楊 文, 張邦雙, 葉 欣, 趙千川
(1. 清華大學自動化系, 北京市 100084; 2. 航天發射場可靠性技術重點實驗室, 海南省海口市 570100)
隨著配電網規模的擴大及自動化和信息化程度的提高,配電網安全管理的復雜性隨之增加。配電網故障檢測對于提高供電可靠性和安全性具有重要作用,一直是學術界和工業界共同關注的焦點[1-2]。隨著饋線終端單元(feeder terminal unit,FTU)及無線傳感器等在配電網中的應用[3-4],可以實時動態獲取配電網運行信息,配電網設備狀態及各類電力參數已成為配電網故障檢測的主要依據。現有的配電網故障檢測方法大致可以分為圖論和人工智能兩類方法。如早期文獻[5]給出了基于圖論和矩陣的故障檢測和定位方法,該方法后續得到了持續改進[6-9],主要是進一步降低計算復雜性。這類方法計算速度快,但未考慮傳感器故障,對遙信遙測數據質量要求高。然而,由于配電自動化設備及通信網絡的運行環境惡劣,如通信擾動或中斷、傳感器漂移或失效等普遍存在,上報的數據容易畸變、丟失甚至錯誤[10-12]。為此,研究人員陸續提出了具有容錯性的檢測算法[13],容錯能力有所提升。主要方法有人工神經網絡算法[14-15]、遺傳算法[16]、貝葉斯算法[10]、粗糙集算法[17]、群體智能算法[18-21]等。以上基于人工智能的故障檢測方法,具有較好的容錯性,對饋線區段故障檢測效果較好,但對傳感器故障的檢測仍不理想,且迭代過程復雜,計算量較大。
從能量角度來看,配電系統本質上是對電能的分配、傳輸和控制,能量的傳遞將饋線、開關設備和感知測量數據關聯起來,整體上反映了配電系統的工作狀態。……