[發明專利]一種基于動態虛擬故障的行波網絡定位方法

有效

• 申請號: 202011463260.4
• 申請日: 2020-12-09
• 公開（公告）號: CN112649700B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 李澤文;夏翊翔;曾祥君;席燕輝;鄧豐;雷柳;唐迪
• 申請（專利權）人: 長沙理工大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 深圳市深軟翰琪知識產權代理有限公司 44380
• 代理人: 吳雅麗

1.一種基于動態虛擬故障的行波網絡定位方法，其特征在于，基于當前的線路構造，行波網絡定位包括以下步驟：

步驟1：輸電線路發生故障后，故障初始行波沿最短路徑到達各變電站，由行波檢測裝置記錄初始行波到達時間，將所有測量點的初始行波到達時間兩兩作差，得到真實故障的時間特征矩陣；

步驟2：在輸電線路中隨機選取一點作為虛擬故障點，在該點模擬故障初始行波信號按最短路徑向各測量點傳播；依據虛擬故障行波波速與傳播路徑長度計算虛擬故障點的初始行波到達各測量點的時間，進而兩兩作差得到虛擬故障的時間特征矩陣；

步驟3：利用真實故障的時間特征矩陣與虛擬故障的時間特征矩陣求取時間信息差異度e_t；

步驟4：利用PSO算法不斷更新虛擬故障點位置，重復步驟2～3，逐步逼近真實故障點；

當達到迭代次數后，或者時間信息差異度e_t的值小于預設值，結束迭代；將當前虛擬故障點位置作為故障點位置，實現故障定位。

2.根據權利要求1所述的基于動態虛擬故障的行波網絡定位方法，其特征在于，步驟1中，輸電線路發生故障后，各測量點記錄的故障初始行波到達時間為

T＝(t₁,···,t_i,···,t_m)；

式中，m為輸電網中測量點的個數；

將故障初始行波到達時間兩兩做差，得到真實故障的時間特征矩陣ΔT；

式中，

Δt_ij＝t_i-t_j。

3.根據權利要求2所述的基于動態虛擬故障的行波網絡定位方法，其特征在于，步驟2中，虛擬故障的時間特征矩陣ΔT'

其中，Δt′_ij＝t_i′-t_j′，d_in表示節點i至虛擬故障節點的最短路徑長度，v為虛擬故障行波計算波速。

4.根據權利要求2所述的基于動態虛擬故障的行波網絡定位方法，其特征在于，步驟3中，根據真實故障的時間特征矩陣ΔT與虛擬故障的時間特征矩陣ΔT'可求得兩者時間信息差異度為

式中，E為差異度矩陣；表示矩陣的m₁范數。

5.根據權利要求2所述的基于動態虛擬故障的行波網絡定位方法，其特征在于，PSO算法的步驟如下：

在可行域內由N個粒子組成粒子群落，每個粒子的位置表示一種可行解，則第i個粒子在第j次迭代后的位置為

式中，j表示當前迭代次數；表示虛擬故障點的位置，其中，表示虛擬故障點所在線路連接的節點編號,d_i表示虛擬故障點距節點的距離，j為0時表示粒子的初始位置，此時對賦予隨機值；

定義粒子適應度函數為

式中，F為粒子的適應度，是關于虛擬故障點位置的函數；

每個粒子迭代搜索過程中，使其適應度最大的位置作為該粒子的個體極值

取所有粒子個體極值中適應度最大者設定為粒子群的群體極值

可行解的更新通過粒子的移動來完成，控制粒子移動的運動向量由三方面因素決定：粒子個體原本移動方向、個體極值位置以及群體極值位置；

粒子的移動分三步進行：

1)自身認知向量作用

在自身認知向量的作用下，粒子從當前位置按最短路徑向個體極值位置移動，v_p為自身認知向量的大小，表示粒子移動的距離長度；

v_p＝c_p·r_p·d_p；

式中，c_p為自身認知因子；r_p為區間[0,1]上的隨機數；d_p為粒子位置至個體極值的最短路徑長度；

2)社會認知向量作用

在社會認知向量的作用下，粒子從當前位置按最短路徑向群體極值位置移動，v_g為社會認知向量的大小，表示粒子移動的距離長度：

v_g＝c_g·r_g·d_g；

式中，c_g為社會認知因子；r_g為區間[0,1]上的隨機數；d_g為粒子位置至群體極值的最短路徑長度；

3)慣性向量作用

慣性向量用來保障可行解更新的隨機性；粒子在慣性向量作用下隨機移動，為慣性向量的大小，表示粒子在慣性向量作用下的移動長度：

式中，j表示迭代次數，j取0時，表示慣性向量的初值，為隨機數；ω為慣性權重，取值隨迭代次數自適應降低：

式中，ω_max為最大慣性權重；ω_min為最小慣性權重；j_max表示最大迭代次數。