分布式发电条件下的配电网故障定位技术研究
发布时间：2021-11-02 09:51
随着社会的不断发展,供电的可靠性也越来越受到关注。同时由于城市电网的不断改造、智能电网的不断改进、坚强智能电网的快速兴起及分布式电源（Distributed Generation,DG）的快速发展,这就造成了配电网络变得更加复杂,当配电网发生故障时,在实现快速、准确的定位出故障的同时并对故障进行隔离、非故障区恢复供电是当前主要任务。实现故障的准确定位是当前建设智能电网的需要,也是保证供电可靠性和电能质量的基础,因此如何确定一个合适的定位方法成为众多学者讨论的话题。针对目前配电网故障定位的发展现状,本文首先介绍了DG接入配电网的准则,然后分析了DG接入配电网产生的影响,包括对电网规划、电网运行及传统定位方法所带来的影响。针对现有定位方法的不足,提出了将量子行为粒子群算法（Quantum Behaved Particle Swarm Optimization,QPSO）与差分进化算法（Differential Evolution,DE）相结合的混合优化算法并应用到配电网故障定位中。针对传统QPSO算法存在着在全局搜索性能方面尚有不足以及算法的准确性较差的问题,对QPSO算法进行改进,在融合...
【文章来源】：山东理工大学山东省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
波函数三维图像
山东理工大学硕士学位论文第三章基于混合优化算法的理论与分析21图3.3波函数三维图像Fig.3.3Three-dimensionalimageofwavefunction图3.4波函数图像剖面图Fig.3.4PlanediagrampictureofwavefunctionQPSO算法之所以是一个全局优化算法，主要是采用了双指数的分布方式。在QPSO算法中，全局最优位置的确定是由每个粒子独立的向其汇集而得，而当参考点选择为平均最优位置点时，粒子向最优解汇集时不能与其他粒子相分离而独立存在，粒子间便相互等待对方，形成了粒子间的等待效应。算法中大部分粒子都聚集在最优解附近，对于聚集在最优解附近的粒子，由于平衡点p是在局部最优解与全局最优解之间的一点，粒子当前位置与p点的距离很小，粒子会以很大的概率出现在在全局最优解附，这样粒子就会很快收敛到全局最优解，落后粒子由于其局部最优解离全局最优解较远，所以全局最优解运动运动的速度较慢，因此它们便承担了全局搜索的任务，如果不进行大规模的全局搜索，那么其他粒子只能进行局部搜索。在QPSO算法中，由于有存在着落后的粒子，其局部最优位置会使平均最优位置逐渐远离全局最优位置，这时粒子概率分布取决于粒子的当前位置与平均最优位置之间的
【参考文献】：
期刊论文
[1]一种基于混沌搜索和贪婪模式的混合优化算法[J]. 夏桂梅,赵晋彬. 太原科技大学学报. 2020(02)
[2]基于双端行波法的电缆线路短路故障定位改进[J]. 柴鹏,周灏,张煜,赵文杰,杨潇,周苗,李明贞. 中国电力. 2020(11)
[3]基于改进注入法的直流配电网双端测距故障定位方法[J]. 李冬梅,胡扬宇,王利利,李锰,李雪松,胡钋,尹杰,吕盈睿. 智慧电力. 2019(12)
[4]基于分布式发电的配电网规划问题的分析[J]. 张剑峰. 低碳世界. 2019(11)
[5]基于优化神经网络算法的大数据专家系统的继电保护二次回路故障定位系统（RSFLS）的研究与实现[J]. 钟臻,徐曦,张楷旋. 电力大数据. 2019(10)
[6]基于改进遗传算法的配电网故障定位方法[J]. 谢涛,蒯圣宇,朱晓虎,高传海. 沈阳工业大学学报. 2019(02)
[7]配电网故障区段定位的改进矩阵算法[J]. 张全起,梅明伟. 山东电力技术. 2018(08)
[8]基于改进和声算法的含DG配电网故障定位[J]. 陈辉,周羽生,刘诗涵,周顺,刘超智. 电力科学与技术学报. 2018(02)
[9]基于免疫算法的含分布式电源配电网的故障定位[J]. 陈奎,张云,王洪寅,万新强. 电力系统保护与控制. 2017(24)
[10]基于Petri网与粒子群算法的主动配电网故障定位[J]. 高正中,商春雷,赵晨晖,谭冲. 中国科技论文. 2017(23)
博士论文
[1]智能配电网分布式馈线自动化技术[D]. 高孟友.山东大学 2016
硕士论文
[1]基于粒子群算法的配电网故障定位研究[D]. 程璞.安徽理工大学 2017
[2]基于蝙蝠算法和元胞自动机的配电网故障定位研究[D]. 项晓鸣.湖北工业大学 2017
[3]含分布式电源的配电网故障定位研究[D]. 王一非.太原理工大学 2017
[4]基于改进细菌觅食算法的配电网故障定位研究[D]. 孔涛.山东理工大学 2017
[5]含分布式发电的配电网故障定位与供电恢复策略研究[D]. 王旭.华北电力大学 2017
[6]基于云遗传算法优化的BP神经网络的配电网故障定位[D]. 朱文羽.湖北工业大学 2016
[7]智能配电网故障定位与故障恢复方法研究[D]. 刘蓓.湖南大学 2014
[8]基于GIS的中低压配网故障定位系统的研究[D]. 田红兵.兰州理工大学 2014
[9]配电网馈线自动化技术研究[D]. 曾照新.湖南大学 2013
[10]含分布式电源的配电网故障定位的应用研究[D]. 王进强.广东工业大学 2011
本文编号：3471819
【文章来源】：山东理工大学山东省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
波函数三维图像
山东理工大学硕士学位论文第三章基于混合优化算法的理论与分析21图3.3波函数三维图像Fig.3.3Three-dimensionalimageofwavefunction图3.4波函数图像剖面图Fig.3.4PlanediagrampictureofwavefunctionQPSO算法之所以是一个全局优化算法，主要是采用了双指数的分布方式。在QPSO算法中，全局最优位置的确定是由每个粒子独立的向其汇集而得，而当参考点选择为平均最优位置点时，粒子向最优解汇集时不能与其他粒子相分离而独立存在，粒子间便相互等待对方，形成了粒子间的等待效应。算法中大部分粒子都聚集在最优解附近，对于聚集在最优解附近的粒子，由于平衡点p是在局部最优解与全局最优解之间的一点，粒子当前位置与p点的距离很小，粒子会以很大的概率出现在在全局最优解附，这样粒子就会很快收敛到全局最优解，落后粒子由于其局部最优解离全局最优解较远，所以全局最优解运动运动的速度较慢，因此它们便承担了全局搜索的任务，如果不进行大规模的全局搜索，那么其他粒子只能进行局部搜索。在QPSO算法中，由于有存在着落后的粒子，其局部最优位置会使平均最优位置逐渐远离全局最优位置，这时粒子概率分布取决于粒子的当前位置与平均最优位置之间的
【参考文献】：
期刊论文
[1]一种基于混沌搜索和贪婪模式的混合优化算法[J]. 夏桂梅,赵晋彬. 太原科技大学学报. 2020(02)
[2]基于双端行波法的电缆线路短路故障定位改进[J]. 柴鹏,周灏,张煜,赵文杰,杨潇,周苗,李明贞. 中国电力. 2020(11)
[3]基于改进注入法的直流配电网双端测距故障定位方法[J]. 李冬梅,胡扬宇,王利利,李锰,李雪松,胡钋,尹杰,吕盈睿. 智慧电力. 2019(12)
[4]基于分布式发电的配电网规划问题的分析[J]. 张剑峰. 低碳世界. 2019(11)
[5]基于优化神经网络算法的大数据专家系统的继电保护二次回路故障定位系统（RSFLS）的研究与实现[J]. 钟臻,徐曦,张楷旋. 电力大数据. 2019(10)
[6]基于改进遗传算法的配电网故障定位方法[J]. 谢涛,蒯圣宇,朱晓虎,高传海. 沈阳工业大学学报. 2019(02)
[7]配电网故障区段定位的改进矩阵算法[J]. 张全起,梅明伟. 山东电力技术. 2018(08)
[8]基于改进和声算法的含DG配电网故障定位[J]. 陈辉,周羽生,刘诗涵,周顺,刘超智. 电力科学与技术学报. 2018(02)
[9]基于免疫算法的含分布式电源配电网的故障定位[J]. 陈奎,张云,王洪寅,万新强. 电力系统保护与控制. 2017(24)
[10]基于Petri网与粒子群算法的主动配电网故障定位[J]. 高正中,商春雷,赵晨晖,谭冲. 中国科技论文. 2017(23)
博士论文
[1]智能配电网分布式馈线自动化技术[D]. 高孟友.山东大学 2016
硕士论文
[1]基于粒子群算法的配电网故障定位研究[D]. 程璞.安徽理工大学 2017
[2]基于蝙蝠算法和元胞自动机的配电网故障定位研究[D]. 项晓鸣.湖北工业大学 2017
[3]含分布式电源的配电网故障定位研究[D]. 王一非.太原理工大学 2017
[4]基于改进细菌觅食算法的配电网故障定位研究[D]. 孔涛.山东理工大学 2017
[5]含分布式发电的配电网故障定位与供电恢复策略研究[D]. 王旭.华北电力大学 2017
[6]基于云遗传算法优化的BP神经网络的配电网故障定位[D]. 朱文羽.湖北工业大学 2016
[7]智能配电网故障定位与故障恢复方法研究[D]. 刘蓓.湖南大学 2014
[8]基于GIS的中低压配网故障定位系统的研究[D]. 田红兵.兰州理工大学 2014
[9]配电网馈线自动化技术研究[D]. 曾照新.湖南大学 2013
[10]含分布式电源的配电网故障定位的应用研究[D]. 王进强.广东工业大学 2011
本文编号：3471819
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3471819.html
