李衛(wèi)彬，童 欣，黃 超，彭?yè)P(yáng)帆，季東輝，王佳裕

基于分層定位模型的含DG配電網(wǎng)故障定位方法研究

李衛(wèi)彬1，童 欣1，黃 超1，彭?yè)P(yáng)帆1，季東輝1，王佳裕2

(1.國(guó)網(wǎng)上海崇明供電公司，上海 202150；2.國(guó)網(wǎng)上海浦東供電公司，上海 200120)

針對(duì)現(xiàn)有配電網(wǎng)故障定位算法在含DG的故障定位中存在耗時(shí)長(zhǎng)、準(zhǔn)確率低等問(wèn)題，提出了一種將分層模型與改進(jìn)免疫算法相結(jié)合用于含DG的配電網(wǎng)故障定位方法。簡(jiǎn)化配電網(wǎng)模型，使用改進(jìn)的免疫算法定位故障區(qū)域，并使用改進(jìn)的免疫算法對(duì)故障區(qū)域進(jìn)行二次定位。通過(guò)試驗(yàn)對(duì)單點(diǎn)故障和多點(diǎn)故障進(jìn)行分析，驗(yàn)證了所提方法的優(yōu)越性。試驗(yàn)結(jié)果表明，相比于傳統(tǒng)的故障定位方法，所提方法引入了分層理論，有效降低了故障節(jié)點(diǎn)的搜索維數(shù)，在保證速度的情況下，具有較高的故障定位精度。

配電網(wǎng)；分布式電源；故障定位；分層模型；免疫算法

0 引言

配電網(wǎng)作為保證電力供應(yīng)的關(guān)鍵環(huán)節(jié)，在配電網(wǎng)發(fā)生故障時(shí)，準(zhǔn)確和快速的定位故障是配電網(wǎng)安全性和穩(wěn)定性的基礎(chǔ)[1-2]。分布式電源(distributed power, DG)具有清潔、無(wú)污染、低碳和可再生等優(yōu)點(diǎn)，近年來(lái)得到廣泛應(yīng)用。由于大量DG接入配電網(wǎng)，使得配電網(wǎng)故障定位更加困難，且現(xiàn)有故障定位方法存在耗時(shí)長(zhǎng)、準(zhǔn)確率低等問(wèn)題[3]。因此，研究適用于含DG的配電網(wǎng)故障定位方法具有一定的現(xiàn)實(shí)意義[4-7]。

在此基礎(chǔ)上，將分層模型和改進(jìn)的免疫算法相結(jié)合用于故障定位。簡(jiǎn)化配電網(wǎng)模型，使用改進(jìn)的免疫算法(immune algorithm, IA)定位故障區(qū)域，再使用改進(jìn)的IA算法對(duì)指定區(qū)域進(jìn)行二次定位。通過(guò)試驗(yàn)驗(yàn)證了該方法的優(yōu)越性。

1 ?含DG的配電網(wǎng)故障定位模型

1.1 編碼方式

當(dāng)配電網(wǎng)中某一線路發(fā)生短路故障時(shí)，饋線終端單元(FTU)將檢測(cè)信息上傳至控制中心。通過(guò)集合智能算法的優(yōu)化最終找到故障的過(guò)程。

DG未并網(wǎng)，故障定位中只有故障和正常兩種線路狀態(tài)，相應(yīng)開(kāi)關(guān)的FTU采集數(shù)據(jù)只有正常和過(guò)流。因此，F(xiàn)TU采集信息可以編碼，如式(2)所示[17]。

DG并網(wǎng)后，DG響應(yīng)不同的故障情況，故障電流方向不同[18]。此時(shí)，僅使用 0 和 1 并不能很好地表示流過(guò)節(jié)點(diǎn)的故障電流狀況。因此，引入了新的編碼規(guī)則如式(3)所示[19]。

開(kāi)關(guān)故障電流狀態(tài)使用代碼為“-1”，考慮到接入 DG 配電網(wǎng)支路上開(kāi)關(guān)流過(guò)的故障電流可能與DG 接入前方向相反。

1.2 構(gòu)建開(kāi)關(guān)模型

DG 未連接前，開(kāi)關(guān)函數(shù)如式(4)所示[20]。

DG并網(wǎng)后，配電網(wǎng)的潮流隨著DG的切換而變化，各節(jié)點(diǎn)的電流方向也隨之變化。此外，在故障情況下，每個(gè)節(jié)點(diǎn)監(jiān)控的電流方向不是唯一的，而是由每個(gè)電源的電流信息決定的。

參考文獻(xiàn)[21]，開(kāi)關(guān)函數(shù)如式(5)所示。

1.3 評(píng)價(jià)函數(shù)

根據(jù)文獻(xiàn)[23]描述，原單電源輻射狀配電網(wǎng)故障定位評(píng)價(jià)函數(shù)也可以應(yīng)用于含DG的配電網(wǎng)故障定位，如式(6)所示。

2 ?分層定位模型

2.1 改進(jìn)的免疫算法

免疫算法是一種新型智能搜索算法[24]。抗原是要解決的優(yōu)化問(wèn)題，抗體是相應(yīng)問(wèn)題的解結(jié)構(gòu)，然后評(píng)估抗體群的質(zhì)量。評(píng)價(jià)標(biāo)準(zhǔn)是個(gè)體親和力和個(gè)體濃度。對(duì)評(píng)價(jià)得到的優(yōu)質(zhì)抗體進(jìn)行免疫操作，對(duì)劣質(zhì)抗體進(jìn)行更新[25]。

隨著配電網(wǎng)模型中節(jié)點(diǎn)數(shù)量的增加和整體結(jié)構(gòu)的復(fù)雜化，傳統(tǒng)智能算法的精度明顯降低。對(duì)于多分支、多節(jié)點(diǎn)和長(zhǎng)分支的情況，該算法很容易陷入局部最優(yōu)[26]。本文提出了一種改進(jìn)的免疫算法，將改進(jìn)的二進(jìn)制粒子群優(yōu)化算法與免疫算法相結(jié)合，提高免疫算法的搜索能力。并引入記憶細(xì)胞的信息分化機(jī)制，利用二進(jìn)制粒子群優(yōu)化算法優(yōu)良的優(yōu)化能力和良好的收斂效率，對(duì)免疫算法的內(nèi)存數(shù)據(jù)庫(kù)進(jìn)行更新。

1) 改進(jìn)二進(jìn)制粒子群優(yōu)化

粒子群優(yōu)化算法是一種全局進(jìn)化算法，適應(yīng)性決定了粒子的優(yōu)勢(shì)，每個(gè)粒子的適應(yīng)性由目標(biāo)函數(shù)決定。二進(jìn)制粒子群優(yōu)化算法的位置更新如式(7)和式(8)所示[27]。

2) 記憶細(xì)胞的信息分化機(jī)制

針對(duì)陷入局部?jī)?yōu)化的情況，設(shè)計(jì)了一種記憶信息分化機(jī)制。

如果局部?jī)?yōu)化僅一個(gè)故障點(diǎn)，故障點(diǎn)進(jìn)行偏移。

3) 改進(jìn)算法實(shí)現(xiàn)

應(yīng)用改進(jìn)的算法對(duì)故障進(jìn)行定位的步驟如下所述。

步驟1：參數(shù)初始化，種群數(shù)、記憶細(xì)胞數(shù)、評(píng)價(jià)函數(shù)參數(shù)、交叉和變異概率、慣性權(quán)重范圍等。

步驟3：同時(shí)進(jìn)行免疫操作和二進(jìn)制粒子群優(yōu)化算法，迭代更新。

步驟4：個(gè)體多次未更新，則進(jìn)行信息分化，參與下一次免疫操作。如果達(dá)不到分化條件，則執(zhí)行下一步。

步驟 5：當(dāng)達(dá)到最大迭代次數(shù)時(shí)，則結(jié)束，如果尚未達(dá)到最大迭代次數(shù)，轉(zhuǎn)到步驟 3。

圖1所示為改進(jìn)算法的故障定位流程。

圖1 改進(jìn)算法的故障定位流程

2.2 分層模型

改進(jìn)的免疫算法采用混合算法的并行方式，可以提高故障定位的準(zhǔn)確性，但計(jì)算量很大?；谶@種情況，本文設(shè)計(jì)了一種層次化的網(wǎng)絡(luò)結(jié)構(gòu)。第一層簡(jiǎn)化了配電網(wǎng)模型，使用改進(jìn)的免疫算法定位故障區(qū)域。第二層采用改進(jìn)免疫算法對(duì)特定區(qū)段進(jìn)行二次定位。

配電網(wǎng)各分支是否有DG可以分為有源和無(wú)源，電源產(chǎn)生的故障電流會(huì)影響有源支路而不影響無(wú)源支路，如果無(wú)源支路沒(méi)有發(fā)生故障，定位時(shí)進(jìn)行剔除，從而減少了維數(shù)[30]。圖2為配電網(wǎng)絡(luò)的拓?fù)淠Ｐ汀?/p>

圖2 配電網(wǎng)拓?fù)浣Y(jié)構(gòu)

通過(guò)對(duì)每個(gè)支路段的分析，不難看出：當(dāng)一個(gè)支路段發(fā)生故障時(shí)，對(duì)其他區(qū)段的影響是固定的，對(duì)區(qū)內(nèi)節(jié)點(diǎn)的影響不固定。對(duì)圖 2所示的拓?fù)浣Y(jié)構(gòu)進(jìn)行簡(jiǎn)化后的8節(jié)點(diǎn)網(wǎng)絡(luò)如圖3所示。

圖3 簡(jiǎn)化結(jié)構(gòu)

分層模型的具體實(shí)現(xiàn)流程如下所述。

步驟1：將配電網(wǎng)劃分為有源支路和無(wú)源支路，根據(jù)發(fā)現(xiàn)的實(shí)際節(jié)點(diǎn)狀態(tài)過(guò)濾無(wú)源支路。如果確定無(wú)源支路沒(méi)有故障電流，則認(rèn)為無(wú)源支路沒(méi)有故障點(diǎn)，將無(wú)源支路從網(wǎng)絡(luò)模型中移除。

步驟2：去除無(wú)源支路后，通過(guò)簡(jiǎn)化網(wǎng)絡(luò)等效節(jié)點(diǎn)，再通過(guò)改進(jìn)免疫算法得到故障點(diǎn)所在的區(qū)域。

步驟 3：使用改進(jìn)免疫算法對(duì)步驟 2 定位區(qū)域進(jìn)行故障定位。

圖4為分層模型的故障定位流程。

3 ?試驗(yàn)結(jié)果與分析

3.1 試驗(yàn)參數(shù)

圖4 分層模型故障定位流程

表1 算法參數(shù)

3.2 試驗(yàn)分析

1) 單點(diǎn)故障

表2 單點(diǎn)故障定位結(jié)果

由表2可知，在單點(diǎn)故障情況下，本文方法的所有判斷結(jié)果都是準(zhǔn)確的。當(dāng)存在信息畸變時(shí)，仍能準(zhǔn)確定位，具有良好的容錯(cuò)性。不同故障定位時(shí)間不同，這是因?yàn)椴煌收戏謱咏稻S的效果不同。

2) 多點(diǎn)故障

配電線路發(fā)生多點(diǎn)故障時(shí)，并入配電網(wǎng)的DG數(shù)量會(huì)有所不同，F(xiàn)TU上報(bào)的故障信息也會(huì)出現(xiàn)不同程度的畸變。為了避免結(jié)果的偶然性，進(jìn)行20次試驗(yàn)取均值。多點(diǎn)故障定位結(jié)果如表 3所示。

表3 多點(diǎn)故障定位結(jié)果

由表3可知，在多點(diǎn)故障的情況下，采用不同位置、不同數(shù)量的DG，F(xiàn)TU信息存在不同畸變的情況下，本文方法的所有判斷結(jié)果都是準(zhǔn)確的。從故障類(lèi)型分析來(lái)看，故障點(diǎn)越多，故障定位時(shí)間越長(zhǎng)，畸變信息也會(huì)延長(zhǎng)定位時(shí)間。

3) 算法對(duì)比

為了驗(yàn)證所提方法的優(yōu)越性，將本文方法與改進(jìn)的 IA 算法(未進(jìn)行分層定位)和文獻(xiàn)[31]方法進(jìn)行故障定位比較。對(duì)于表 2 和表 3 中的 8 種故障情況，根據(jù)DG接入的4種情況，每種情況試驗(yàn)20次，共640次試驗(yàn)。表4為不同算法的試驗(yàn)結(jié)果對(duì)比。

表4 不同算法試驗(yàn)結(jié)果

從表 4 中可以看出，本文方法在準(zhǔn)確性和速度方面都是最優(yōu)的。文獻(xiàn)[31]的定位精度最低，執(zhí)行時(shí)間位于中間。改進(jìn)的IA算法在故障定位中準(zhǔn)確率為100%，但該算法主要基于IA算法，還通過(guò)改進(jìn)粒子群對(duì)記憶庫(kù)進(jìn)行更新，因此算法的整體執(zhí)行速度較慢?？傮w而言，定位速度不低于傳統(tǒng)算法，但無(wú)法滿足實(shí)際應(yīng)用的需要。定位速度慢則后期的恢復(fù)和重構(gòu)都會(huì)延誤，造成較大的損失。而本文方法在配電網(wǎng)的故障定位中得到了很好的應(yīng)用，平均執(zhí)行時(shí)間遠(yuǎn)快于改進(jìn)IA算法和文獻(xiàn)[31]方法，在保證高精度的同時(shí)滿足故障定位的速度要求。

4 ?結(jié)語(yǔ)

本文提出了一種將分層模型和改進(jìn)免疫算法相結(jié)合用于含DG的配電網(wǎng)故障定位方法。簡(jiǎn)化配電網(wǎng)模型，使用改進(jìn)的免疫算法進(jìn)行區(qū)域定位，再使用改進(jìn)的免疫算法對(duì)指定區(qū)域進(jìn)行精確定位。結(jié)果表明，在故障時(shí)，并入的DG數(shù)不同，信息存在畸變，該方法不僅保證了速度，而且具有較高的故障定位精度。與傳統(tǒng)的故障定位方法相比，本文方法引入了分層理論，有效降低了故障節(jié)點(diǎn)的搜索維數(shù)，提高了運(yùn)行速度。基于分層模型的改進(jìn)IA在含DG的配電網(wǎng)故障定位方面仍處于試驗(yàn)階段，如何恢復(fù)和重構(gòu)也是研究的重點(diǎn)?；诖?，持續(xù)改進(jìn)和完善將是下一步工作的重點(diǎn)。

參考文獻(xiàn)

[1] 李練兵, 孫騰達(dá), 曾四鳴, 等. 基于多端行波時(shí)差的配電網(wǎng)故障定位方法[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(3): 140-147.

LI Lianbing, SUN Tengda, ZENG Siming, et al. Fault location method for distribution networks based on traveling wave time difference[J]. Power System Protection and Control, 2022, 50(3): 140-147.

[2] 蔣原, 李擎, 馮茜, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的直流電網(wǎng)故障定位與保護(hù)方法[J]. 高壓電器, 2020, 56(8): 23-28.

JIANG Yuan, LI Qing, FENG Qian, et al. Fault location and protection method for DC power grid based on BP neural network[J]. High Voltage Apparatus, 2020, 56(8): 23-28.

[3] 楊晨曦, 馬杰, 楊威, 等. 基于饋線負(fù)荷驟降度的配電網(wǎng)故障研判方法[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(2): 144-151.

YANG Chenxi, MA Jie, YANG Wei, et al. Distribution network fault location method based on the sudden drop ratio of feeder active load[J]. Power System Protection and Control, 2022, 50(2): 144-151.

[4] 于毅, 尹麗菊, 申晉, 等. 改進(jìn)整數(shù)規(guī)劃的含分布式電源配電網(wǎng)故障定位[J]. 智慧電力, 2020, 48(3): 104-108, 116.

YU Yi, YIN Liju, SHEN Jin, et al. Fault location in distribution network with distributed generation based on improved integer programming[J]. Smart Power, 2020, 48(3): 104-108, 116.

[5] 劉煜, 王俊江, 焦青, 等. 基于量子行為粒子群算法的含分布式電源的配電網(wǎng)故障定位[J]. 智慧電力, 2020, 48(8): 51-55.

LIU Yu, WANG Junjiang, JIAO Qing, et al. Fault location of distribution network with distributed power supply based on quantum behavior particle swarm optimization algorithm[J]. Smart Power, 2020, 48(8): 51-55.

[6] 王巍璋, 王淳, 尹發(fā)根. 基于可達(dá)矩陣和貝葉斯定理的含分布式電源的配電網(wǎng)故障區(qū)段定位[J]. 中國(guó)電力, 2021, 54(7): 93-99, 124.

WANG Weizhang, WANG Chun, YIN Fagen. Reachability matrix and Bayes' theorem based fault section location of power distribution network with distributed generation[J]. Electric Power, 2021, 54(7): 93-99, 124.

[7] 徐艷春, 趙彩彩, 孫思涵, 等. 基于改進(jìn)LMD和能量相對(duì)熵的主動(dòng)配電網(wǎng)故障定位方法[J]. 中國(guó)電力, 2021, 54(11): 133-143.

XU Yanchun, ZHAO Caicai, SUN Sihan, et al. Fault location for active distribution network based on improved LMD and energy relative entropy[J]. Electric Power, 2021, 54(11): 133-143.

[8] 梁夢(mèng)可, 劉遠(yuǎn), 韓文文, 等. 基于虛擬電流注入技術(shù)的有源配電網(wǎng)故障定位[J]. 浙江電力, 2019, 38(6): 9-16.

LIANG Mengke, LIU Yuan, HAN Wenwen, et al. Fault location method of active distribution networks based on virtual current injection technology[J]. Zhejiang Electric Power, 2019, 38(6): 9-16.

[9] 侯麗鋼, 湯向華, 江輝, 等. 應(yīng)用于含有線-纜混合線路配電網(wǎng)的行波故障測(cè)距新方法[J]. 電力工程技術(shù), 2019, 38(2): 111-116.

HOU Ligang, TANG Xianghua, JIANG Hui, et al. A novel traveling wave fault location method applied to distribution networks with hybrid line composed of overhead line and cable[J]. Electric Power Engineering Technology, 2019, 38(2): 111-116.

[10]董曼玲, 郭磊, 丁國(guó)君, 等. 基于循環(huán)電壓測(cè)量法的接地網(wǎng)故障定位裝置設(shè)計(jì)及應(yīng)用[J]. 電瓷避雷器, 2019(5): 111-117.

DONG Manling, GUO Lei, DING Guojun, et al. Design and application of the fault location device of the grounding grids based on cyclic voltage measurement method[J]. Electric Porcelain Arrester, 2019(5): 111-117.

[11]王巍璋, 王淳, 敖鑫. 基于果蠅優(yōu)化算法的配電網(wǎng)故障定位[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(18): 108-114.

WANG Weizhang, WANG Chun, AO Xin. Fault location of power distribution network based on fruit fly optimization algorithm[J]. Power System Protection and Control, 2019, 47(18): 108-114.

[12]楊莉, 周年榮, 李川, 等. 含DG配電網(wǎng)故障定位的免疫二進(jìn)制螢火蟲(chóng)算法[J]. 化工自動(dòng)化及儀表, 2021, 48(3): 253-258.

YANG Li, ZHOU Nianrong, LI Chuan, et al. IBFA for fault location of DG-included power distribution network[J]. Control and Instruments in Chemical Industry, 2021, 48(3): 253-258.

[13]邱彬, 羅添元, 寧博, 等. 基于BAS-IGA 的含分布式電源配電網(wǎng)故障定位[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2021, 33(2): 8-14.

QIU Bin, LUO Tianyuan, NING Bo, et al. Fault location of distribution network with distribution generations based on BAS-IGA[J]. Proceedings of the CSU-EPSA, 2021, 33(2): 8-14.

[14] 張波, 唐亮, 梁曉偉, 等. 基于遺傳粒子群法的配電網(wǎng)故障定位研究[J]. 計(jì)算技術(shù)與自動(dòng)化, 2021, 40(1): 33-37.

ZHANG Bo, TANG Liang, LIANG Xiaowei, et al. Research on fault location of distribution network based on genetic particle swarm optimization[J]. Computing Technology and Automation, 2021, 40(1): 33-37.

[15]金濤, 李鴻南, 劉對(duì). 基于BPSOGA的含風(fēng)電機(jī)組的配電線路故障區(qū)段定位[J]. 電力自動(dòng)化設(shè)備, 2016, 36(6): 27-33.

JIN Tao, LI Hongnan, LIU Dui. Faulty section location based on BPSOGA for distribution line with wind turbine generator[J]. Electric Power Automation Equipment, 2016, 36(6): 27-33.

[16]譚輝, 戴小劍, 田家俊, 等. 改進(jìn)粒子群算法在含 DG 配電系統(tǒng)靠性評(píng)估中的應(yīng)用[J]. 湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版), 2019, 37(1): 104-108.

TAN Hui, DAI Xiaojian, TIAN Jiajun, et al. Improved particle swarm optimization algorithm for reliability assessment of DG-containing power distribution systems[J]. Journal of Hubei University for Nationalities (Natural Sciences Edition), 2019, 37(1): 104-108.

[17]謝飛, 夏銳. 基于動(dòng)態(tài)差分和粒子群混合算法的含分布式電源配電網(wǎng)重構(gòu)[J]. 黑龍江電力, 2018, 40(3): 221-226.

XIE Fei, XIA Rui. Power distribution network reconfiguration with distribution network based on hybrid dynamic difference algorithm and Particle Swarm Optimization algorithm[J]. Heilongjiang Electric Power, 2018, 40(3): 221-226.

[18]酈陽(yáng), 王寶華. 繼電保護(hù)系統(tǒng)故障的智能定位方法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(2): 69-76.

LI Yang, WANG Baohua. An intelligent fault location method for a relay protection system[J]. Power System Protection and Control, 2022, 50(2): 69-76.

[19] 張濤, 張東方, 王凌云, 等. 基于改進(jìn)小生境粒子群算法的主動(dòng)配電網(wǎng)優(yōu)化重構(gòu)[J]. 信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版), 2018, 31(3): 473-478.

ZHANG Tao, ZHANG Dongfang, WANG Lingyun, et al. Optimal reconfiguration of the active distribution network based on improved niche multi-objective particle swarm optimization algorithm[J]. Journal of Xinyang Normal University (Natural Science Edition), 2018, 31(3): 473-478.

[20] LI Y, XIAO J, CHEN C, et al. Service restoration model with mixed-integer second-order cone programming for distribution network with distributed generations[J]. IEEE Transactions on Smart Grid, 2019, 10(4): 4138-4150.

[21]王進(jìn)強(qiáng). 含分布式電源的配電網(wǎng)故障定位的應(yīng)用研究[D]. 廣州: 廣東工業(yè)大學(xué), 2011.

WANG Jinqiang. Application research on fault location of distribution network with distributed generation[D]. Guangzhou: Guangdong University of Technology, 2011.

[22] 景皓, 賈伯巖, 李小玉, 等. 考慮節(jié)點(diǎn)電價(jià)機(jī)制的主動(dòng)配電網(wǎng)兩階段動(dòng)態(tài)故障恢復(fù)方法[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(20): 29-37.

JING Hao, JIA Boyan, LI Xiaoyu, et al. A two-stage dynamic fault recovery method for an active distribution network considering the node price mechanism[J]. Power System Protection and Control, 2020, 48(20): 29-37.

[23]雷紹蘭, 王士彬, 胡曉倩, 等. 配電網(wǎng)供電恢復(fù)的混沌免疫算法[J]. 高電壓技術(shù), 2009, 35(6): 1492-1496.

LEI Shaolan, WANG Shibin, HU Xiaoqian, et al. Chaotic optimization integrated with artificial immune algorithm for distribution service restoration after faults[J]. High Voltage Engineering, 2009, 35(6): 1492-1496.

[24]陳軍, 隋佳閩, 趙子涵, 等. 輸電線路斷線故障保護(hù)邏輯分析及附加判別方法[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(4): 103-111.

CHEN Jun, SUI Jiamin, ZHAO Zihan, et al. Protection logic analysis and additional judgment method of a transmission line break fault[J]. Power System Protection and Control, 2022, 50(4): 103-111.

[25]劉剛, 陳莎, 仝進(jìn), 等. 含分布式電源接入的配電網(wǎng)故障恢復(fù)方法[J]. 電測(cè)與儀表, 2020, 57(18): 50-56.

LIU Gang, CHEN Sha, TONG Jin, et al. Fault restoration method for power distribution networks considering distributed generations[J]. Electrical Measurement & Instrumentation, 2020, 57(18): 50-56.

[26]羅春輝, 瞿綱舉, 湯濤, 等. 基于雙種群 CSO 算法重構(gòu)的含DG 配網(wǎng)故障恢復(fù)[J]. 湖北電力, 2021, 41(1): 11-17.

LUO Chunhui, QU Gangju, TANG Tao, et al. Service restoration of distribution network with DG based on dual-population CSO algorithm[J]. Hubei Electric Power, 2021, 41(1): 11-17.

[27] TESHOME D F, LIAN K L, DAWIT F. Comprehensive mixed-integer linear programming model for distribution system reconfiguration considering DGs[J]. IET Generation, Transmission & Distribution, 2018, 12(20): 4515-4523.

[28]繆輝, 丁曉群, 葉晨暉, 等. 基于圖論和OBDD的含分布式電源配電網(wǎng)故障恢復(fù)算法[J]. 電工電能新技術(shù), 2018, 37(9): 59-66.

MIAO Hui, DING Xiaoqun, YE Chenhui, et al. Service restoration algorithm for distribution network with distributed generation based on graph theory and OBDD[J]. Advanced Technology of Electrical Engineering and Energy, 2018, 37(9): 59-66.

[29] HOU Kaiyuan, SHAO Guanghui, WANG Haiming, et al. Research on practical power system stability analysis algorithm based on modified SVM[J]. Protection and Control of Modern Power Systems, 2018, 3(2): 119-125.

[30]李哲超. 協(xié)同網(wǎng)絡(luò)重構(gòu)與需求側(cè)響應(yīng)的配電網(wǎng)優(yōu)化運(yùn)行方法研究[D]. 武漢: 華中科技大學(xué), 2018.

LI Zhechao. Research on optimal operation method of distribution network based on collaborative network reconfiguration and demand side response[D]. Wuhan: Huazhong University of Science and Technology, 2018.

[31]高鋒陽(yáng), 李昭君, 袁成, 等. 量子計(jì)算和免疫優(yōu)化算法相結(jié)合的有源配電網(wǎng)故障定位[J]. 高電壓技術(shù), 2021, 47(2): 396-405.

GAO Fengyang, LI Zhaojun, YUAN Cheng, et al. Fault location for active distribution network based on quantum computing and immune optimization algorithm[J]. High Voltage Engineering, 2021, 47(2): 396-405.

A fault location method for a distribution network with DG based on a hierarchical location model

LIWeibin1, TONG Xin1, HUANG Chao1, PENG Yangfan1, JI Donghui1, WANG Jiayu2

(1. State Grid Shanghai Chongming Electric Power Company, Shanghai 202150, China;2. State Grid Shanghai Pudong Electric Power Company, Shanghai 200120, China)

Aiming at the problems of long time consuming and low accuracy of existing fault location algorithms in distribution network with DG, a hierarchical model combined with an improved immune algorithm is proposed for distribution network fault location with DG. This paper simplifies the distribution network model, uses the improved immune algorithm to locate the fault area, and uses it again to locate the fault area again. The advantages of the proposed method are verified by analyzing single point fault and multi-point fault through experiment. The experimental results show that compared with the traditional fault location methods, the proposed method introduces the hierarchical theory, which effectively reduces the search dimension of fault nodes and has high fault location accuracy while ensuring the speed.

distribution network; distributed power supply; fault location; layered model; immune algorithm

10.19783/j.cnki.pspc.220372

國(guó)家電網(wǎng)公司科技項(xiàng)目資助(5215F02000DA)

This work is supported by the Science and Technology Project of State Grid Corporation of China (No. 5215F02000DA).

2022-03-21；

2022-05-23

李衛(wèi)彬(1980—)，男，學(xué)士，高級(jí)工程師，主要研究方向?yàn)殡娋W(wǎng)生產(chǎn)管理；

童 欣(1992—)，女，通信作者，學(xué)士，工程師，主要研究方向?yàn)榕潆娮詣?dòng)化；E-mail:tongxin9273@163.com

黃 超(1981—)，男，學(xué)士，工程師，主要研究方向?yàn)榕潆娋€路管理。

(編輯 魏小麗)