论文部分内容阅读
摘要：分布式电源（Distributed Generation，DG）包括储能装置和发电装置两部分，一般接入到35kV及以下的配网中;分布式电源的接入使电网经济效益明显提升，它可以起到“削峰填谷”的作用，不用为了短暂的峰荷时段而改造原有线路，大大节省了经济支出;分布式电源的接入使得用户侧的用电可靠性大幅提高，若配网主体发生暂时无法解决的故障，分布式电源的存在可以令某区域实现“孤岛运行”，这样该区域用户在主网发故障时仍能保证其用电，使停电故障造成的损失尽可能降低，并且在故障解除后分布式电源可以重新并网，回到故障发生前的安全运行状态。本文对含分布式电源配电网的智能故障诊断方法进行了阐述。
关键词：含分布式电源;配电网;智能故障诊断
1含DG的配电网故障区段诊断的硏究现状
用户侧电能需求量逐年提高，电网在用电高峰时出现无法满足用户需求的情况时常发生，分布式电源的出现为解决该问题提供了新思路。分布式电源一般接在配电网，与用户之间距离较近，故其传输损耗很小，建设周期短，可以随时投切帮助电网完成“削峰填谷”的任务。依据分布式电源的渗透率不同可将其发展分为三个阶段：
（1）即接即忘阶段：该阶段的DG容量非常小，只是为了部分用户特殊需求接入电网，对电网的运行、电能质量没有影响。当发生故障时，对电网的各种保护也不会因DG的接入产生影响，此阶段不需要对含DG的配电网的故障诊断问题进行研究。
（2）宽限接入阶段：对于接入电网的DG容量放宽限制，只要电网电能质量符合要求，应令尽可能大容量的DG接入配电网。
（3）主动管理阶段：在宽限接入阶段的基础上允许接入电网的DG主要配合电网参与调节，通过DG的投切起到“削峰填谷”的作用。当接入配网的DG处于后两个阶段时，DG的准入容量逐步增大，配电网发生故障后，由DG产生的故障电流已经到了无法忽视的地步，且由于DG可以随时投切的灵活性，配网中的潮流方向将会复杂、多变，传统的配网故障定位方法不再适用，需重新制新的故障定位方案。
2含分布式电源配电网的智能故障诊断
2.1基于专家系统的故障診断系统
专家系统（Expert System，ES）是指通过收集某领域专家大量的专业知识和工作经验，将这些资料转换为机器语言录入计算机，通过特定的方法归纳总结这些资料并制定出相应的判定规则，形成知识库。当用户需要解决某一问题时，将问题录入人机交互界面，利用计算机模拟专家的思维方式并推理、解决问题。
专家系统的建立将需要储存大量的数据，且并不可能包含所有方面，使专家系统数据库的建立和维护难度大;专家系统具有局限性，知识库的建立需要根据特定电网采集数据，无法适用于其他电网，因此其通用性很差。因此，专家系统想要广泛应用于电网故障诊断领域还需要进一步研究。
2.2基于人工神经网络的故障诊断
人工神经网络（Artificial Neural Network，ANN）是一种通过模拟人类大脑神经系统对信息的处理方式而产生的一种智能算法。人工神经网络最大的特点在于其可训练性，它可以利用样本数据训练调整网络中的各个连接权值，构成可以解决该问题的最优网络模型，当将输入量输入该网络中就可以依据训练得出的模型完成求解。目前我们较为常用的人工神经网络算法包括BP算法、RBF算法、DNN算法等。基于人工神经网络的配电网故障诊断方法应用广泛，其工作原理可简述如下：
将某配电网一定量的已发生故障数据即历史故障数据作为故障诊断模型的训练样本，以故障发生时上传的故障信息作为输入，故障诊断结果作为输出，通过学习和训练，得到该配电网的故障诊断模型。当配网中发生新的故障时，将主站接收到的故障信息作为配电网的故障诊断模型的输入，得到的输出即为故障区段。
2.3基于优化方法的故障诊断
基于优化算法的电力系统故障诊断原理是将诊断问题转化为“背包问题”即0-1规划问题，利用FTU上传主站的故障信息中的遥信数据即0和1，其中有故障电流流过的点为1，无故障电流流过的点为0，根据故障发生后设备、断路器、故障电流之间的逻辑关系，构建适应于系统的目标函数，通过优化算法对目标函数求解，令目标函数取得最大值或最小值时的解为最优解，即为故障区段。
基于优化算法的电力系统故障区段定位模型优点在于求解速度快、准确性高、通用性强。当FTU上传主站的故障信息发生畸变、丢失时，仍能求解出故障区段，具有较强的容错性，更加符合现实要求。目前，配电网故障诊断方法中应用最为广泛的就是基于优化算法的配电网故障诊断，优化算法中最具有代表性的为粒子群算法和遗传算法。
3基于BQPSO算法的含分布式电源的配电网故障诊断求解模型
3.1含分布式电源的配电网故障信息编码
传统配电网中，安装在分段开关和联络开关上的FTU会依据配网正常运行时电流值设置监测阈值。当电流流经某分段开关或联络开关时，FTU会将监测到的电流值与阈值比较，如果大于等于该阈值，说明该分段开关或联络开关有故障电流流过，用1表示;如果小于该阈值，则说明该分段开关或联络开关无故障电流流过，用0表示，这样就可以形成离散的故障信息。将离散的故障信息上传至主站，利用故障诊断模型求解故障点。
由于DG接入配电网后，对其故障时潮流方向存在影响，需重新制定FTU的编码规则。首先依照就近原则为每一个FTU选取一个主电源，当两个电源距离同一个FTU距离相同时，任意选择其中一个电源作为该FTU的主电源，并规定在某FTU对应的主电源单独工作时，流过该FTU的电流方向为正参考方向。当FTU监测到的故障电流流向与FTU参考正方向相同，则FTU将该信息编码为1;若监测到的故障电流方向与FTU参考正方向相反，则FTU将该信息编码为-1;若未监测到故障电流时，FTU将该信息编码为0。 含DG的5开关节点配电系统如图1所示。分段开关S1～S5将线路分成L1～L5这五个区间，开关S1～S5上安装有FTU，根据上述原则，S1～S3的主电源为S，S4、S5的主电源为DG，S1～S3正方向如图1中带箭头实线所示，S4、S5正方向如图1中带箭头虚线所示。若区段L2发生单点故障，此时FTU上传至调度中心的编码应为，如果在信息上传过程中发生丢失，为了防止故障诊断程序发生误判，此时丢失的数据置为1。
3.2基于BQPSO算法的故障诊断流程
诊断流程简述如下：当配电网某区段发生短路故障后，依据预先设置好的编码规则，FTU对故障电流进行编码并将其上传至主站，将主站接收到的故障信息代入公式，之后启动BQPSO算法求该函数。
（1）以二进制位串的形式对粒子群中各粒子位置xi初始化，并令Pi=xi，其中xi表示第i个粒子位置，Pi表示第i个粒子個体最优位置。
（2）将粒子群中各粒子个体最优位置Pi代入公式所示的故障诊断评价函数中计算适应度值，并求解种群最优位置Pg。若适应度值的大小达到收敛条件即达到最小值，则可译码得出故障位置，结束程序;若适应度值的大小没有达到收敛条件，则执行步骤（3）。
（3）计算出种群最优位置，将其代入公式）所示的故障诊断评价函数之中得出此时的适应度值。计算平均最优位置、局部吸引子以及变异概率，依据公式更新粒子位置后执行步骤（2）。
4结束语
DG大多接入到35kV及以下的配网中。具有经济性、灵活性、环保等优点，但也为电网安全稳定运行带来了严峻的考验。针对配网故障诊断方面问题，当接入配电网的DG容量越来越大，配网发生故障时，DG所能提供的故障电流也会越来越大，其所带来的影响也将无法忽视，传统的配电网故障区段定位方案不再适用，因此需要制定一种可以适用于含DG的配电网故障诊断方法。随着时间推移各种人工智能算法的层出不穷，其中具有较高容错性的人工智能算法在电力系统故障诊断领域被广泛应用。如专家系统、人工神经网络法、优化算法、Petri网等人工智能算法都是该领域应用代表。
参考文献：
[1]赵佳佳，马喜平，贾嵘，等.基于概率与小波分析的故障检测方法及其应用[J].电网与清洁能源，2016，32（07）：92-95.
[2]程学珍，陈强，于永进，等.基于最大似然译码字的Petri网电网故障诊断方法[J].电工技术学报，2015，30（15）：46-52.
关键词：含分布式电源;配电网;智能故障诊断
1含DG的配电网故障区段诊断的硏究现状
用户侧电能需求量逐年提高，电网在用电高峰时出现无法满足用户需求的情况时常发生，分布式电源的出现为解决该问题提供了新思路。分布式电源一般接在配电网，与用户之间距离较近，故其传输损耗很小，建设周期短，可以随时投切帮助电网完成“削峰填谷”的任务。依据分布式电源的渗透率不同可将其发展分为三个阶段：
（1）即接即忘阶段：该阶段的DG容量非常小，只是为了部分用户特殊需求接入电网，对电网的运行、电能质量没有影响。当发生故障时，对电网的各种保护也不会因DG的接入产生影响，此阶段不需要对含DG的配电网的故障诊断问题进行研究。
（2）宽限接入阶段：对于接入电网的DG容量放宽限制，只要电网电能质量符合要求，应令尽可能大容量的DG接入配电网。
（3）主动管理阶段：在宽限接入阶段的基础上允许接入电网的DG主要配合电网参与调节，通过DG的投切起到“削峰填谷”的作用。当接入配网的DG处于后两个阶段时，DG的准入容量逐步增大，配电网发生故障后，由DG产生的故障电流已经到了无法忽视的地步，且由于DG可以随时投切的灵活性，配网中的潮流方向将会复杂、多变，传统的配网故障定位方法不再适用，需重新制新的故障定位方案。
2含分布式电源配电网的智能故障诊断
2.1基于专家系统的故障診断系统
专家系统（Expert System，ES）是指通过收集某领域专家大量的专业知识和工作经验，将这些资料转换为机器语言录入计算机，通过特定的方法归纳总结这些资料并制定出相应的判定规则，形成知识库。当用户需要解决某一问题时，将问题录入人机交互界面，利用计算机模拟专家的思维方式并推理、解决问题。
专家系统的建立将需要储存大量的数据，且并不可能包含所有方面，使专家系统数据库的建立和维护难度大;专家系统具有局限性，知识库的建立需要根据特定电网采集数据，无法适用于其他电网，因此其通用性很差。因此，专家系统想要广泛应用于电网故障诊断领域还需要进一步研究。
2.2基于人工神经网络的故障诊断
人工神经网络（Artificial Neural Network，ANN）是一种通过模拟人类大脑神经系统对信息的处理方式而产生的一种智能算法。人工神经网络最大的特点在于其可训练性，它可以利用样本数据训练调整网络中的各个连接权值，构成可以解决该问题的最优网络模型，当将输入量输入该网络中就可以依据训练得出的模型完成求解。目前我们较为常用的人工神经网络算法包括BP算法、RBF算法、DNN算法等。基于人工神经网络的配电网故障诊断方法应用广泛，其工作原理可简述如下：
将某配电网一定量的已发生故障数据即历史故障数据作为故障诊断模型的训练样本，以故障发生时上传的故障信息作为输入，故障诊断结果作为输出，通过学习和训练，得到该配电网的故障诊断模型。当配网中发生新的故障时，将主站接收到的故障信息作为配电网的故障诊断模型的输入，得到的输出即为故障区段。
2.3基于优化方法的故障诊断
基于优化算法的电力系统故障诊断原理是将诊断问题转化为“背包问题”即0-1规划问题，利用FTU上传主站的故障信息中的遥信数据即0和1，其中有故障电流流过的点为1，无故障电流流过的点为0，根据故障发生后设备、断路器、故障电流之间的逻辑关系，构建适应于系统的目标函数，通过优化算法对目标函数求解，令目标函数取得最大值或最小值时的解为最优解，即为故障区段。
基于优化算法的电力系统故障区段定位模型优点在于求解速度快、准确性高、通用性强。当FTU上传主站的故障信息发生畸变、丢失时，仍能求解出故障区段，具有较强的容错性，更加符合现实要求。目前，配电网故障诊断方法中应用最为广泛的就是基于优化算法的配电网故障诊断，优化算法中最具有代表性的为粒子群算法和遗传算法。
3基于BQPSO算法的含分布式电源的配电网故障诊断求解模型
3.1含分布式电源的配电网故障信息编码
传统配电网中，安装在分段开关和联络开关上的FTU会依据配网正常运行时电流值设置监测阈值。当电流流经某分段开关或联络开关时，FTU会将监测到的电流值与阈值比较，如果大于等于该阈值，说明该分段开关或联络开关有故障电流流过，用1表示;如果小于该阈值，则说明该分段开关或联络开关无故障电流流过，用0表示，这样就可以形成离散的故障信息。将离散的故障信息上传至主站，利用故障诊断模型求解故障点。
由于DG接入配电网后，对其故障时潮流方向存在影响，需重新制定FTU的编码规则。首先依照就近原则为每一个FTU选取一个主电源，当两个电源距离同一个FTU距离相同时，任意选择其中一个电源作为该FTU的主电源，并规定在某FTU对应的主电源单独工作时，流过该FTU的电流方向为正参考方向。当FTU监测到的故障电流流向与FTU参考正方向相同，则FTU将该信息编码为1;若监测到的故障电流方向与FTU参考正方向相反，则FTU将该信息编码为-1;若未监测到故障电流时，FTU将该信息编码为0。 含DG的5开关节点配电系统如图1所示。分段开关S1～S5将线路分成L1～L5这五个区间，开关S1～S5上安装有FTU，根据上述原则，S1～S3的主电源为S，S4、S5的主电源为DG，S1～S3正方向如图1中带箭头实线所示，S4、S5正方向如图1中带箭头虚线所示。若区段L2发生单点故障，此时FTU上传至调度中心的编码应为，如果在信息上传过程中发生丢失，为了防止故障诊断程序发生误判，此时丢失的数据置为1。
3.2基于BQPSO算法的故障诊断流程
诊断流程简述如下：当配电网某区段发生短路故障后，依据预先设置好的编码规则，FTU对故障电流进行编码并将其上传至主站，将主站接收到的故障信息代入公式，之后启动BQPSO算法求该函数。
（1）以二进制位串的形式对粒子群中各粒子位置xi初始化，并令Pi=xi，其中xi表示第i个粒子位置，Pi表示第i个粒子個体最优位置。
（2）将粒子群中各粒子个体最优位置Pi代入公式所示的故障诊断评价函数中计算适应度值，并求解种群最优位置Pg。若适应度值的大小达到收敛条件即达到最小值，则可译码得出故障位置，结束程序;若适应度值的大小没有达到收敛条件，则执行步骤（3）。
（3）计算出种群最优位置，将其代入公式）所示的故障诊断评价函数之中得出此时的适应度值。计算平均最优位置、局部吸引子以及变异概率，依据公式更新粒子位置后执行步骤（2）。
4结束语
DG大多接入到35kV及以下的配网中。具有经济性、灵活性、环保等优点，但也为电网安全稳定运行带来了严峻的考验。针对配网故障诊断方面问题，当接入配电网的DG容量越来越大，配网发生故障时，DG所能提供的故障电流也会越来越大，其所带来的影响也将无法忽视，传统的配电网故障区段定位方案不再适用，因此需要制定一种可以适用于含DG的配电网故障诊断方法。随着时间推移各种人工智能算法的层出不穷，其中具有较高容错性的人工智能算法在电力系统故障诊断领域被广泛应用。如专家系统、人工神经网络法、优化算法、Petri网等人工智能算法都是该领域应用代表。
参考文献：
[1]赵佳佳，马喜平，贾嵘，等.基于概率与小波分析的故障检测方法及其应用[J].电网与清洁能源，2016，32（07）：92-95.
[2]程学珍，陈强，于永进，等.基于最大似然译码字的Petri网电网故障诊断方法[J].电工技术学报，2015，30（15）：46-52.