基于二进制粒子群算法的配电网故障诊断- 附代码

基于二进制粒子群算法的配电网故障诊断- 附代码

摘要：基于二进制粒子群算法的配电网故障诊断相关知识。

1.二进制粒子群算法

具体原理参考我的博客：(https://blog.csdn.net/u011835903/article/details/119840815)

2.配电网故障区段定位原理分析

2.1.1 区段状态编码

在配电网中安装有断路器、分段开关、联络开关等设备，这些设备在区段定位中称之为节点。配电线路被这些开关设备分成多个小段，称之为区段。当配电网故障发生后，采集这些设备的故障信息就能判定出故障发生在哪个区段 。假设配电网线路的区段的状态用$s_i$​来表示，其编码规则如下：
$$\{\begin{array}{l}{s}_i=1,区间存在故障\\ s_i=0,区间不存在故障\end{array}\text{\hspace{1em}(1)}$$

2.1.2 节点状态编码

假设配电网开关即节点的状态用$I_j$​表示，针对传统的辐射型配电网，其编码规则如下:
$$I_j=\{\begin{array}{l}1,有故障电流流过\\ 0,无故障电流流过\end{array}\text{\hspace{1em}(2)}$$

2.1.3 开关函数构建（辐射型电网）

对辐射型配电网，当某个区段发生故障时，只有靠近主电源上游的节点产生故障电流，而远离电源的下游的节点不产生故障电流。于是辐射型配电网的开关函数其构建方式如下：
$$I_i^{\ast }=s_1\bigcup s_2\bigcup ...\bigcup s_i\text{\hspace{1em}(3)}$$
式中，$I_i^{\ast }$代表节点$i$状态的期望值，$s_i\sim s_{i+m}$代表处于相关节点$i$下游的区段状态的假设值， $\bigcup$​代表逻辑或运算。以 1 图为例对该公式进行说明。

图1.辐射型电网模型

其中$S$​ 代表电源，$k_1\sim k_{14}$​代表节点，$s_1\sim s_{14}$​​代表区段；现假设区段$s_{10}$​​发生故障，其他代表区段正常，则区段状态假说为：
$$[s_1\sim s_{14}]=[00000000010000]\text{\hspace{1em}(4)}$$
根据式（5），计算出非故障支路上所有节点状态的期望值为：
$$\{\begin{array}{l}{I}_1^{\ast }=s_1\bigcup s_2\bigcup s_3\bigcup s_4\bigcup s_5\bigcup s_6=0\\ I_2^{\ast }=s_2\bigcup s_3\bigcup s_4\bigcup s_5\bigcup s_6=0\\ I_3^{\ast }=s_3\bigcup s_4\bigcup s_5\bigcup s_6=0\\ I_4^{\ast }=s_4\bigcup s_5\bigcup s_6=0\\ I_5^{\ast }=s_5\bigcup s_6=0\\ I_6^{\ast }=s_6=0\\ I_7^{\ast }=s_7\bigcup s_8\bigcup s_9\bigcup s_{10}\bigcup s_{11}\bigcup s_{12}\bigcup s_{13}\bigcup s_{14}=1\\ I_8^{\ast }=s_8\bigcup s_9\bigcup s_{10}\bigcup s_{11}\bigcup s_{12}\bigcup s_{13}\bigcup s_{14}=1\\ I_9^{\ast }=s_9\bigcup s_{10}\bigcup s_{11}\bigcup s_{12}\bigcup s_{13}\bigcup s_{14}=1\\ I_1{0}^{\ast }=s_{10}\bigcup s_{11}\bigcup s_{12}\bigcup s_{13}\bigcup s_{14}=1\\ I_1{1}^{\ast }=s_{11}\bigcup s_{12}\bigcup s_{13}\bigcup s_{14}=0\\ I_1{2}^{\ast }=s_{12}\bigcup s_{13}\bigcup s_{14}=0\\ I_1{3}^{\ast }=s_{13}\bigcup s_{14}=0\\ I_1{4}^{\ast }=s_{14}=0\end{array}\text{\hspace{1em}(5)}$$
结合以上两式可以得出所有节点的期望值:
$$[I_1^{\ast }\sim I_{14}^{\ast }]=[00000011110000]\text{\hspace{1em}(6)}$$
若真实故障发生在区段 10，则节点状态的实际值为:
$$[I_1\sim I_{14}]=[00000011110000]\text{\hspace{1em}(7)}$$
对比两种可以发现，期望值与实际值相同，因此开关函数式（3）很好得描绘了辐射型配电网电流流向。

3.适应度函数选择

适应度函数按照节点状态采集值和期望值的最佳匹配原则进行：
$$minFit(s)=\sum _j^D|I_j-I_j^{\ast }|\text{\hspace{1em}(8)}$$
式中，$I_j$​表示$FTU$采集的节点状态的实际值，$I_j^{\ast }$表示根据区段状态假说变量计算出来的节点状态的期望值，$D$​表示配电网的节点总数。在某些情况下，存在多解的可能，对此，对上述适应度函数进行了相关改进:
$$minFit(s)=\sum _j^D|I_j-I_j^{\ast }|+w\sum _i^D|s_i|\text{\hspace{1em}(9)}$$
$w$​为权系数，一般设为 0.5。

4.算法流程

整个算法的流程图如下图所示：

5.实验结果

设置二进制粒子群参数如下：

%实际最优解为：00000000010000
Iexp = [0,0,0,0,0,0,1,1,1,1,0,0,0,0];%故障节点状态编码
%% 二进制粒子群求解
dim = 14;%维度
pop = 20;%种群数量
MaxIter = 50;%迭代次数
Vmax = 4;%速度范围
Vmin = -4;%速度范围
fobj = @(x) fun(x,Iexp);%适应度函数

算法结果为：

得到的最优解为：[0 0 0 0 0 0 0 0 0 1 0 0 0 0]

可以看到二进制粒子群算法经过5次迭代就找到了最优解，最优解与实际故障信息是吻合的。表面了二进制粒子群算法的在该应用上具有较大的优势。

6.参考文献

[1]蔡华洵. 基于免疫算法的配电网故障定位研究[D].湖北工业大学,2020.

7.Matlab代码