何峰1、彭建1、梁艳1、李宇翔1、刘斌2
1、国网新疆电力有限公司乌鲁木齐供电公司 2、上海君世电气科技有限公司
摘要：目前，我国配电网涵盖的区域非常广泛，主要呈现出分布广、结构复杂、电缆线分布混乱的现象。随着城乡一体化的不断加快以及电力市场的不断发展，人们越来越追求高质量的供电系统，也对稳定性的需求越来越高。国民经济对供电可靠性的依赖也越来越大。近年来，随着配网自动化水平的不断提高，配网故障定位技术的发展也趋向智能化、自动化，配网故障的诊断速度、快速定位、及时隔离、快速修复也是检验一个供电局管理能力和抢修水平的标准。因此，对配网自动化进行合理的改进和提高已经成为供电部门工作的首要内容。如何缩短故障排查时间，避免抢修时间的延长，提供有保障的供电率，从而提高客户的满意度也成为大部分基层供电局单位需要着重考虑的关键问题。基于免疫二进制粒子群优化算法的配网故障定位方法，既能够加快故障定位与抢修速度，还可以大减少由于供电不足带来的损失，具有十分重要的现实意义。鉴于此，文章结合笔者多年工作经验，对基于免疫二进制粒子群优化算法的配电网故障定位方法研究提出了一些建议，以供参考。
关键词：基于免疫二进制粒子群优化算法；配电网；故障定位；方法研究
引言
基于BPSO的配电网故障定位算法收敛速度受惯性权重ω取值制约，向全局最优位置逼近趋势较大，因此存在收敛速度慢、易陷入局部最优解的缺陷。在传统BPSO算法基础上建立记忆细胞单元存储优质抗体，保证抗体种群更新后的群体质量，提升算法收敛速度；通过引入抗体浓度调节机制与免疫选择操作保持抗体种群多样性，强化算法全局搜索能力，有效避免了算法早熟。
1、粒子群优化算法相关概述
粒子群优化算法（ParticleSwarmOptimization，PSO）是进化计算的一个分支，是一种模拟自然界的生物活动的随机搜索算法，通过群体中的协作机制寻找最优解，被广泛应用于各种工程优化问题。粒子群算法基本原理：粒子群优化算法。最原始的工作可以追溯到1987年Reynolds对鸟群社会系统Boids(Reynolds对其仿真鸟群系统的命名)的仿真研究。通常,群体的行为可以由几条简单的规则进行建模，虽然每个个体具有简单的行为规则,但是却群体的行为却是非常的复杂,所以他们在鸟类仿真中,即Boids系统中采取了下面的三条简单的规则:(1)飞离最近的个体(鸟),避免与其发生碰撞冲突;(2)尽量使自己与周围的鸟保持速度一致;(3)尽量试图向自己认为的群体中心靠近。虽然只有三条规则,但Boids系统已经表现出非常逼真的群体聚集行为。但Reynolds仅仅实现了该仿真,并无实用价值。Kennedy和Eberhart在boids中加入了一个特定点,定义为食物,每只鸟根据周围鸟的觅食行为来搜寻食物。Kennedy和Eberhart的初衷是希望模拟研究鸟群觅食行为,但试验结果却显示这个仿真模型蕴含着很强的优化能力,尤其是在多维空间中的寻优。最初仿真的时候，每只鸟在计算机屏幕上显示为一个点,而"点”在数学领域具有多种意义,于是作者用“粒子(particle)"来称呼每个个体,这样就产了基本的粒子群优化算法。
2、基于IBPSO的配电网故障定位算法流程
(1)读入网络数据，设定算法参数。
读入配电网络拓扑信息与终端上报的故障信息，依据网络规模与馈线区段总数确定抗体种群规模N与抗体编码长度D；设定算法其他相关参数，如e、α、c1、c2、ω等。(2)初始化。生成初始抗体种群X0与速度向量，计算亲和度，将亲和度靠前的Nm个抗体作为免疫记忆抗体组建记忆细胞库M，设定个体极值点0PX?，将亲和度最高的抗体作为全局极值点G。(3)生成临时抗体种群Xt。应用式(2)—式(4)更新抗体的编码与速度向量，随机生成Nt个抗体，组建规模为N+Nt的临时抗体种群Xt。(4)抗体亲和度与浓度计算。应用式(10)与式(5)、式(6)计算临时抗体种群Xt中每个抗体的亲和度与抗体浓度。(5)免疫选择。应用式(7)—式(9)计算临时抗体种群Xt的抗体选择概率，依概率大小选择N个抗体生成新一代的抗体种群X。(6)亲和度修正。将记忆细胞库M中的记忆抗体替换抗体种群X中亲和度较差的若干抗体。(7)更新个体极值与全局极值。将抗体亲和度fitnessi与个体极值点Pi、全局极值点G的亲和度相比较，更新个体极值点Pi与全局极值点G。(8)免疫记忆。将全局极值点G作为记忆抗体存入记忆细胞库M中替换低亲和度记忆抗体。(9)判断算法是否满足终止条件，是则输出记忆细胞库中最优抗体定位故障区段，算法结束；否则转入步骤(3)。
3、配电网线路故障实时监测系统合理展望
配电网电路故障实时监测系统在未来发展中，需要遵循提升稳定性、可靠性的规则，将大数据系统与配电网自动化系统合理结合，形成具有智能判断故障位置、故障类型、故障排除难度、维修建议等多功能融合的监测系统；同时自动周期性采集电网节点数据，监控各节点用电量异常、电路基本参数波动等再加以备份，通过与地理位置、气候环境、用电单位等变量结合，判断出线路故障概率，提前做好维护准备，将故障排除在萌芽中，减少因电网波动产生的经济损失。结合我国目前供电发展情况来看，配电网线路故障实时监测系统的建设需要结合当地自然环境条件、用电分布等进行针对性建设和优化，在建设的同时积累经验，并积极推广检测系统在配电网中的应用；配电网故障实时监测系统对于多电源供电的供电趋势还要有一定的适应能力，针对多电源供电的特殊性进行软件方面的校正和优化，形成正确软件算法与正确信息来源对接，防止出现软件、数据错位导致故障误判情况的发生。
结束语
综上所述，得出以下结论：配电网变电站内电能质量监测系统能够记录暂降下的电压、电流波形数据，为基于免疫二进制粒子群优化算法的配电网故障定位方法提供了丰富的故障信息。然而，实际现场中往往存在不同型号的架空线与电缆线路混连的情况，导致传统基于线路均匀参数的阻抗法失效。对此，本文提出一种计及非均匀线路参数条件下的改进视在阻抗故障定位方法，通过大量仿真和系统应用实测数据验证，得出结论如下：1）该方法利用二分搜寻原理，通过搜索实际线路正序电抗与计算故障正序电抗最小差值，判断故障位置。相较于常见视在阻抗法，该方法可避免由于参数不均匀导致计算故障距离的误差，提高故障定位的准确性。2）所提方法具有一定的耐受过渡电阻能力，但是随着故障电阻的增加，故障测距误差有增大的趋势。该方法的测距效果受负荷的影响不大，适用于不同负荷大小的工况。但是由于本文方法仍属于单端测距法，当线路分支较多时，会搜索出多个可能的故障节点，利用主干线路和分支线路的故障指示器等终端可辅助判定出唯一的故障位置。3）故障定位算法作为电能质量监测系统中的高级应用功能，根据试点变电站故障数据，该算法在实际现场应用中能够基本吻合故障位置。故障定位高级应用系统能够辅助检修工作，提高运维人员快速故障查找的能力。
参考文献
[7]钟建伟,朱涧枫,黄秀超,周玉超,张建业,黄谋甫.基于双态二进制粒子群优化算法的配电网故障定位[J].电力系统及其自动化学报,2019,31(03):29-34.
[8]董晓.基于免疫粒子群算法的火电机组组合优化问题研究[D].华北电力大学,2012.
[9]沈刘毅.浅析电网工程造价的合理控制及其途径[J].沿海企业与科技,2008(10):169-171.
[10]廖建坤,叶东毅.基于免疫粒子群优化的最小属性约简算法[J].计算机应用,2007(03):550-552+555.