基于改进多元宇宙算法的主动配电网故障定位方法研究_郑聪.pdf

第51 卷 第2 期 电力系统保护与控制 Vol.51 No.2 2023年1月16日 Power System Protection and Control Jan.16,2023 DOI:10.19783/ki.pspc.220601 基于改进多元宇宙算法的主动配电网故障定位方法研究 郑 聪1,2，周海峰1,2，郑东强3，林忠华3，张兴杰4(1.集美大学轮机工程学院，福建 厦门 361021；2.福建省船舶与海洋工程重点实验室，福建 厦门 361021；3.集美大学海洋装备与机械工程学院，福建 厦门 361021；4.集美大学航海学院，福建 厦门 361021)摘要：针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题，提出一种改进的多元宇宙优化算法(improved multi-verses optimization,IMVO)。首先构建具有容错能力的主动配电网模型，根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中，以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability,WEP)与旅行距离率(travel distance rate,TDR)的更新机制，以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力，进而提高全局寻优能力。仿真实验结果表明，改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著，相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。关键词：多元宇宙优化算法；主动配电网；分布式电源；故障定位；容错性能 An active distribution network fault location method based on improved multi-universe algorithm ZHENG Cong1,2,ZHOU Haifeng1,2,ZHENG Dongqiang3,LIN Zhonghua3,ZHANG Xingjie4(1.School of Marine Engineering,Jimei University,Xiamen 361021,China;2.Fujian Province Key Laboratory of Naval Architecture and Marine Engineering,Xiamen 361021,China;3.School of Marine Equipment and Mechanical Engineering,Jimei University,Xiamen 361021,China;4.School of Navigation,Jimei University,Xiamen 361021,China)Abstract:There are problems of slow convergence,ease of falling into local optima,poor fault tolerance and low population quality of existing intelligent optimization algorithms in solving active distribution network fault location problems.Thus this paper proposes an improved multi-verses optimization(IMVO)algorithm.First,an active distribution network model with fault tolerance is constructed,and the populations of the multiverse are discretized and coded according to the characteristics of the fault location problem.Second,an adaptive elite strategy is incorporated into the update of the multiverse population of the improved algorithm to ensure the population quality of the multiverse;the update mechanism of wormhole existence probability(WEP)and travel distance rate(TDR)based on nonlinear curve change is designed to improve the ability of searching the relative optimal universe in the front part of the algorithm and the accuracy of adjusting the optimal detection distance in the back part.Finally,the local search capability of the improved algorithm is enhanced by an adaptive mutation operation,thus improving the global search capability.The simulation results show that the improved multiverse optimization algorithm has significant global search capability in single-point,multi-point and information distortion fault location,and has a higher accuracy and convergence rate than other optimization algorithms in solving the distribution network fault location problem.This work is supported by the National Natural Science Foundation of China(No.51179074).Key words:multi-verses optimization;active distribution network;distributed power supply;fault location;fault tolerance performance 基金项目：国家自然科学基金项目资助(51179074)；福建省自然科学基金项目资助(2021J01839，2018J01495)；产学研项目(S20127)；福建省教育厅项目资助(JAT200242，JAT170318)-170-电力系统保护与控制 0 引言 配电网的故障定位问题是保证供电稳定性与供电恢复的前提所在，随着配电网络技术的日益发展与绿色发展理念的不断加深，因为风能、潮汐能、太阳能等一系列可再生能源具有结构灵活、成本低等优势，被以分布式电源(distributed generation,DG)的形式大量接入配电网，从而导致配电网的结构愈加复杂1。而主动配电网为多电源系统，分布式电源的发电特性具有随机性、间歇性、易受环境影响和储量小等特点2，对整个线路的电流、损耗、电压分布和短路水平有着直接影响，馈线段上的分段开关、联络开关、断路器等各点电压会显著升高，且随着分布式电源的接入会引发潮流反向的问题，导致传统的故障定位方法效果差强人意3。因此，主动配电网的故障定位问题是智能电网研究的热点问题。相间短路故障时故障特征明显，可以利用馈线终端单元(feeder terminal unit,FTU)设备采集提取准确的故障信息，通过快速且具有高容错性的定位算法实现故障区段的定位，适用于负荷密集的地区4，是目前的主要研究手段。其主要流程是基于 FTU 检测到的故障电流信息，上传至主站监控和数据采集(supervisory control and data acquisition,SCADA)系统，通过智能算法进行计算得出故障区段，主要方法有矩阵算法和人工智能算法等5。矩阵算法的原理是利用 FTU 监测到的故障信息来编写故障矩阵和构造网络描述矩阵，通过矩阵计算来对故障区域进行定位。文献6针对多电源支路的故障难以确定的问题，采用改进矩阵算法形成网络结构矩阵和故障信息矩阵来对故障区域进行初始判断，最后通过二分法精确定位故障的位置。虽然矩阵算法具有精准且快速的定位效果，但因其容错性较差而不能有效处理故障信息缺失及畸变的问题，不适用于复杂且恶劣的环境。人工智能算法的原理是基于 FTU 检测到的故障电流信息，由数据处理中心通过人工智能算法进行计算得出故障区段。文献7采用免疫算法解决配电网的故障定位问题，通过计算抗体单元的亲和度和浓度来对种群个体进行评价，融入记忆单元来避免算法“早熟”，但由于抗体与抗原编码为二进制编码，浓度评价中的亲密度计算部分要在每代种群的每个个体之间实现，其计算次数极大，严重影响了算法的收敛速度和性能。文献8采用动态自适应的旋转角策略，代替标准量子遗传算法的固定旋转角策略，再将混沌优化思想融入算法，提高局部搜索能力，但收敛性能提升不明显，故障定位时间较长。文献9提出了一种自适应的交叉与变异概率，交叉与变异概率在适应度值的最大值和平均值之间，按照 Sigmoid 函数进行非线性调整，再引入分级处理思想加快大规模电网故障定位的速率，但参数设置复杂，并且未验证所提算法的容错性能。此外，应用到配电网故障定位问题中的智能优化算法还有改进仿电磁学算法10、蚁群退火算法11、天牛群搜索算法12、鲸鱼优化算法13、萤火虫算法14、粒子群算法15、仿电磁学算法16等。针对以上定位方法的不足，提出一种改进的多元宇宙优化算法。多元宇宙优化算法(multi-verses optimization,MVO)具有设定参数少、搜索性能稳定、寻优速率高等优点，适用于多维度优化问题，并在数值实验中较其他算法表现出了更优异的性能17。首先，由于标准 MVO 算法仅适用于连续域，无法解决配电网的离散域问题，所以本文针对主动配电网故障定位问题的特点对算法进行离散化编码；其次，将自适应精英策略融入多元宇宙的种群寻优过程中，提高种群质量；设计算法参数的更新机制，提高算法搜索性能；最后，通过自适应突变算子增强算法摆脱局部最优解的能力。仿真实验结果表明，所提算法在主动配电网故障定位问题上有较高的求解效率与显著的性能优势。1 改进多元宇宙优化算法 1.1 MVO 算法 MVO 算法由文献17提出，其原理是宇宙中黑洞与白洞中的物质以一定概率通过虫洞进行转移，以形成最优宇宙，其理论模拟多元宇宙起源于宇宙大爆炸，每个宇宙都被分配一个初始膨胀率，膨胀率高的宇宙被认为形成白洞的可能性高，并倾向于使物质通过白洞，膨胀率低的宇宙被认为形成黑洞的可能性高，倾向于通过黑洞吸收物质，而多元宇宙的创建过程总是根据高膨胀率宇宙向低膨胀率宇宙靠近的原则进行，其间的万有引力作用可以使物质转移。算法的迭代过程分为勘探和开发两个过程，虫洞以一定概率出现在每个宇宙中，并作为白洞与黑洞间物质转移的媒介，还会以旅行距离大小对局部的相对最优宇宙进行探索，使宇宙在搜索空间中趋于最优位置18。算法描述如下。设有搜索空间存在宇宙的矩阵为 121111222212dddNNNxxx