配電網(wǎng)故障定位算法研究.pdf

1、本文在分析現(xiàn)代配電網(wǎng)拓撲結構以及傳統(tǒng)故障定位算法的基礎上,采用一種基于改進BP神經(jīng)網(wǎng)絡算法、遺傳優(yōu)化神經(jīng)網(wǎng)絡GA-BP算法以及RBF徑向基神經(jīng)網(wǎng)絡算法在配電網(wǎng)故障定位中的應用。對三種神經(jīng)網(wǎng)絡在配電網(wǎng)故障定位中的應用進行系統(tǒng)比較分析,從而為實現(xiàn)了配電網(wǎng)的故障診斷、隔離故障區(qū)域以及恢復非故障區(qū)域供電。配電網(wǎng)故障定位算法的研究及其改進成為本論文的工作方向和重點內(nèi)容。
　　本文對故障定位算法做了系統(tǒng)深入的研究,主要研究工作如下:
　

2、　1、深入研究了配電網(wǎng)拓撲結構。算法的實現(xiàn)正是基于配電網(wǎng)的拓撲結構,本文采用了現(xiàn)代電網(wǎng)手拉手的環(huán)狀結構,具有正常時閉環(huán)結構,開環(huán)運行,呈輻射狀向用戶供電的特點。配電網(wǎng)發(fā)生故障后,安裝在各分段開關處的FTU會檢測到故障信息(如故障過電流),上傳到控制中心SCADA系統(tǒng),系統(tǒng)經(jīng)過故障診斷算法綜合分析,判別故障點位置,實現(xiàn)了故障定位,并下達命令遙控FTU斷開故障點兩側的分段開關,進而隔離故障區(qū)域。
　　2、針對BP神經(jīng)網(wǎng)絡未考慮前一次調

3、整時的誤差梯度方向以及最佳學習率的問題,使得網(wǎng)絡訓練過程發(fā)生振蕩,收斂緩慢,本文采用一種改進BP神經(jīng)網(wǎng)絡算法在配電網(wǎng)故障定位中的應用,解決了上述問題,并通過了算例仿真驗證。
　　3、針對神經(jīng)網(wǎng)絡收斂速度慢和容易陷入局部極小值的問題,本文提出將遺傳神經(jīng)網(wǎng)絡算法應用于配電網(wǎng)故障定位。用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡解決了BP網(wǎng)絡的最優(yōu)初始權值和閾值問題,加快了網(wǎng)絡的收斂。利用遺傳算法的全局搜索能力,進一步提高了BP神經(jīng)網(wǎng)絡故障定位的準確性和

4、快速性,并通過了算例仿真驗證。
　　4、針對遺傳算法訓練時間長、BP神經(jīng)網(wǎng)絡容錯性能不佳、BP隱含層神經(jīng)元個數(shù)難以確定、收斂速度慢和容易陷入局部最優(yōu)的問題,本文將RBF神經(jīng)網(wǎng)絡算法引入配電網(wǎng)故障定位中。RBF網(wǎng)絡采用隱含層為高斯函數(shù),是局部逼近網(wǎng)絡,有效的加快了收斂速度和避免局部最優(yōu)。在實際配電網(wǎng)故障診斷中,采用RBF神經(jīng)網(wǎng)絡,實現(xiàn)了故障點的準確定位,并利用Visual C++工具開發(fā)故障定位主站,實現(xiàn)了配電網(wǎng)自動化目標,對故障判