配電網故障定位算法研究.pdf

1、本文在分析現代配電網拓撲結構以及傳統(tǒng)故障定位算法的基礎上,采用一種基于改進BP神經網絡算法、遺傳優(yōu)化神經網絡GA-BP算法以及RBF徑向基神經網絡算法在配電網故障定位中的應用。對三種神經網絡在配電網故障定位中的應用進行系統(tǒng)比較分析,從而為實現了配電網的故障診斷、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、深入研究了配電網拓撲結構。算法的實現正是基于配電網的拓撲結構,本文采用了現代電網手拉手的環(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)經過故障診斷算法綜合分析,判別故障點位置,實現了故障定位,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神經網絡未考慮前一次調

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神經網絡算法在配電網故障定位中的應用,解決了上述問題,并通過了算例仿真驗證。
　　3、針對神經網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網絡算法應用于配電網故障定位。用遺傳算法優(yōu)化BP神經網絡解決了BP網絡的最優(yōu)初始權值和閾值問題,加快了網絡的收斂。利用遺傳算法的全局搜索能力,進一步提高了BP神經網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神經網絡容錯性能不佳、BP隱含層神經元個數難以確定、收斂速度慢和容易陷入局部最優(yōu)的問題,本文將RBF神經網絡算法引入配電網故障定位中。RBF網絡采用隱含層為高斯函數,是局部逼近網絡,有效的加快了收斂速度和避免局部最優(yōu)。在實際配電網故障診斷中,采用RBF神經網絡,實現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,實現了配電網自動化目標,對故障判