基于自适应遗传量子粒子群算法的配电网故障定位

宫 宇，张 莲，2，杨洪杰，李 涛，贾 浩，张尚德，赵梦琪

（1.重庆理工大学 电气与电子工程学院，重庆 400054；2.重庆市能源互联网工程技术研究中心，重庆 400054）

0 引言

随着配电网的不断发展壮大，对配电网的故障定位提出了更高的要求。因此亟需一种同时具有高准确性和快速性的故障定位新方法[1]。

目前，配电网故障定位主要存在以下问题：配电网规模不断扩大，其结构及网络的潮流变得更加复杂；由于收集故障电流信息的FTU（馈线终端单元）受自然环境或电磁等因素的影响，可能会导致其获取的信息发生缺失或畸变；现阶段的配电网规模很大，其对应的故障信息维度较高，导致求解过程的计算量过大。因此以PSO（粒子群算法）为首的人工智能算法成为配电网故障定位的主流方法，其主要包括遗传算法、人工蚁群算法、PSO、免疫算法等。如文献[2]提出了一种基于图论知识的改进矩阵算法来进行配电网故障定位，该算法虽然可对单重和多重故障定位，但是当存在故障信息畸变时不能准确判断故障位置。文献[3]将迁移学习和深度卷积神经网络相结合来进行故障定位，此方法虽然不易受过渡电阻、故障类型、噪声等因素影响，但仍需要大量数据来训练神经元。文献[4-6]利用遗传算法解决配电网故障定位问题，能够取得全局最优值，但准确度不高；文献[7-8]分别利用人工蚁群算法和蝙蝠算法来进行配电网故障定位，但对畸变信息的容错率低；文献[9-10]利用免疫算法和粒子群算法进行故障诊断，但当存在故障信息缺失时，不能准确判断故障区段的问题。……