配網自動化故障定位-遺傳算法

1、0引言隨著電網的不斷擴展，用戶對供電質量和供電可靠性的要求也越來越高，傳統(tǒng)的技術和管理手段無法適應新的形勢。實施配電自動化是進一步改善配電網供電質量,提高配電網供電可靠性的關鍵手段；是提高電力設備利用率,優(yōu)化資源配置,進一步開發(fā)和利用清潔能源的必要措施；是加強和完善配電網管理,提高企業(yè)管理效率的重要途徑。我國的市場經濟的快速發(fā)展和電力市場改革的逐步深入促進了直接與用戶打交道的配電公司越來越重視自身的生產、經營、管理和服務水平,與此同時電力用戶對供電企業(yè)特別是配電的要求也是越來越高。在這樣一種背景下來進行配電網絡故障定位問題的研究有著十分重要的意義，高效的故障定位方法使得配電公司在網絡發(fā)生故障時

2、能夠快速準確地找到發(fā)生故障的區(qū)間或設備,隔離故障設備,及時派出故障搶修工作人員進行現場處理,盡快恢復供電,縮短停電時間。1配電網自動化簡介1.1 配電網結構及接線方式電力系統(tǒng)中，變電、送電、配電設備以及不同電壓等級的電力線路組成電網。電網又分成配電網和輸電網，一般把配電網中經過降壓后低壓側直接給用戶供電的網絡，稱之為配電網絡。配電網絡大致可以分成環(huán)狀、樹狀以及輻射狀，如圖 1.1 所示，將電能分配到各個用戶終端是配電網的主要作用。就我國而言，配電網所指的是 110kV 以下的電壓等級電網，一般高壓配電網為110kV和 35kV，中壓配電網為 10kV，低壓配電網為0.4kV。（c）環(huán)狀(b)樹

3、狀（a）輻射狀 圖1.1 配電網結構圖配電網具有的特點：（1）與用戶終端關系密切，施工或者是系統(tǒng)事故造成停電將給社會造成很大的影響；（2）設備量大，品類眾多，遍及范圍也非常的廣，如街道和生活的各個場所；（3）經常要對系統(tǒng)內的設備進行更新，改造以及變更。電力系統(tǒng)接線方式有多種，我們常用的接地方式一般分為四種：中性點直接接地方式、中性點經電阻接地方式、中性點不接地方式和中性點經消弧線圈接地方式。其中，中性點直接接地方式也稱為大電流接地方式，其余三種稱為小電流接地方式。在配電網中，一般都是采用小電流接地方式。1.2配電網自動化的概念配電自動化(DA)是指以一次網架和設備為基礎,以配電自動化系統(tǒng)為核心

4、,綜合利用多種通信方式,實現對配電系統(tǒng)的監(jiān)測與控制,并通過與相關應用系統(tǒng)的信息集成,實現對配電系統(tǒng)的科學管理。而實現這一目標依靠的就是配電自動化系統(tǒng)(DAS)。配電自動化系統(tǒng)整合了現代電子技術、通信技術、計算機技術以及網絡技術,并與電力一次設備相結合,具備配電SCADA、饋線自動化、故障處 電主站、配電終端、配電子站(不一定有)和通信通道等部分組成。圖1.2為配電自動化的構成圖：圖1.2 配電自動化構成圖配網自動化發(fā)展至今，其內容可大致分為四個方面：一是饋線自動化（配電線路自動化）；二是用戶自動化（用戶需求側管理自動化）；三是配電網管理自動化（網絡分析）；四是變電站的綜合自動化（輸電和配電的接

5、合部）。用戶的供電與故障定位及故障隔離和網絡重構成為了配電網自動化系統(tǒng)的一項主要功能，它可以顯著地提高供電可靠性。1.3配電網自動化的意義目前，我國配電網的網架普遍較為薄弱，整體規(guī)劃也比較缺乏，大部分都是樹狀網。配電網的主干線界面也比較小，并且多為架空線路，供電的半徑較大，損耗嚴重，且電能質量較差，配電系統(tǒng)設備陳舊老化，基本上都是手動操作的，較少采用監(jiān)控設備，采集的信號量不多，自動化故障處理水平較低，故障處理與恢復的速度慢。在配電網中，單電源供電方式是最為常見的，并且線路分段少，當發(fā)生故障時會造成大面積的停電，故障定位需要較長的時間，恢復供電時間較。因此，配電自動化的主要意義在于：當配電網發(fā)生

6、故障時，迅速查出故障區(qū)段，快速隔離故障區(qū)段，及時恢復非故障區(qū)域客戶的供電，因此縮短了對客戶的停電時間，減少了停電面積，提高了供電可靠性。在正常運行情況下，通過監(jiān)控配網運行工況，優(yōu)化配網運行方式，使配電網的潛力得以最大限度的利用；根據配電網電壓合理控制無功負荷和電壓水平，改善供電質量，降低線路損耗，達到經濟運行目的；合理控制用電負荷，從而提高設備利用率；自動抄表計費，保證了抄表計費的及時和準確，提高企業(yè)的經濟效益和工作效率，降低勞動強度，達到減人增效的目的；提高管理現代化水平和服務質量，并可為客戶提供用電信息服務等。配電自動化系統(tǒng)的主要目的之一在于減少停電面積和縮短停電時間，為此必須能夠采集配電

7、網上的實時數據，并對其進行分析，從而使調度員能夠隨時監(jiān)視網上運行情況和作出明確的決策。此外，還要求能夠通過遙控和遙調在控制中心就能對配電網進行必要的操作，從而縮短故障處理時間和降低勞動強度。1.4總結從以上所介紹的內容可以看出，配網故障的定位、隔離及失電區(qū)域的供電恢復重構是配電自動化的一項核心內容，意義深遠。在配電自動化中擁有一套性能優(yōu)良的配網故障診斷及恢復算法計算軟件，將對配電自動化水平起著決定性的作用，本文就是在遺傳算法的基礎上實現配網自動化的故障定位。2 配電網故障定位目前配電網故障定位可以分為主動式及被動式兩種檢測方式。2.1主動式檢測主動式故障檢測方法是指配電網出現線路故障并在沒有停

8、電的狀況下，通過將特定信號注入到系統(tǒng)中實現線路故障定位的方法。2.1.1 S注入法S注入法是利用故障時暫時閑置的電壓互感器注入交流信號電流,通過檢測故障線路中注入信號的路徑和特征來實現故障測距和定位。線路發(fā)生接地故障后,經三相電壓互感器的中性點向故障線路注入特定頻率的電流信號,注入的信號將沿著故障線路經接地點注入大地,然后用信號尋跡原理進行故障選線,并確定故障點?？紤]到配電網中最多的故障是單相接地，因此，為保證電網安全運行,在出現單相接地時選出接地線路后應立即停電,在停電狀況下進行接地點定位?？紤]到線路停電后絕緣可能恢復,可采用“直流開路,交流尋蹤”的離線故障定位新方法。該方法首先通過外加直流

9、高壓使接地點處于保持擊穿狀態(tài),然后注入交流檢測信號,再通過尋跡原理尋蹤注入的交流信號找出故障的準確位置。信號注入法適合于線路上只安裝兩相電流互感器的系統(tǒng)。但是，當接地電阻較大時線路上的分布電容會對注入的信號分流,給選線和定點造成干擾。并且如果接地點存在間歇性電弧現象,則注入的信號在線路中將不連續(xù),給檢測帶來困難。該方法尋找故障點時間較長,在此期間有可能引發(fā)系統(tǒng)的第二點接地,造成線路自動跳閘。2.1.2加信傳遞函數法加信傳遞函數法是在故障出線處加方波激勵信號,根據故障后電路拓撲結構的變化,用頻域分析的方法進行定位。該方法是基于頻譜分析的原理和線路的分布參數模型,在線路首端施加方波激勵信號源,在首

10、端測量時域的零序電壓和電流數據,計算得到頻域傳遞函數,然后根據各分支端口傳遞函數頻譜的頻率、相位及波形特征以實現接地故障的定位。2.1.3 端口故障診斷法端口故障診斷法是將模擬電路故障診斷理論應用于分布參數傳輸網絡故障診斷的方法。從端口方程出發(fā),利用單相接地后的故障電壓和電流的特點進行測距和定位,通過施加正弦信號,比較傳輸網可測端口故障前后測試信號的變化量,實現故障分支定位。端口故障診斷法的優(yōu)點是故障診斷的工作量小,適用于大型網絡的故障診斷,缺點是分支上的故障點位置只能歸結為主支與分支的聯(lián)接點,而無法確定具體的故障距離,并且需要采集線路兩側的信息,實用性不強。2.2被動式檢測被動式故障檢測就是

11、在配電線路的主要節(jié)點加裝故障探測器(故障指示器或FTU), 利用故障發(fā)生時所采集的故障信息以及故障前后線路參數的變化以實現故障點的定位。2.2.1小電流接地故障檢測我國配電系統(tǒng)中性點多釆用小電流接地方式。當系統(tǒng)發(fā)生單相接地故障時,相間電壓保持不變,因此,可以繼續(xù)維持一段時間的正常供電。根據規(guī)定,發(fā)生單相接地故障后系統(tǒng)可繼續(xù)運行2小時,但由于單相接地故障可能會發(fā)展成為兩點或多點的接地故障,進而引起線路跳閘故障。并且小電流接地系統(tǒng)發(fā)生單相接地時故障電流很小,接地電弧往往能夠自行媳滅,使故障消失。因此,小電流接地故障檢測主要是解決單相接地故障的定位。目前,國內建設的配電自動化系統(tǒng),一般僅能實現短路故

12、障定位與隔離功能,還不能處理小電流接地故障,因此，這一領域有很大的發(fā)展空間。2.2.2被動式故障定位的算法對于實現了配電自動化的配電網絡,一般利用線路FTU實現線路故障信息的檢測,并將檢測結果通過通信網絡發(fā)送至SCADA系統(tǒng),SCADA系統(tǒng)根據一定的故障定位算法就可以自動定位出故障所在區(qū)段。以下為常用的算法：（1）故障定位矩陣算法故障定位矩陣算法是根據配網的結構構造一個網絡描述矩陣,然后依據線路的最大負荷,對配網中各臺FTU進行整定。當饋線發(fā)生故障時,有故障電流流過的分段開關上的FTU將檢測到高于其整定值的過電流,此時該FTU就將這個故障電流的最大值及其出現的時刻記錄下來并上報給配網控制中心的

13、SCADA系統(tǒng), SCADA系統(tǒng)對這些信息進行處理獲得一個故障判斷矩陣,根據故障判定矩陣就可準確地判斷和隔離故障區(qū)段。由于基于信息矩陣的算法完全依賴于FTU上報的信息進行故障定位,所以當信息誤傳或保護拒動時,將會影響定位的結果,容錯性差。（2）專家系統(tǒng)專家系統(tǒng)(Expert System)是一類包含著知識和推理的智能計算機程序,其內部含有大量的某個領域專家水平的知識和經驗,能夠利用人類專家的知識和解決問題的方法來處理該領域的問題,特別擅長于解決難以建立數學模型,較多的依賴專家的經驗知識的問題。這種方式下，根據專家提供的運行經驗,建立模糊診斷的知識庫及相應的推理機制,當故障發(fā)生后,SCADA系統(tǒng)

14、發(fā)出的保護和開關動作信號激活系統(tǒng),依據網絡拓撲結構形成故障信號鏈,啟動推理機制,進行信號識別及故障定位。（3）模糊理論模糊理論(Fuzzy Theory)是將經典的集合理論模糊化,并引入語言變量和近似推理的模糊邏輯,具有完整的模糊體系的一種智能技術,可以較好的處理不確定性問題。由于保護或斷路器的誤動、拒動、信道的傳輸干擾、保護的時限偏差等的存在,使得電力系統(tǒng)故障診斷問題存在許多不確定因素,而模糊理論正擅長模擬人類思維中的近似推理,使得它被廣泛應用于電力系統(tǒng)的故障診斷。（4）人工網絡人工神經網絡(ANN)是一種連接機制模型,它是由大量人工神經元廣泛互聯(lián)而成的網絡,是以工程技術的手段來模擬人腦神經

15、元網絡結構和特征的系統(tǒng)。應用神經網絡進行電力系統(tǒng)報警處理和故障定位能在保護裝置誤動、數據丟失以及出現其它未考慮的報警類型時也能給出較精確的定位結果。（5）遺傳算法遺傳算法(GA)是一種基于達爾文進化論思想和遺傳學的新的優(yōu)化算法,通過模擬自然生物進化的過程中優(yōu)勝劣汰的機制來解決科研工作中出現的各種問題。遺傳算法是根據人類遺傳機理,通過模擬生物進化過程中的繁殖、雜交和突變等現象,提出的一種全局優(yōu)化算法。它具有較強的全局尋優(yōu)能力,擅長于優(yōu)化問題,并具備高容錯性能,在配電網故障定位應用中得到重視。這也是本文的重點，在下一章具體闡述。3遺傳算法近年來，以遺傳算法和專家系統(tǒng)為代表的人工智能發(fā)展迅速，并在電

16、力系統(tǒng)中得到了廣泛的應用，尤其以遺傳算法的應用最廣。遺傳算法是一種基于自然選擇和群體遺傳機理的搜索算法，它模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、雜交和突變現象，因此，遺傳操作的三個基本遺傳算子為：選擇、交叉和變異。選擇和交叉基本完成了遺傳算法的大部分搜索功能，變異增加了遺傳算法找到接近最優(yōu)解的能力。3.1編碼在遺傳算法中，不直接與參數打交道，而是根據元件故障與保護動作和斷路器跳閘之間的關系,將電力系統(tǒng)的故障診斷問題轉化為一個0、1整數規(guī)劃問題, 通過故障診斷的評價函數,實現精確的故障診斷。一般來說，“1”表示設備存在故障，“0”表示設備工作正常。3.2 評價函數3.2.1 單電源供電在遺傳操

17、作中,評價函數是評價解的性能的依據,性能好的解的優(yōu)良性能遺傳給下一代。評價函數構造為 （1）式中 ， 為第i個設備的狀況（正常為0，故障為1）；為第i個分段開關的電流越限信號（有故障電流時為1，否則為0）； 為第j個分段開關的函數（有故障電流時為1，否則為0）；為可由上傳給主站SCADA系統(tǒng)的實時故障電流信息通過下式得到。 （2）式中為第j個分段開關的電流越限信號（有故障電流時為1，否則為0）； 為采集到的第j個分段開關的故障電流； 為第j個分段開關的故障電流定值。由上述的分析可見, 僅與采集到的實時故障電流有關,與設備狀態(tài)無關。式(1)右端的項數及均由實時的網絡拓撲分析結果確定。3.2.2

18、多電源供電第 3.2.1 節(jié)分析了單一電源情況下基于遺傳算法的故障定位方法。在多電源情況下，評價函數的構造將不同于單一電源的情況。因為此時某一設備故障后，故障點和每個電源點（此時電源點不止一個）之間的測控點都會有故障電流流過，若按單一電源情況下的是否經歷故障電流的求解方法將不能正確地判定故障區(qū)間。因此對于多電源的情況，需確定故障電流的方向性。先給各饋線來確定一個正方向：假定該網絡只由其中某一個電源供電（該電源可以任意選?。?，饋線的正方向就是由該假定電源向全網供電的功率流出方向。對于一個假定了正方向的配電網，就可以利用單一電源情況下的遺傳算法來進行故障定位了。考慮了配電網方向性之后，某個測控點的

19、狀態(tài)值為：表達式的求解與單一電源情況類似。某個測控點的期望狀態(tài)值等于某幾個饋線段狀態(tài)值的或運算，參與或運算的饋線段的集合就是若其中任一饋線發(fā)生故障，則均有故障電流以正方向流過這一測控點的那些相關饋線段。其它變量的定義及評價函數表達式與單一電源情況下的完全相同。由此可見，在考慮了正方向之后，多電源配電網的故障定位問題實際上已轉化為了單一電源情況下的故障定位問題。3.3形成初始解群在主站接收到故障信息時,根據進線斷路器的保護信息(速斷、限時速斷、過流)的不同形成不同的初始解群。若保護信息為速斷,則初始解群中進線斷路器出口處設備狀態(tài)為1(設備故障)的解多一些;若為限時速斷,則配網中間設備狀態(tài)為1的初

20、始解多一些;若為過流,則位于配網末端狀態(tài)為1的初始解多一些。這樣可以大大地降低遺傳算法的搜索次數。初始解群隨機選取，但群體大小N得控制得當。當N取值較小時，可提高遺傳算法的運算速度，但卻降低了群體的多樣性；而當N 取值較大時，又會使得遺傳算法的運行效率降低。計算每個初始解的適應值時,從中選出適應值較大的解,組成匹配集。3.4遺傳操作遺傳操作包括選擇、交叉和變異操作過程。3.4.1選擇選擇是指從群體中選擇優(yōu)良個體并淘汰劣質個體的操作。 將父代群體中的每一個染色體進行適應度評估，適應度越大，表示品種越優(yōu)良，被選中的幾率也越大。目前在遺傳算法中最基本也是最常用的選擇方法是輪盤賭方法，又稱適應度比例法

21、。 設群體的大小為 N，個體的適應度為，則個體 i 被選擇的概率為: （3）被選中的個體被放入配對庫中隨機進行配對，以進行下面的交叉操作。3.4.2 交叉交叉是指把兩個父代個體的部分結構加以替換重組而生成新個體的操作，交叉的目的是為了能夠在下一代產生新的個體。 通過交叉操作，遺傳算法的搜索能力得以飛躍性的提高。交叉是 GA 獲取新優(yōu)良個體的最重要手段。 最簡單的交叉方法是一點交叉， 又稱為簡單交叉。具體操作是：在個體串中隨機選定一個交叉點，兩個個體在該點前或后進行部分互換，以產生新的個體。 舉例如下：交叉交叉點X:0000111 X:0000001Y:1111001 Y:1111111交叉操作

22、是按照一定的交叉概率 Pc （也稱交叉率）在配對庫中隨機選取兩個個體進行的， Pc 的值一般比較大，在 0.6 0.9 之間。3.4.3 變異變異是隨機地改變群體中個體的某些基因的值，舉例如下：變異變異點X:0010111 X:0010101變異與選擇、交叉結合在一起，就能避免因選擇和交叉算子引起某些信息永久性丟失，保證遺傳算法的有效性。 變異率 Pm 通常取很小的值，如 0.001，若 Pm 過大，遺傳算法就退化為隨機搜索，將失去它的某些重要特性?？傊?，遺傳算法的通用流程框圖見圖 3.1 所示。圖3.1 遺傳算法的通用流程框圖4 編程與實現在了解了基本原理之后，給出了基于遺傳算法的MATLA

23、B故障定位程序和運行結果。4.1 MATLAB程序根據第三章闡述的遺傳算法，編寫的程序如下：4.1.1 將二進制編碼轉化為十進制%Name: decodechrom.mfunction pop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length-1); %是否為pop1=pop(:,spoint, spoint+length-1) pop2=decodebinary(pop1);4.1.2 計算行向量并求和%Name: decodebinary.mfunction pop2=decodebinary(pop)px,py=

24、size(pop); %求pop的行和列數for i=1:py pop1(:,i)=2.(py-1).*pop(:,i); py=py-1;endpop2=sum(pop1,2);%求pop1的每行之和，B=sum(A,dim),只對A中第dim維的元素進行計算，dim=1，計算A中各列元素之和；dim=2，計算A中各行元素之和4.1.3 解群初始化%Name: initpop.mfunction pop=initpop(popsize,chromlength)pop=round(rand(popsize,chromlength); %rand隨機產生單元為（0,1），行數為popsize,列

25、數為chromlength的矩陣%round對矩陣的每個單元進行四舍五入的化整，由此形成初始解群4.1.4 實現目標函數的計算%Name: calobjvalue.mfunction objvalue=calobjvalue(pop)temp1=decodechrom(pop,1,10); %將pop每行轉化為十進制數x=temp1*10/1023; %轉化成變量域中的數objvalue=10*sin(5*x)+7*cos(4*x); %計算目標函數值4.1.5計算個體的適應值%Name:calfitvalue.mfunction fitvalue=calfitvalue(objvalue)g

26、lobal Cmin; %定義Cmin為全局變量Cmin=0;px,py=size(objvalue);for i=1:px if objvalue(i)+Cmin>0 temp=Cmin+objvalue(i); else temp=0.0; end fitvalue(i)=temp;endfitvalue=fitvalue'4.1.6 選擇%Name: selection.mfunction newpop=selection(pop,fitvalue)totalfit=sum(fitvalue);%求適應值之和fitvalue=fitvalue/totalfit;%單個個體被

27、選擇的概率 fitvalue=cumsum(fitvalue); %累積概率 px,py=size(pop);ms=sort(rand(px,1); %將rand（px,1）產生的一列隨機數變成輪盤賭的表示方式，從小到大排列fitin=1; newin=1; while newin<=px if(ms(newin)<fitvalue(fitin) %ms（newin）表示的是第ms列向量中第newin位數值，fitvalue(fitin)同理 newpop(newin)=pop(fitin); %賦值，將舊種群中第（fitin）個個體保留到下一代（newpop）newin=newi

28、n+1; else fitin=fitin+1; endend4.1.7 交叉%Name: crossover.mfunction newpop=crossover(pop,pc)px,py=size(pop);newpop=ones(size(pop); %定義一個px*py維矩陣or i=1:2:px-1 if(rand<pc) %rand隨機產生一個單元（0,1），交叉概率為0.6cpoint=round(rand*py); %以 cpoint為交叉點，交叉后產生新的子個體newpop(i,:)=pop(i,1:cpoint),pop(i+1,cpoint+1:py);newpop

29、(i+1,:)=pop(i+1,1:cpoint),pop(i,cpoint+1:py);elsenewpop(i,:)=pop(i);newpop(i+1,:)=pop(i+1);endend4.1.8 變異%Name: mutation.mfunction newpop=mutation(pop,pm)px,py=size(pop);newpop=ones(size(pop);for i=1:pxif(rand<pm) %rand隨機產生一個單元（0,1），變異的概率pm為0.001 mpoint=round(rand*py); if mpoint<=0 %子循環(huán)，使mpoin

30、t大于等于1 mpoint=1; end newpop(i)=pop(i); if any(newpop(i,mpoint)=0 %子循環(huán)，將i行mpoint列元素變異 newpop(i,mpoint)=1; else newpop(i,mpoint)=0; end else newpop(i)=pop(i); %其余不變異 endend4.1.9求出群體中適應值最大的值%Name: best.mfunction bestindividual,bestfit=best(pop,fitvalue)px,py=size(pop);bestindividual=pop(1,:);bestfit=fi

31、tvalue(1);for i=2:px if fitvalue(i)>bestfit bestindividual=pop(i,:); bestfit=fitvalue(i); endend4.1.10 主函數%Name:genmain05.mclearclfpopsize=20; %群體大小chromlength=10; %字符串長度（個體大?。﹑c=0.6; %交叉概率pm=0.001; %變異概率pop=initpop(popsize,chromlength); %隨機產生初始解群 for i=1:20 %迭代次數20objvalue=calobjvalue(pop); %計算目

32、標函數fitvalue=calfitvalue(objvalue); %計算群體中每個個體的適應度 newpop=selection(pop,fitvalue); %選擇newpop=crossover(pop,pc); %交叉newpop=mutation(pop,pm); %變異 bestindividual,bestfit=best(pop,fitvalue); %求出群體中適應值最大的個體及其適應值 y(i)=max(bestfit);n(i)=i;pop5=bestindividual;x(i)=decodechrom(pop5,1,chromlength)*10/1023; pop

33、=newpop;endfplot('10*sin(5*x)+7*cos(4*x)',0 10)hold onplot(x,y,'r*')hold offz index=max(y); %計算最大值及其位置x5=x(index) %計算最大值的x值y=z其中，主函數中的很多參數根據具體的網絡結構和參數進行修改，這里給出的是一種可能的值。4.2運行結果在配電網中，有單電源供電方式和多電源供應方式。其中多電源供電可以看做是多個單電源供電的合成，體現在遺傳算法中就是故障電流為正時函數值為1，而不留過故障電流或故障電流為負時函數值為0，這里的正負相對于單電源供電方式而言。

34、4.2.1單電源供電方式的故障定位圖4.1 單電源供電的饋線圖圖4.1是單電源供電的饋線,算例采用隨機抽取元件作為故障設備,假設S3處發(fā)生故障，從配電自動化系統(tǒng)FTU得到的故障電流信息為:k1=1,k2=1,k3=1,k4=0,k5=0,k6=O,Ll=0。利用本文提出的遺傳算法來進行故障定位,設種群大小和評價函數中的N的大小為開關數的兩倍,即N=14。在此例子中,評價函數最大值為14,個體基因個數即為元件的個數，這里為6，第一代種群通過隨機產生如下:表4.1 單電源供電方式下第一代隨機種群序號個體適應度值01010011111001101021100101030011110840000011

35、35111110086111101087100000128101111079000101111001101109110000111112011000131301001011當種群通過遺傳操作到第4代時,出現了最大適應度值14的個體7,滿足約束條件，結束計算,個體7中的基因值為1所對應的元件S3即為故障元件。表4.2 操作4次后的結果序號個體適應度值00000011311111100821000001230110001341100001251001101060111110770010001481001101091111010810101111071110100111120111110713100

36、01011以上經算法計算所得到的結果與假設的一致。4.2.2多電源供電方式的故障定位由于在實際運行中,國內的配電網都是以樹形結構運行的，因此在進行多電源供電方式算例分析時,選用了聯(lián)絡開關閉合后形成的饋線圖作為算例的模擬網絡拓撲,如圖4.2所示。首先,設圖中的S3處發(fā)生故障,根據文中故障電流方向的定義,可從配電自動化系統(tǒng)中的SCADA監(jiān)控中心得到各開關的故障電流信息為Kl=l;K2=1;K3=l;K4= 1;Ll=1; K5=O;K6=0;K7=l;K8=l;K9=0;K10=O。此時算法中的種群大小為22,評價函數中的N為22,個體的基因數為10。圖4.2 多電源供電的饋線圖第一代種群通過隨機

37、產生如下:表4.3 多電源供電方式下第一代隨機種群序號個體適應度值01110010110111001101010113200110010101531100010110124111001110108510011110110761010101001107100011100012810110001001591010000010171011011010001211001101010016120101100010151300110011011314101001000017151001100011121611110100001417111101101107181000100011131900010010101520