【技术实现步骤摘要】
本专利技术涉及配电网故障监测，具体涉及一种配电网故障定位方法。
技术介绍
1、随着社会的不断发展，电力用户对电能质量和供电可靠性的要求越来越高。在所有停电事故中，由配电网故障引发的停电事故约占90%以上。配电网的精准、快速故障定位有利于故障的小范围隔离与快速检修，对于配电网的安全、稳定、高效运行具有重要意义。
2、目前，配电网故障定位方法主要分为阻抗法、注入信号法和行波法。阻抗法受故障点过渡电阻、中性点接地方式和分布电容的影响很大，测距精度较差，对于多分支结构的配电网，阻抗法存在伪故障点等问题。注入信号法注入信号的能量受电压互感器的限制，不能应用于间歇性故障，自动化程度较低，且需要增加信号注入设备，成本较高。行波法不受故障点过渡电阻、系统振荡和电流互感器饱和等因素的影响，已经在输电网故障定位中成功应用。
3、然而，目前配电网的拓扑结构较为复杂，馈线上存在大量分支，架空线—电缆混合线路很常见，给故配电网障定位带来很大困难，而且配电线路长度相对较短，所以对故障定位的精度要求比输电线路更高。现有技术中一些用于输电网故障行波定位的方案，对于具有复杂拓扑结构的配电网无法实现精准故障定位，甚至会出现故障定位失败的情况。
技术实现思路
1、针对现有技术所存在的上述缺点，本专利技术提供了一种配电网故障定位方法，能够有效克服现有技术所存在的难以对配电网进行精准、快速故障定位的缺陷。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、一种配电
4、s1、采集各区段的暂态零序电压和暂态零序电流，并计算各区段的伏安特性特征向量和零序功率特征向量；
5、s2、根据各区段的伏安特性特征向量和零序功率特征向量，得到各区段的综合特征向量；
6、s3、采用结合改进自适应免疫算法的模糊c均值聚类算法，根据综合特征向量对各区段进行聚类分析，得到故障区段；
7、其中，结合改进自适应免疫算法的模糊c均值聚类算法中，将聚类中心作为抗体，将各区段的综合特征向量作为抗原，根据抗体与抗原之间的亲和度，以及迭代次数动态更新变异率，以加速收敛并保护优秀抗体，同时根据抗体与抗原之间的亲和度，以及迭代次数动态更新疫苗接种概率，以保持种群的稳定性和多样性。
8、优选地，s1中采集各区段的暂态零序电压和暂态零序电流，并计算各区段的伏安特性特征向量和零序功率特征向量，包括：
9、s11、采集各区段的暂态零序电压和暂态零序电流，并计算各区段的暂态零序电压导数和零序功率值；
10、s12、根据各区段的首半波暂态零序电压导数和暂态零序电流，得到各区段的伏安特性特征向量；
11、s13、根据各区段的零序功率值，得到各区段的零序功率特征向量。
12、优选地，s11中采集各区段的暂态零序电压和暂态零序电流，并计算各区段的暂态零序电压导数和零序功率值，包括：
13、采用下式计算各区段的暂态零序电压导数：
14、；
15、其中， u0为暂态零序电压，为时刻的暂态零序电压， u0( t)为 t时刻的暂态零序电压，为时间间隔；
16、采用下式计算各区段的零序功率值：
17、 p0= u0* i0；
18、其中， p0为零序功率值， i0为暂态零序电流。
19、优选地，s12中根据各区段的首半波暂态零序电压导数和暂态零序电流，得到各区段的伏安特性特征向量，包括：
20、对各区段的首半波暂态零序电压导数和暂态零序电流进行归一化处理，并构造伏安特性散点图，采用聚类算法提取表征散点图分布情况的聚类中心，从而获得对应的伏安特性特征向量。
21、优选地，s13中根据各区段的零序功率值，得到各区段的零序功率特征向量，包括：
22、对各区段的零序功率值按时间进行幅值累加，得到累加值，从而获得对应的零序功率特征向量。
23、优选地，s2中根据各区段的伏安特性特征向量和零序功率特征向量，得到各区段的综合特征向量，包括：
24、s21、对各区段的伏安特性特征向量和零序功率特征向量进行归一化处理，以消除不同量纲和数值范围对聚类结果的影响；
25、s22、对各区段的归一化后的伏安特性特征向量和零序功率特征向量进行特征拼接融合，从而获得各区段的综合特征向量；
26、其中，各区段的综合特征向量表示如下：
27、 cfv i=[ vce i, zpde i]；
28、上式中， cfv i为第 i个区段的综合特征向量， vce i为第 i个区段的伏安特性特征向量， zpde i为第 i个区段的零序功率特征向量。
29、优选地，s3中采用结合改进自适应免疫算法的模糊c均值聚类算法，根据综合特征向量对各区段进行聚类分析，得到故障区段，包括：
30、s31、将各区段的综合特征向量输入结合改进自适应免疫算法的模糊c均值聚类算法中，进行聚类分析，得到聚类中心；
31、s32、分析聚类结果，筛选出与故障特征最为匹配的聚类，将该聚类所包含的区段作为故障区段；
32、s33、对故障定位结果进行验证，确保故障定位的准确性和可靠性；
33、其中，结合改进自适应免疫算法的模糊c均值聚类算法中，将聚类中心作为抗体，将各区段的综合特征向量作为抗原。
34、优选地，s31中将各区段的综合特征向量输入结合改进自适应免疫算法的模糊c均值聚类算法中，进行聚类分析，得到聚类中心，包括：
35、s311、在搜索空间内随机生成一定规模的初始种群，初始种群中的每个抗体代表一个潜在解，并对每个抗体的隶属度矩阵进行初始化；
36、s312、对当前种群中的亲和度较高的抗体进行克隆，生成一组新的抗体；
37、s313、根据当前种群中的每个抗体与抗原之间的亲和度，以及迭代次数动态更新变异率，并基于更新后的变异率对当前种群中的每个抗体本文档来自技高网...
【技术保护点】
1.一种配电网故障定位方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的配电网故障定位方法，其特征在于：S1中采集各区段的暂态零序电压和暂态零序电流，并计算各区段的伏安特性特征向量和零序功率特征向量，包括：
3.根据权利要求2所述的配电网故障定位方法，其特征在于：S11中采集各区段的暂态零序电压和暂态零序电流，并计算各区段的暂态零序电压导数和零序功率值，包括：
4.根据权利要求3所述的配电网故障定位方法，其特征在于：S12中根据各区段的首半波暂态零序电压导数和暂态零序电流，得到各区段的伏安特性特征向量，包括：
5.根据权利要求4所述的配电网故障定位方法，其特征在于：S13中根据各区段的零序功率值，得到各区段的零序功率特征向量，包括：
6.根据权利要求2所述的配电网故障定位方法，其特征在于：S2中根据各区段的伏安特性特征向量和零序功率特征向量，得到各区段的综合特征向量，包括：
7.根据权利要求6所述的配电网故障定位方法，其特征在于：S3中采用结合改进自适应免疫算法的模糊C均值聚类算法，根据综合特征向量对
8.根据权利要求7所述的配电网故障定位方法，其特征在于：S31中将各区段的综合特征向量输入结合改进自适应免疫算法的模糊C均值聚类算法中，进行聚类分析，得到聚类中心，包括：
9.根据权利要求8所述的配电网故障定位方法，其特征在于：S313中根据当前种群中的每个抗体与抗原之间的亲和度，以及迭代次数动态更新变异率，并基于更新后的变异率对当前种群中的每个抗体进行变异操作，以引入新的搜索空间，包括：
10.根据权利要求9所述的配电网故障定位方法，其特征在于：S314中根据当前种群中的每个抗体与抗原之间的亲和度，以及迭代次数动态更新疫苗接种概率，并基于更新后的疫苗接种概率将疫苗接种至当前种群中的每个抗体上，以引导算法向更优的搜索空间搜索，包括：
...【技术特征摘要】
1.一种配电网故障定位方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的配电网故障定位方法，其特征在于：s1中采集各区段的暂态零序电压和暂态零序电流，并计算各区段的伏安特性特征向量和零序功率特征向量，包括：
3.根据权利要求2所述的配电网故障定位方法，其特征在于：s11中采集各区段的暂态零序电压和暂态零序电流，并计算各区段的暂态零序电压导数和零序功率值，包括：
4.根据权利要求3所述的配电网故障定位方法，其特征在于：s12中根据各区段的首半波暂态零序电压导数和暂态零序电流，得到各区段的伏安特性特征向量，包括：
5.根据权利要求4所述的配电网故障定位方法，其特征在于：s13中根据各区段的零序功率值，得到各区段的零序功率特征向量，包括：
6.根据权利要求2所述的配电网故障定位方法，其特征在于：s2中根据各区段的伏安特性特征向量和零序功率特征向量，得到各区段的综合特征向量，包括：
【专利技术属性】
技术研发人员：方明，王本生，毛鸣虎，黄启建，邵杰，章炎，查文祥，宁波，杨凯，邓鹏飞，汪洋，张涛，周经炜，谢翔，徐锦圣，莫晓雨，方敏，朱亚平，吴联会，
申请(专利权)人：国网安徽省电力有限公司池州市贵池区供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。