智能配电网故障诊断及自愈控制方法研究

摘要

智能电网是当今世界能源产业发展革命的最新动向，体现了社会的进步，代表着电网未来的发展方向。配电网的智能化是统一坚强智能电网建设的重要内容，而“自愈”是配电网智能化的核心和重要途径。因此，针对智能配电网的故障诊断和自愈研究具有重要的现实意义。
　　目前，在配电网故障诊断中虽然引入了许多智能算法，但是就其实际应用而言方法仍比较单一;在自愈控制方面，由于实际电网有拓扑结构复杂、保护信息量大等特征，故障恢复时间长、电能质量不高的情况时有发生。针对以上不足，本文提出了基于模糊最小-最大神经网络分类器(FMCN)的故障诊断方法、含分布式发电的潮流计算的方法以及基于多智能体粒子群优化(MAS-PSO)的自愈控制方法，在准确定位故障位置的基础上通过MAS-PSO算法进行开关重构，提高了智能配电网的可靠性和坚强性，缩短了开关重构时间，达到了自愈评价标准。
　　本文首先介绍了配电网网络拓扑、配电网故障类型、配电继电保护、智能配电网自动化终端设备及配电自动化的主要基础平台，阐述了智能配电网各部分之间的协调关系，为后文理论研究提供了依据。
　　其次，通过人工神经网络与模糊理论的融合得到了常规模糊神经网络(FMNN)，在此基础上提出通用模糊最小-最大神经网络分类器(GFMN)和补偿神经元模糊最小-最大神经网络分类器(FMCN)，通过仿真对比得出FMCN在智能配电网故障诊断应用中比GFMN具有更大精准度的结果。
　　最后，本文研究含分布式发电的配电网络潮流计算，确定各节点负荷，并提出基于多智能体粒子群优化(Multi-Agent Particle Swarm Optimization Algorithm,MAS-PSO)的配电开关重构方法。通过对实例数据的仿真分析对比，证明该算法能更快、更精确地收敛到全局最优解，达到自愈目标，提高自愈标准。

目录

声明

摘要

第1章 绪论

1．1 课题背景及意义

1．2 国内外发展现状

1．2．1 智能配电网的国内外发展现状

1．2．2 电网自愈的国内外发展现状

1．3 智能配电网故障诊断技术

1．3．1 专家系统

1．3．2 Petri网络

1．3．3 粗糙集理论

1．3．4 遗传算法

1．3．5 贝叶斯网络

1．3．6 综合方法的故障诊断

1．4 本文所做工作

第2章 配电系统的故障诊断及自愈

2．1 配电网网络拓扑

2．1．1 配电线路类型

2．1．2 配电网络拓扑类型

2．2 配电故障类型及保护

2．2．1 配电故障类型

2．2．2 配电继电保护类型

2．3 配电自动化技术

2．4 配电网自动化终端装置

2．4．1 FTU

2．4．2 DTU和TTU

2．4．3 RTU

2．5 SCADA系统、AM＼FM＼GIS系统

2．5．1 SCADA系统

2．5．2 AM／FM／GIS系统

2．6 本章小结

第3章 配电线路短路故障定位算法分析

3．1 人工神经网络

3．1．1 BP神经网络的结构与学习过程

3．1．2 BP神经网络在电力系统故障定位中的相关问题

3．2 模糊理论

3．2．1 模糊集合、模糊隶属度和模糊隶属函数

3．2．2 模糊集合贴近度理论

3．2．3 模糊综合评判方法

3．2．4 模糊理论的相关问题

3．3 常规模糊最小-最大神经网络分类器(FMNN)

3．4 仿真样本提取

3．4．1 电力系统保护动作原理

3．4．2 训练样本获取及训练过程

3．5 仿真分析

3．6 本章小结

第4章 基于模糊最小-最大神经网络分类器的线路短路故障定位方法

4．1 模糊神经网络

4．1．1 模糊理论与神经网络的融合

4．1．2 模糊神经网络的概念与结构

4．2 模糊最小-最大神经网络分类器研究

4．2．1 通用模糊最小-最大神经网络分类器(GFMN)

4．2．2 补偿神经元的模糊最小-最大神经网络分类器(FMCN)

4．2．3 FMNN、GFMN、FMCN对比仿真分析

4．3 基于FMCN的智能配电网线路短路故障定位方法研究

4．3．1 18节点智能配电网络故障样本

4．3．2 配电网故障诊断流程

4．4 仿真分析

4．5 本章小结

第5章 基于多智能体粒子群算法的智能配电网自愈控制方法

5．1 智能配电网自愈分析

5．1．1 电网自愈概述

5．1．2 配网自愈能力的评价指标

5．2 智能配电网潮流计算

5．2．1 配电网络的潮流计算

5．2．2 含分布式发电的智能配电网潮流计算

5．3 基于MAS-PSO的智能配电网的自愈控制方法研究

5．3．1 粒子群算法的基本原理和数学描述

5．3．2 MAS-PSO算法

5．3．3 基于MAS-PSO算法的智能配电网自愈控制方法

5．4 仿真分析

5．5 本章小结

第6章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

攻读硕士期间所做工作