基于Tabu算法的配电网馈线故障自动化修复方法

孙永军， 周营烽， 陈赛慧， 金淋

(1.国网浙江省电力有限公司经济技术研究院，浙江 杭州 310000；2.浙江理工大学，浙江 杭州 310000；3.浙江华云信息科技有限公司，浙江 杭州 310000)

0 引 言

传统方法中，对配电网馈线故障自动化修复方法主要有模糊特征点定位方法、谱特征提取方法和关联特征检测方法，通过特征匹配方法进行配电网馈线故障自动化修复[1-2]。

文献[3]提出一种基于配电网故障可观测性的配电开关监控终端(feeder terminul unit, FTU)混合配置方法。该方法在未经自动化改造的配电网结构基础上，对在开关处配置“二遥”FTU、“三遥”FTU或不进行FTU配置进行了优化分析。首先给出了配电网故障可观测率的定义，在此基础上提出一种以供电可靠性与经济性为约束条件，建立以故障可观测率最大为目标的配电网FTU优化配置模型。针对模型的特点，采用遗传算法进行求解，得到了配电网FTU混合配置的最优方案。文献[4]提出代数建模机制下馈线故障区段定位的互补松弛约束模型，其优势为：克服了逻辑模型对群体智能算法的依赖，可采用数值稳定性好的梯度算法求解，利用互补松弛约束条件将非线性整数规划模型转化为具有光滑特性的非线性规划模型，降低了决策求解复杂性，无需对配电网进行分层解耦，即可实现单一和多重故障区段的有效辨识。但传统方法进行配电网馈线故障自动化修复的自适应性不好，特征辨识度水平不高。针对上述问题，本文提出基于Tabu算法的配电网馈线故障自动化修复方法，并进行仿真测试分析，验证本文方法在提高配电网馈线故障自动化修复能力方面的优越性能。

1 配电网馈线故障特征提取

(1)

(2)

(3)

(4)

式中:ui为样本某故障波形的各时刻采样值；vi为迭代次数。采用相关性频谱特征检测方法进行配电网馈线故障点异常融合，得到配电网馈线的故障特征匹配结果为：

(5)

式中：ωi(t)为高频振荡分量的角频率；ai(t)为消弧线圈回路的时间常数。根据配电网馈线线路的依频参数和长度，构建配电网馈线故障点的统计序列分布模型[5-10]。在配电网馈线故障的分布域对t-ω平面的特征提取结果为：

(6)

式中：ωi(t)为高频振荡分量的角频率；ai(t)为消弧线圈回路的时间常数。通过区外故障到区内故障的线性拟合方法进行配电网馈线故障自动化特征融合处理，采用Tabu算法进行配电网馈线故障的自动化修复控制，得到配电网馈线故障的线性组合为：

(7)

采用纵联保护的方法，得到配电网馈线故障频谱特征分布为：

φ=[W(t)H(ω,t)]T

(8)

式中:H(ω,t)为配电网馈线的故障特征匹配值；W(t)为配电网馈线故障的特征提取结果。

综上分析，实现对配电网馈线故障点特征提取和谱分析。

2 配电网馈线故障自动修复

结合关联维分析方法进行配电网馈线故障信息融合，根据采样截断误差分析的方法，得到配电网馈线故障优化诊断模型为：

(9)

式中：ni(t)为配电网馈线故障特征分布的窗函数：ni(t)=n1i(t)×p(t)。综上分析，提取配电网馈线故障的低频通高频特征量为：

E=Y∪W∩Y

(10)

结合配电网馈线绕组分组检测方法，得到配电网馈线故障分布的Tabu函数为：

(11)

(12)

考虑不平衡差动电流，进行配电网馈线绕组检测，输出为：

Q=diag(φl，φl+1，…，φl+u)，u≥max(q,r)

(13)

式中:φl为配电网馈线绕组分布的相关性参数。根据上述分析，结合特征聚类方法进行配电网馈线故障特征的类别筛选，实现配电网馈线故障自动化修复。

3 仿真测试分析

为了验证本文方法在实现配电网馈线故障诊断的性能，进行了仿真试验。假设配电网的不平衡差动电流为24 mA，采样截断误差为0.26，行波传输的参考电压为240 V，配电网馈线特征的干扰分量为-12 dB，所示系统节点和支路标号均已在图1中标出，其中支路开关8-21、9-15、12-22、18-33、25-29为联络开关，初始状态下均处于断开状态。系统中接入4个DG，DG接入位置选择重要等级高的负荷节点和系统末端。

图1 接入DG的IEEE33节点系统

分别在100 km、200 km、300 km和400 km的配电网线路长度下进行馈线故障特征提取，如图2所示。

图2 配电网馈线故障特征提取

100 km、200 km、300 km和400 km的配电网线路长度，在频率为100～200 Hz之间，馈线故障特征提取幅值变化明显，根据图2对配电网馈线故障特征提取结果进行故障自动修复诊断，得到故障检测结果如图3所示。

图3 配电网馈线故障检测结果

分析图3得知，本方法能有效实现配电网馈线故障检测，提高了对配电网馈线故障的特征匹配能力。故障恢复结果如图4和表1所示。

图4 双故障点情况下故障恢复拓扑图

表1 孤岛外区域恢复结果

由表1可以看出，重构后网络损失减少，DG2与DG3形成孤岛对部分负荷供电，使接入主网的负荷点减少，减轻了主网对负荷侧的供电压力。

测试不同方法进行配电网馈线故障点预测精度诊断的精度，得到对比结果如表2所示。

表2 预测精度对比

分析表2得知，与文献[3]方法和文献[4]方法对比，本方法进行配电网馈线故障诊断的准确性更高，有效提高了配电网馈线的稳定性和配电网馈线故障诊断及自动化修复能力。

4 结束语

结合配电网馈线故障线路的可用度进行配电网馈线故障的特征分析和模拟，对配电网馈线故障进行预测和优化诊断。本文提出基于Tabu算法的配电网馈线故障自动化修复方法。采用故障大数据融合聚类分析方法进行配电网馈线故障信息特征重组，通过模糊聚类方法进行配电网馈线故障点统计，构建配电网馈线故障点的统计序列分布模型。分析得知，本文方法对配电网馈线故障检测和诊断的自动性较好，故障修复能力较强。