用遗传算法优化求解，得到第一可疑区段集，所述第一可疑区段集用于作为第一识别框架，包括：
8.将配电自动化终端的故障过流告警信息用二进制码表示，以生成第一信息编码；
9.生成第一随机初始种群；
10.构建第一适应度函数；
11.对第一随机初始种群中个体进行选择、交叉和变异；
12.判断遗传算法收敛以及第一信息译码，得到第一可疑区段集，所述第一可疑区段集用于作为第一识别框架；
13.根据第一可疑区段集，生成第一证据源基本概率分配；
14.当接收到电力用户用电信息采集系统中负荷监测点发送的失电区域告警信息时，
为电力用户用电信息采集系统中负荷监测点的数量。
34.可选的，所述判断遗传算法收敛以及第二信息译码，得到第二可疑区段集，所述第二可疑区段集用于作为第二识别框架的步骤包括：当达到收敛条件后，输出适应度值在前n的个体以及个体对应的总数；所述收敛条件设定为算法达到设定的迭代次数；将所述个体进行第二信息译码，得到第二可疑区段集，所述第二可疑区段集用于作为第二识别框架；所述第二信息译码为根据第二信息编码方式，将二进制码译码为可疑故障区段信息。
35.可选的，所述根据第二可疑区段集，生成第二证据源基本概率分配的步骤包括：
36.所述第二可疑区段集中的可疑故障区段的概率通过下式计算得出，得到第二证据源基本概率分配；
[0037][0038]
其中：m2(ri)为第二证据源对应可疑故障区段的概率值，ri为适应度值在前n的个体，c2(ri)为个体ri对应的总数，n为选定的适应度值靠前的个数。
[0039]
可选的，交叉概率设定为0.6，变异概率设定为0.01。
[0040]
可选的，所述yager合成公式为：
[0041][0042][0043][0044]
其中：a的平均支持度
[0045]
证据源为m1、m2、
…
、mn，其对应的证据集分别为f1、f2、
…
、fn，冲突因子为k，证据集fi和fj之间的冲突为k
ij
；
[0046]
证据的可信度其中：n为所用到的证据源总数。
[0047]
第二方面，本技术还提供一种配电网故障定位系统，包括：配电自动化终端，用于采集第一数据，并根据第一数据判断是否发送故障过流告警信息；电力用户用电信息采集系统，包括：负荷监测点，用于采集第二数据，并根据第二数据判断是否发送失电区域告警信息；分析模块，用于执行第一方面所述的一种配电网故障定位方法。
[0048]
本技术提供的一种配电网故障定位方法及系统，先通过遗传算法对配电自动化终端和电力用户用电信息采集系统的信息进行优化求解构建出故障判断所需证据源，再使用改进的yager合成公式融合证据源，对数据进行综合分析得到最终判定结果。所述定位方法不仅能对单一区段故障进行准确判断，还能够在多区段故障时进行准确判断，并能够在多
assignment，基本概率分配)。
[0066]
当θ的幂集为2
θ
到[0,1]的映射函数m满足式2.1，则称m为基本概率分配，又称mass函数或证据，其中使得m(a)》0的子集a称为焦元。
[0067][0068]
如一条证据(bpa)如下：m1(a1)＝0.2，m2(a2)＝0.6，m3(a3)＝0.3，则a1、a2、a3就是所有假设的可能集合，m值的大小表示该条证据对各个子集支持程度的大小。
[0069]
最后通过d-s理论合成规则对证据源bpa进行合成，根据最终得到的合成结果判断是否发生故障。
[0070]
d-s证据理论中对于多个证据的融合方式如下公式6.2所示，其中a1,a2,
…
,an为焦元，k为冲突系数，由公式6.3计算得出。
[0071][0072][0073]
当k＝0时，表示证据之间完全相容；
[0074]
当0《k《1时，表示证据部分相容，合成规则比较有效；
[0075]
当k＝1时，表示证据完全矛盾，该合成规则不再使用。
[0076]
但是，上述d-s证据理论定位方法只是使用一种证据源，当配电网多个区段同时发生故障时，仅靠单一证据源来进行故障定位往往容易出现误判；而且当配电网某区段发生故障时，若该区段的分段开关位置未安装配电自动化终端或者安装了但是发生了误报漏报的情况，或者当多个配电自动化终端发生误报漏报时，d-s证据理论定位方法准确率将大大降低甚至失效，仅利用传统单一证据源的故障区段定位方法将产生误判断。
[0077]
为了解决上述问题，本技术提供了一种配电网故障定位方法，如图1所示，所述方法包括：
[0078]
s100：配电自动化终端，采集第一数据。
[0079]
配电自动化终端是安装在配电网的各种远方监测、控制单元的总称，完成数据采集、控制和通信等功能，主要包括馈线终端、站所终端、配变终端等，简称配电终端。当配电网有故障发生时，配电自动化终端会根据采集的第一数据，向分析模块发送故障过流告警信息，作为第一原始信息。
[0080]
s200：判断是否接收到配电自动化终端发送的故障过流告警信息。
[0081]
如果接收到配电自动化终端发送的故障过流告警信息，说明配电自动化终端检测到配电网有故障发生，则进行步骤s300。
[0082]
如果没有接收到配电自动化终端发送的故障过流告警信息，说明配电自动化终端没有检测到配电网有故障发生，则跳到步骤s500。
[0083]
s300：使用遗传算法优化求解，得到第一可疑区段集，作为第一识别框架，如图4所示，包括：
[0084]
s301：将配电自动化终端的故障过流告警信息用二进制码表示，以生成第一信息编码。
[0085]
设定有故障过流告警信息的编码为1，无故障过流告警信息的编码为0。如图3所示，f1～f4为配电自动化终端设备，s1～s4是配电网线路划分的四个区段，当s2区段发生单相接地故障时，配电自动化终端信息编码为1100。
[0086]
s302：生成第一随机初始种群。
[0087]
遗传算法的初始种群个体的长度由线路的区段个数决定，例如，图3中配电网线路的区段个数为4个，则随机生成的初始种群中单个个体的长度为4，编码为1100的个体表示配电网线路有4个区段，且区段s1和/或s2发生故障。而种群中个体的总数量则根据具体情况进行设定，一般而言，种群的数量越大越具有多样性，容易出现最优解，但收敛速度则相应减慢，但种群数量过小则容易导致后续的最优个体求解出现陷入局部最优值的情况。故障区段判断是先由计算机生成拥有一定数量的初始种群，然后根据设定的适应度函数进行优化迭代。
[0088]
s303：构建第一适应度函数。
[0089]
遗传算法搜寻最优解得到最优个体的核心在于适应度函数的构建，其值是用来判断种群中不同个体适应度强弱的唯一标准，根据问题的不同，适应度函数也不同。当配电网线路发生故障后，线路上安装的配电自动化终端监测到故障过流后，会向分析模块上传相应的故障过流告警信息。但由于配电自动化终端设备大多安装在户外，在实际运行过程中，容易出现故障过流告警信息误报、漏报的现象。因此，根据配电自动化终端信息构建遗传算法所需的第一适应度函数，然后进行优化求解，并记录种群中对应适应度最大的多个个体，以及该个体在最后迭代完成后种群中对应的总数。
[0090]
在一种示意性的实施方式中，所述第一适应度函数设置为：
[0091][0092]
公式(1)中：e1(s)为配电自动化终端信息构建遗传算法适应度，m1为实际安装的配电自动化终端数量的2倍，fj为第j个配电自动化终端状态编码，fj(s)为第j个配电自动化终端状态函数，si为配电网线路的第i个区段状态编码，n1为配电网线路区段数，n2为实际配电自动化终端数量。
[0093]fj
(s)状态函数由当前配电自动化终端及其下游区段状态得出：如果第j个配电自动化终端到线路末端之间相连的线路中，只要出现一个区段发生故障，即区段的状态编码为1时，则有fj(s)＝1，仅当没有任何区段发生故障时有fj(s)＝0，这里采用线路区段状态编码信息与配电自动化终端-区段带权矩阵实现对所有配电自动化终端的状态函数值的确定。
[0094]
其中这一项起到两个作用：
[0095]
第一，能防止不同的配电自动化终端状态编码出现相同适应度值的情况，例如,如图3所示，线路区段s2发生故障，配电自动化终端正常上传故障信息编码为1100，当种群个体中的区段状态编码为0100和1100时，若不加此项，其对应的适应度值均为m，加上此项后，当且仅当区段状态编码为0100时，适应度才最大为m，而其他情况均比m要小。
[0096]
第二，如图3，当f1左侧的线路上发生故障时，配电自动化终端编码信息为0000，区间状态编码应为0000，此时对应的适应度函数值为m+1，使算法可正常收敛。
[0097]
s304：对第一随机初始种群中个体进行选择、交叉和变异。
[0098]
选择步骤是为了保留种群中适应度大的个体，淘汰适应度小的个体，采用典型轮盘赌和最优个体保持的混合选择机制来对最优个体进行选取，能够确保适应度大的个体随着迭代次数的增加而占比增大，并且能改善算法在迭代过程中丢失优秀个体而过早陷入局部最优值的缺陷。
[0099]
交叉和变异两个步骤是为了保证种群的多样性，更快的产生最优个体。其中交叉是通过不同个体之间互换编码中的某些片段来产生新的子代个体，需要通过一定的概率来限制，避免过渡的交叉导致最优个体难以保留，需要设定交叉概率；而变异的作用是使种群中更容易产生适应度更高的个体，但变异的概率过大，个体变异过快，算法就会变为随机搜索，若概率过小，则不易出现新个体，算法的收敛速度就会过慢，需要设定变异概率。
[0100]
在一种示意性的实施方式中，交叉概率设定为0.6，变异概率设定为0.01。这样设置是经过了大量的理论计算与实践，可以保证交叉步骤中不会过渡的交叉导致最优个体难以保留；变异步骤中种群的多样性，更快的产生最优个体。
[0101]
s305：判断遗传算法收敛以及第一信息译码，得到第一可疑区段集，所述第一可疑区段集用于作为第一识别框架。
[0102]
遗传算法生成初始种群后开始迭代计算，随着迭代次数的增加，种群内的个体根据其对应适应度值经由选择、交叉、变异的步骤后，适应度值大的个体数量将越来越多，当达到设定的迭代次数后，种群中的个体适应度值越大，占比必然越大。然后根据编码方式将个体二进制码译码为易于识别的故障区段信息后，输出最优结果和概率在前n的可疑区段集。
[0103]
在一种示意性的实施方式中，所述判断遗传算法收敛以及第一信息译码，得到第一可疑区段集，所述第一可疑区段集用于作为第一识别框架的步骤包括：
[0104]
当达到收敛条件后，输出适应度值在前n的个体以及其总数；所述收敛条件设定为算法达到设定的迭代次数；
[0105]
将所述个体进行第一信息译码，得到第一可疑区段集，所述第一可疑区段集用于作为第一识别框架；所述第一信息译码为根据第一信息编码方式，将二进制码译码为可疑故障区段信息。
[0106]
s400：根据第一可疑区段集，生成第一证据源bpa(basic probabil ity assignment，基本概率分配)。
[0107]
在一种示意性的实施方式中，所述第一可疑区段集中的可疑故障区段的概率通过公式(2)计算得出，得到第一证据源bpa；
[0108][0109]
公式(2)中：m1(ri)为第一证据源对应可疑故障区段的概率值，ri为适应度值在前n的个体，c1(ri)为个体ri对应的总数，n为选定的适应度值靠前的个数。
[0110]
s110：电力用户用电信息采集系统，采集第二数据。
[0111]
电力用户用电信息采集系统是通过对配电变压器和终端用户的用电数据的采集
和分析，实现用电监控、推行阶梯定价、负荷管理、线损分析，最终达到自动抄表、错峰用电、用电检查(防窃电)、负荷预测和节约用电成本等目的。建立全面的电力用户用电信息采集系统需要建设多个负荷监测点。当配电网有故障发生时，电力用户用电信息采集系统中负荷监测点根据采集的第二数据，向分析模块发送失电区域告警信息，作为第二原始信息。
[0112]
s210：判断是否接收到电力用户用电信息采集系统中负荷监测点发送的失电区域告警信息。
[0113]
如果接收到电力用户用电信息采集系统中负荷监测点发送的失电区域告警信息，说明电力用户用电信息采集系统中负荷监测点检测到配电网有故障发生，则进行步骤s310。
[0114]
如果没有接收到电力用户用电信息采集系统中负荷监测点发送的失电区域告警信息，说明电力用户用电信息采集系统中负荷监测点没有检测到配电网有故障发生，则跳到步骤s500。
[0115]
s310：用遗传算法优化求解，得到第二可疑区段集，所述第二可疑区段集用于作为第二识别框架，如图5所示，包括：
[0116]
s311：将电力用户用电信息采集系统中负荷监测点的失电区域告警信息用二进制码表示，以生成第二信息编码。
[0117]
设定有故障过流告警信息的编码为1，无故障过流告警信息的编码为0。如图3所示，lh为电力用户用电信息采集系统的负荷监测点，s1～s4是配电网线路划分的四个区段，当s2区段发生单相接地故障时，负荷监测点的信息为1，区段编码为0100。
[0118]
s312：生成第二随机初始种群。
[0119]
步骤s312使用的方法与步骤s302相同，不再赘述。
[0120]
s313：构建第二适应度函数。
[0121]
电力用户用电信息采集系统能够对区域的电压、电流等进行采集监测，当配电网正常运行时，线路的各项参数均在正常范围；而当有线路发生单相接地故障时，电力用户用电信息采集系统中负荷监测点能监测到故障线路所在区域的电压出现不正常波动而上传失电区域告警信息。而当线路发生三相短路接地故障时，电力用户用电信息采集系统会由于失电而无法正常工作，此时电力用户用电信息采集系统将无法获取该线路的电压等信息，并且会发送最后一个信息来上报故障，因此，当配电网线路发生故障后，故障所在区段的下游区域将无法召测到电压信息或形成低电压区域，而非故障区域正常，所以就可以利用这些信息来进行构建第二适应度函数。
[0122]
在一种示意性的实施方式中，所述第二适应度函数设置为：
[0123][0124]
公式(3)中：e2(s)为电力用户用电信息采集系统信息构建遗传算法适应度，m2为电力用户用电信息系统中负荷监测点数量的3倍，hj为第j个负荷监测点的状态编码，hj(s)为第j个负荷监测点的状态函数，si为配电网线路的第i个区段状态编码，n1为配电网线路区段数，n3为电力用户用电信息采集系统中负荷监测点的数量。
[0125]hj
(s)状态函数由当前负荷监测点至电源处最短路径所经过得区段状态得出：即电源到负荷点hj的最小路径所经过的各区段对应的状态编码中，任意一个区段的状态编码
为1，则负荷点状态函数hj(s)＝1，由线路区段状态编码信息与负荷点-区段带权矩阵实现函数值的确定，的作用也是防止出现一值多解的误判断。
[0126]
s314：对第二随机初始种群中个体进行选择、交叉和变异；
[0127]
步骤s314使用的方法与步骤s304相同，不再赘述。
[0128]
s315：判断遗传算法收敛以及第二信息译码，得到第二可疑区段集，所述第二可疑区段集用于作为第二识别框架。
[0129]
遗传算法生成初始种群后开始迭代计算，随着迭代次数的增加，种群内的个体根据其对应适应度值经由选择、交叉、变异的步骤后，适应度值大的个体数量将越来越多，当达到设定的迭代次数后，种群中的个体适应度值越大，占比必然越大。然后根据编码方式将个体二进制码译码为易于识别的故障区段信息后，输出最优结果和概率在前n的可疑区段集。
[0130]
在一种示意性的实施方式中，所述判断遗传算法收敛以及第二信息译码，得到第二可疑区段集，所述第二可疑区段集用于作为第二识别框架的步骤包括：
[0131]
当达到收敛条件后，输出适应度值在前n的个体以及其总数；所述收敛条件设定为算法达到设定的迭代次数；
[0132]
将所述个体进行第二信息译码，得到第二可疑区段集，作为第二识别框架；所述第二信息译码为根据第二信息编码方式，将二进制码译码为可疑故障区段信息。
[0133]
s410：根据第二可疑区段集，生成第二证据源bpa。
[0134]
在一种示意性的实施方式中，所述第二可疑区段集中的可疑故障区段的概率通过公式(4)计算得出，得到第二证据源bpa；
[0135][0136]
公式(4)中：m2(ri)为第二证据源对应可疑故障区段的概率值，ri为适应度值在前n的个体，c2(ri)为个体ri对应的总数，n为选定的适应度值靠前的个数。
[0137]
s500：收集第一证据源bpa和第二证据源bpa。
[0138]
将生成的第一证据源bpa和第二证据源bpa收集到一起，这样便用配电自动化终端信息和电力用户用电信息采集系统信息分别构造出了信息融合所需的证据源。
[0139]
s600：判断证据源数量是否大于1。
[0140]
如果证据源数量大于1，说明配电自动化终端和电力用户用电信息采集系统两个证据源都出现了报警信息，生成了第一证据源bpa和第二证据源bpa，则进行步骤s800。
[0141]
如果证据源数量没有大于1，说明只有一个证据源出现了报警信息，则进行步骤s700。
[0142]
s700：输出遗传算法求解后的最优值。
[0143]
如果证据源数量没有大于1，说明只有一个证据源出现了报警信息，这就与单一证据源d-s证据理论定位方法是一样的，不再赘述。
[0144]
s800：利用改进的yager合成公式融合第一证据源bpa和第二证据源bpa；
[0145]
一般的yager合成公式：
[0146]
考虑到冲突无法判定，yager对d-s证据理论进行了改进，引入m(x)，把冲突赋给未
知命题，一般的yager合成公式如下：
[0147][0148][0149]
其中x为其它未知命题，k为冲突因子。
[0150]
以表1.1a和1.1b中证据源举例，构建识别框架，由一般的yager公式合成后的结果如表1.2中所示。
[0151]
表1.1a bpa函数微小变化融合结果对比
[0152][0153]
表1.1a中当a3中的m1有微小变化时，变成表1.1b所示：
[0154]
表1.1b bpa函数微小变化融合结果对比
[0155][0156]
表1.2 yager公式融合结果
[0157][0158]
虽然，yager公式增加未知命题后不会出现d-s证据理论的错误判断，但是也有一个问题，例如向表1.2中增加新证据m3，得到融合结果如表1.3所示。
[0159]
表1.3增加新证据m3的yager公式融合结果
[0160][0161]
从表1.3中可以看出，即使加入对a1的支持程度很高的新证据，但是最终还是出现m(a1)＝0的不合理结果；可以推断以后即使有更多的证据支持a1，也不会对最终的合成结果也太大的影响，且合成结果满足如下规律：m(a1)
→
0,m(a2)
→
0,m(a3)
→
0,m(x)
→
1。
[0162]
从一般的yager合成公式的融合结果可以知道，只要在众多证据中出现一个否定a1的证据，那么不管有多少其他的证据支持a1，其融合结果也是对其否定的，所以在实际运用中存在着很大的问题：例如用于配电网故障定位融合时，如果多源故障信息某一个信息源发生出现误报、漏报情况，那么即使其它信息源的工作状态良好，上传了正确的故障数据，最后的结果也会出现错误，导致故障定位失败，所以一般的yager合成公式对配电网缺失报警信息或者报警信息误报漏报的情况下的故障定位无法起到预期的效果，需要对一般的yager合成公式进行改进以适用于配电网的故障定位。
[0163]
在一种示意性的实施方式中，改进的yager合成公式为：
[0164][0165]
[0166][0167]
公式(5.1)中：a的平均支持度
[0168]
公式(5.2)和(5.3)中：证据源为m1、m2、
…
、mn，其对应的证据集分别为f1、f2、
…
、fn，冲突因子为k，证据集fi和fj之间的冲突为k
ij
；
[0169]
证据的可信度其中：n为所用到的证据源总数。
[0170]
当θ＝{f1,f2,f3,x}，使用改进的yager合成公式将两个证据与三个证据的融合结果对比如表1.4a和1.4b所示：
[0171]
表1.4a增加证据源的改进yager公式融合结果对比
[0172][0173]
表1.4a中增加新证据m3时，变成表1.4b如下：
[0174]
表1.4b增加证据源的改进yager公式融合结果对比
[0175][0176]
从表1.4b中可知：随着证据源的增加，并未出现之前一般的yager合成公式的实际应用问题，增加不支持a2、a3的证据后，融合结果基本没有变化，但是增加对a1的支持证据源后，融合的结果有所提升，而未知命题x的融合结果有所降低，对于故障定位而言，不同的证据源就是不同的故障监测信息源，在配电网中可能出现多点故障的情况，而不同信息源监
测数据不同，使用改进的yager合成公式就能很好的对多点故障情况进行融合判断，而不是跟其他合成公式出现冲突就全盘否定，融合结果明显更加合理。
[0177]
对于改进的yager合成公式而言，当冲突系数k较小时，与经典证据理论融合结果接近，且当证据完全相容时，改进的yager合成公式可以转换为经典证据理论的合成公式，但当证据高度冲突时，其融合结果依靠ε
×
q(a)值的大小。一般的yager合成公式出现证据冲突的情况时直接将融合结果完全赋予了未知部分，这是很明显不符合实际应用的，而改进的yager合成公式则将冲突的证据也纳入考量范围，认为其也能提供相关判断信息，可信程度与可信度ε挂钩。
[0178]
s900：输出故障定位结果。
[0179]
根据改进的yager合成公式融合结果，将融合后概率最大的可疑故障区段输出为故障定位结果。
[0180]
具体的，以图6所示某地区10kv配电网馈线图为例，对所述配电网故障定位方法进行分析验证。图6中的每条线路首端都装有配电自动化终端f1-f14，总共分为了14个区段。当由线路区段发生故障，配电自动化终端在监测到过流信号后，会将故障过流告警信息上传到分析模块；线路的末端共有7个负荷监测点lh1-lh7，由电力用户用电信息采集系统监测不正常电压信息，即有n1＝n2＝14，n3＝7。遗传算法中各项参数设定为：种群中设定的迭代次数为100，种群中个体数目为300，适应度函数中m1＝28，m2＝21。利用matlab编写遗传算法：公式(1)、公式(3)和改进的yager合成公式：公式(5.1)、公式(5.2)、公式(5.3)，在迭代完成后，取配电自动化终端和电力用户用电信息采集系统两类信息源种群中个体适应度值在前5的可疑故障区段信息构成第一可疑区段集和第二可疑区段集，并根据公式(2)和公式(4)得到各可疑故障区段在种群中所占的比例，作为信息融合的第一证据源bpa和第二证据源bpa。下面对信息源监测信息正常和出现误报漏报现象的几类典型情况进行分析，验证所述配电网故障定位方法的可靠性和容错能力。
[0181]
实施例一：多源报警信息完备情况下，单区段故障情况下的定位。
[0182]
设定图6中的区段s7发生故障，配电自动化终端采集到对应的故障过流信号，并将故障过流告警信息正常上传至分析模块，对应的配电自动化终端故障信息的状态编码ij为11000010000000。电力用户用电信息采集系统同样工作正常，信息上传及时且正确，相关负荷监测点故障信息的状态编码hj为0010000。通过遗传算法分别以公式(1)、公式(3)的适应度函数为目标函数进行优化求解，每个信息源取概率前5的可疑故障区段集及其概率如图7所示，融合结果如表2.1所示。
[0183]
表2.1单区段故障情况下的定位结果
[0184][0185]
从表2.1可以看出对于单区段故障，配电自动化终端和电力用户用电信息采集系统两个信息源均能通过遗传算法的优化求解的结果都是区段s7的概率最大，准确的判断出故障发生在区段s7，信息融合结果也是区段s7的概率最大，因此可判定故障发生在区段s7上。可见，所述配电网故障定位方法能对单一区段故障进行准确判断。
[0186]
实施例二：多源报警信息完备情况下，多区段故障情况下的定位。
[0187]
当配电网多个区段同时发生故障，仅靠单一信息源来进行故障定位往往容易出现误判，但本技术提供的配电网故障定位方法也能进行相应的判断。设定图6中的区段s5和区段s12同时发生故障，配电自动化终端与电力用户用电信息采集系统均正常工作，上传的故障信息均无畸变，即对应的配电自动化终端故障信息的状态编码信息ij为11011001010100，负荷点信息状态编码hj为1000100，通过遗传算法优化求解，每个信息源取概率前5的可疑故障区段集及其概率如图8所示，融合结果如表2.2所示。
[0188]
表2.2多区段故障情况下定位结果
[0189]
[0190][0191]
由于图6的馈线图中，区段s10与s12直接相连，当这两段任一段发生故障时，仅凭电力用户用电信息采集系统的信息算法求解后容易出现误判的情况，因此在表2.2中的证据源m2中的可疑故障区段集5、12和5、10的发生概率几乎相同，容易发生误判，但综合配电自动化终端信息源，利用改进的yager合成公式进行信息融合后区段s5、s12的概率最大，便能准确的判断出发生故障的区段为s5、s12。可见，所述配电网故障定位方法能对多区段故障情进行准确判断。
[0192]
实施例三：单个配电自动化终端信息缺失情况下，单区段故障情况下的定位。
[0193]
当配电网某区段发生故障时，若该区段的分段开关位置未安装配电自动化终端或者安装了但是发生了误报漏报的情况，或者当多个配电自动化终端发生误报漏报时，传统的区段定位方法准确率将大大降低甚至失效，仅利用传统单一信息源的故障区段定位方法将产生误判断。这是利用单一信息源监测故障过流信息进行故障区段定位所固有的缺点，而本技术提供的配电网故障定位方法能很好的解决这一问题。
[0194]
设定图6中的区段s13发生故障，但由于恶劣天气等原因导致的通信问题使得该区段上的配电自动化终端没有向分析模块上传监测信息，即配电自动化终端故障信息的状态编码ij为10010001001000，电力用户用电信息采集系统中负荷监测点信息的状态编码hj为0000010。此种情况下，通过遗传算法优化求解，每个信息源取概率前5的可疑故障区段集及其概率如图9所示，融合结果如表2.3所示。
[0195]
表2.3单个配电自动化终端信息错误或缺失情况下的故障区段定位结果
[0196]
[0197][0198]
由于区段s13上的配电自动化终端上传信息缺失，导致配电自动化终端信息源进行优化求解后误判断故障发生在区段s11上的概率最大，这会使得故障排除和用电恢复的时间大大加长，但结合电力用户用电信息采集系统信息源m2进行信息融合后区段s13的概率最大，能够得到正确的结果，判定故障发生在区段s13。这种单一源信息有丢失的情况在增加第二信息源后，能够提高故障判断的准确性。
[0199]
实施例四：多个配电自动化终端信息缺失情况下，单区段故障情况下的定位。
[0200]
设定故障发生在图6中的区段s12上，但由于各种原因导致区段s8和s10上的配电自动化终端没有将故障过流报警信息上传至分析模块，分析模块实际收到的报警信息的状态编码ij为10010000000100，电力用户用电信息采集系统中负荷监测点信息状态编码hj为0000100，通过遗传算法优化求解，每个信息源取概率前5的可疑故障区段集及其概率如图10所示，融合结果如表2.4所示。
[0201]
表2.4多个配电自动化终端信息错误或缺失情况下的故障区段定位结果
[0202]
[0203][0204]
由表2.4可以看出，当发生多个配电自动化终端信息丢失时，配电自动化终端信息源用算法优化求解得到的故障区段会出现错误结果，结合电力用户用电信息采集系统信息源进行信息融合后区段s12的概率最大，虽然能够得到正确的结果，判定故障发生在区段s12。但信息融合的结果概率也很低，这就能警示运维人员系统出现多终端信息丢失的情况，需要结合人工经验或者增加信息源的方式作进一步判断，能给运维人员指定一个方向。
[0205]
实施例五：电力用户用电信息采集系统出错的情况下，单区段故障情况下的定位。
[0206]
设定图6中的区段s11发生故障，配电自动化终端信息正常上传，其信息的状态编码ij为10010001001000。但电力用户用电信息采集系统由于故障问题导致无法召测到负荷监测点lh3的信息，导致召测的负荷监测点信息的状态编码hj为0010011。通过遗传算法优化求解，每个信息源取概率前5的可疑故障区段集及其概率如图11所示，融合结果如表2.5所示。
[0207]
表2.5电力用户用电信息采集系统信息错误或缺失情况下的故障区段定位结果
[0208][0209]
通过表2.5结果可以看出，当有负荷监测点信息上报出错时，得到真实故障区段的概率很低，但结合配电自动化终端信息源进行信号融合后，对错误信息进行了纠正，融合结果能正确的判断出故障发生在区段s11。
[0210]
基于上述实施例提供的配电网故障定位方法，本技术的部分实施例还提供一种配电网故障定位系统，包括：
[0211]
配电自动化终端，用于采集第一数据，并根据第一数据判断是否发送故障过流告
警信息。配电自动化终端是安装在配电网的各种远方监测、控制单元的总称，完成数据采集、控制和通信等功能，主要包括馈线终端、站所终端、配变终端等，简称配电终端。当配电网有故障发生时，配电自动化终端会根据采集的第一数据，向分析模块发送故障过流告警信息，作为第一原始信息。
[0212]
电力用户用电信息采集系统，包括：负荷监测点，用于采集第二数据，并根据第二数据判断是否发送失电区域告警信息；电力用户用电信息采集系统是通过对配电变压器和终端用户的用电数据的采集和分析，实现用电监控、推行阶梯定价、负荷管理、线损分析，最终达到自动抄表、错峰用电、用电检查(防窃电)、负荷预测和节约用电成本等目的。建立全面的电力用户用电信息采集系统需要建设多个负荷监测点。当配电网有故障发生时，电力用户用电信息采集系统中负荷监测点根据采集的第二数据，向分析模块发送失电区域告警信息，作为第二原始信息。
[0213]
分析模块，用于执行上述实施例中所述的一种配电网故障定位方法。所述分析模块可以是电脑、服务器、工控机、单片机、plc(programmable logic controller，可编程逻辑控制器)、dsp(digital signal processor，数字信号处理器)、fpga(field programmable gate array，场可编程逻辑门阵列)、asic(appl ication-specific integrated circuit，专用集成电路)等具有存储和运算功能的设备。
[0214]
本技术提供的一种配电网故障定位方法及系统，先通过遗传算法对配电自动化终端和电力用户用电信息采集系统的信息进行优化求解构建出故障判断所需证据源，再使用改进的yager合成公式融合证据源，对数据进行综合分析得到最终判定结果。所述定位方法不仅能对单一区段故障进行准确判断；还能够在多区段故障时进行准确判断；并在多个信息源的监测设备上报信息缺失的情况下，仍然能够准确定位出故障区段。能够很好的弥补在监测设备发生故障误报漏报时，利用单一信息源进行故障定位容易误判断的问题。使用算法的兼容性很好，增加新的信息源只需要依照流程构造出证据源即可，可以使故障定位的准确率随着证据源的加入而越来越高，提高供电可靠性，缩短人工故障排除时间，且无需增加设备投资。
[0215]
本技术提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本技术总的构思下的几个示例，并不构成本技术保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本技术方案所扩展出的任何其他实施方式都属于本技术的保护范围。