《基于改进差分进化算法的电力系统变电运行故障诊断问题》由会员分享，可在线阅读，更多相关《基于改进差分进化算法的电力系统变电运行故障诊断问题（6页珍藏版）》请在金锄头文库上搜索。
1、基于改进差分进化算法的电力系统变电运行故障诊断问题 任甜甜 赵小平 新疆工程学院电力工程系 国电哈密煤电开发有限公司 摘 要： 变电运行是电力系统运营必不可少的环节。基于遗传算法被广泛用于电力系统故障诊断的特征, 提出了启发式群智能优化的改进差分进化算法, 将变电运行中电力电子故障元件的诊断问题转化为参数规划问题。在对系统工作状态的控制中引入搜索边界的约束条件改善系统控制性能, 并对故障元件定位。启发式的智能搜索实时记忆的特点简化了求解过程, 混合的变异策略提高了对故障的诊断精度。通过实验仿真证明了该智能算法的提出, 为故障元件估计提供了新的解决途径。关键词： 故障诊断; 差分进化算法; 边界
2、约束; 变电运行; 收稿日期：2017-8-13基金：新疆工程学院科研基金院级 (2015xgy301712) Power Substation Running Fault Section Estimation Based on Improved Differential EvolutionAbstract： The the substation running is indispensable to power system.Based on the Genetic Algorithm a new improved Differential Evolution Algorithm is pr
3、opose which can transformed the problem of Substation Running Fault section estimation into parameter programming problem.A boundary constraints is added in the control of the working state to improve the control performance as well as locate the fault electric element of the system.The characterist
4、ics of heuristic guide intelligence search simplified the solution process and the mixed mutation strategy improved the accuracy of fault diagnosis.The improved DEA is proved to be a new way to solve fault section estimation in power substation running system.Keyword： fault section estimation; diffe
5、rential evolution algorithm; boundary constraints; substation running; Received： 2017-8-13随着人工智能化水平的不断提高, 各行各业对能源需求的加剧, 促使我国的电力产业飞速发展, 用户关于用电质量以及可靠性保障的要求不断提高, 变电运行1作为电力系统正常运营过程中的一个必不可少的环节, 对其工作状态的控制直接影响着电力网络的供电质量。为保证安全稳定高效的供配电产业链, 必须有复杂的控制系统与之相匹配, 在变电运行的电力电子设备故障2动作时, 能及时有效地判别故障区域, 识别故障元件, 减小其暂态过程。电力
6、系统的故障诊断问题可以归类为参数整定识别问题。差分进化算法 (DEA) 3是借鉴遗传算法的思想理念并在此基础上提出的基于群体智能的优化算法, 具有整定参数少, 调整算子简单;可根据搜索进度实时的改变搜索的策略, 跟进当前搜索情况;特有的记忆能力使其具有较强的全局搜索收敛能力和鲁棒的搜索性能。DEA 作为一种并行的群体智能的直接搜索算法, 在应用领域中应对经验不足;在搜索的过程中对于结果的准确度不理想。根据对实际生产过程中存在的多样复杂问题进行的经验总结, 已出现了很多改进 DEA, 用改进的带有边界约束的混合变异策略的指数递增变异算子的 DEA 对电力系统变电运行时发生的故障进行分析识别, 降
7、低了搜索过程中局部最小值的搜索概率, 降低了控制系统的复杂程度。1 电力系统故障诊断及其传统求解方法1.1 变电运行中电路故障类型对电力系统变电运行中电力电子装置可靠运行的要求越来越高, 这就要求电网系统在保障工作效率的同时, 提高安全系数, 丰富电力电子装置自诊断的方法, 准确判断故障类型, 识别故障元件。电力系统中的变电环节由多组电力电子元器件组成, 是故障元件的产生最多的环节。变电过程的主要电路类型为整流电路和逆变电路。1.2 传统诊断方法我国目前的工业化程度飞速发展, 在电力检修、运行与维护方面也取得了很大的进步, 但在变电运行这个过程中还存在着很多的不足。除了操作失误和维护工作不到位
8、等人为的因素外, 谐波问题和电力电子设备故障会对电网的正常运行产生很大的影响, 这类问题的早期故障诊断主要依赖于技术人员的长期经验总结, 这给维护工作带来了很大的困扰, 在线故障诊断就是实时动态的监控变电运行时各设备的工作状态, 缩短暂态过程, 提高机组运行的可靠性。国内外的在线故障诊断的方法有:1) 参数模型法4。通过可获得的参数信号对变电运行时电路的各工作状态进行估计, 对电路内部的状态变量和电路参数的变化进行检测监控。但由于部分参量的不可测性, 在建模过程中会引入误差。实际工作中电路的数学模型往往难以建立, 即使可以, 也总是不够精确和可靠。2) 直接测量法。通过直接测量电压电流得到元件
9、工作的状态, 但测点多、硬件电路复杂、抗干扰能力不高。3) 人工神经网络 (ANN) 。这种在线故障诊断方法成了早期重要的、也是实际可行的人工智能搜索方法5, 在对故障的模式进行识别时, 能够自动提取故障特征向量, 并将相关信息进行存储, 具有联想记忆、大规模并行处理、动态计算等特点, 尤其对复杂系统有突出优势。但是神经网络解决该问题时需要对样本的数据进行大规模的训练, 将训练好的样本投入使用以此达到预期目的。2 差分进化算法的改进用智能算法来对电力系统变电运行中各电力电子设备进行在线故障诊断增加了解的精确度和稳定性, 用 DEA 这样的智能算法, 将变电运行过程中电力电子器件的故障诊断问题转
10、化为参数的规划问题, 用较少的参数控制解决复杂的非线性问题。标准 DEA7的性能对于算法调整因子的选择较为敏感, 依赖于问题数学模型的复杂程度, 算法搜索的速度总是有限的, 会在搜索的后期陷入迟滞, 最优值得搜索不能保证覆盖整个搜索空间。借鉴模拟退火算法中线性退火8的概念, 其强鲁棒性能在一定程度上增强算法的鲁棒性, 在参数自适应变异算子 DEA 算法的基础上引入线性退火因子 Lamd, 代入种群更新公式如下:其中:lamd= (gen_max-G) /gen_max当 lamd 在逐步进化的过程当中由 1 慢慢变为 0, 那么 Xbest即 x (rb, j) 的比重就逐步增大, 从而保证算
11、法较强的全局搜索能力其中 lamd 的分布与进化代数成反比。3 实例仿真以三相桥式全控整流电路为例, 三相桥式整流电路有两种触发方式, 即宽脉冲触发和双脉冲触发。拓扑图如图 1 所示:图 1 三相全控桥式整流电路拓扑图 下载原图对三相整流电路设点的电路故障情况为:一是考虑晶闸管故障;二是最多只有两路桥臂会发生故障。先利用 MATLAB 工具箱搭建电路模型进行仿真, 建模如图 2所示:图 2 三相全控桥式整流电路模型 下载原图6-Pulse Generator 为同步六相脉冲触发器, 图中 D1D6 为六个晶闸管;Synchronized 用来为六个晶闸管提供触发脉冲;Scope2 用来显示电路
12、的输出波形, 通过双击可以查看仿真电压波形的变化。以 T1 故障为例, 得到故障状态下的输出波形, 如图 3 所示。由图 3 中的柱状图的列表图可以看出, 输出的直流分量和基波幅值两个基本能够代表故障波形的特征。为了实验结果的精准度, 可以分别选用输出的直流分量、基波以及输出二次谐波各自的幅值和相位作为输入特征向量。用改进后的差分进化算法进行故障诊断。图 3 T1 故障波形分析图 下载原图1) 选择适应度函数;tm为目标矩阵, O m为进化后的新一代个体矩阵, 若 E, 则停止迭代, 否则执行下一步;2) 将第 P 个样本 xp=xp1, xp2xpm顺序输入作为目标个体;3) 初始种群中的个
13、体遵循引入线性退火因子的混合变异策略进行差分变异操作, 基于二项式分布的杂交因子进行交叉操作, 最后进行一对一的选择操作完成种群的进化;4) 将进化后个体的适应度值与目标个体的适应度值进行比较, 择优保存。以误差最小表现函数值小于误差目标 (此处设为 0.01) ;5) 当 E 时, 迭代停止。图 4 误差变化曲线 下载原图经多次进化策略的迭代调整后达到期望的均方误差。误差变化曲线图如图 4 所示。可以看出, 种群的差分进化过程中输出的误差逐渐减小, 大概经过 60 次进化计算, 达到误差小于 0.01 的要求, 这样就提出了三相桥式全控整流电路故障的又一种新的方法, 可以用于故障诊断。4 结
14、束语用新的差分变异算子随进化代数指数自适应同时引入线性退火因子的混合 DEA对变电运行中的电力电子故障进行诊断, 较传统的方法而言, 充分的利用变异算子对算法进化过程的适应性, 跳出了局部极值点的搜索, 模拟退火思想的引入很大限度地加快了全局最优解的搜索进程, 故障诊断的正确率较高。误差结果分析同时说明了改进的混合 DEA 具有很强的非线性计算能力, 故障判别很准确, 算法的搜索能力不过分依赖于算子的选择, 对问题的适用性强;减小算法搜索后期延迟滞后的现象, 提高了搜索的效率, 更易于实现。参考文献1黄柳.电力系统变电运行过程中存在的问题及相关策略分析J.华东科技:学术版, 2016 (10)
15、 :332-332 2朱劲波, 孙涛, 孟玲丹.输变电系统中变电运行故障处理J.工程技术:全文版, 2017 (1) :00176-00176 3Storn R, Price K, Storn R, et al.Differential Evolution-A Simple and Efficient Heuristic for global Optimization over Continuous SpacesJ.Journal of Global Optimization.1997, 11 (4) :341-359 4夏鑫.水轮发电机组模型参数辨识与故障诊断方法研究D.武汉:华中科技大学, 2015 5刘亚丽, 李怡, 邓命.基于人工神经网络的电力变压器故障诊断J.电脑知识与技术:学术交流, 2016, 12 (32) :174-176 6段侯峰.基于遗传算法优化 BP 神经网络的变压器故障诊断D.北京:北京交通大学, 2008 7刘波, 王凌, 金以慧.差分进化算法研究进展J.控制与决策, 2007, 22 (7) :721-729 8陆平静, 李宝, 易任娇, 等.一种基于改进模拟退火算法的程序性能优化参数搜索算法J.计算机工程与科学, 2015, 37 (7) :1227-1232
