基于动态权重更新策略的配电网故障区段定位方法及装置与流程
本发明涉及配电网或其他相关领域，具体而言，涉及一种基于动态权重更新策略的配电网故障区段定位方法及装置。
背景技术：
1、在配电网技术领域中，大量以风能、太阳能为代表的分布式电源将逐步替代传统能源接入配电网建设，配电网规模将进一步扩大，配电网的供电模式从单一辐射状供电网络变为多电源供电网络，这导致当配电网的某一个区段发生故障后，其故障特征相对于传统配电网有着较大的变化，用已有的故障区段定位方法定位多电源配电网络的故障区域容易造成误判，因此需要对已有的故障区段定位方法进行改进以适应多电源配电网络。
2、相关技术中，当配电网的某一区段发生故障时，馈线终端单元会采集配电网的电压、电流等信息上传至系统，再使用故障区段定位方法进行故障区段定位。目前基于馈线终端单元的故障区段定位方法主要分为两类：一类为以矩阵法和过热弧搜索算法为代表的直接法，另一类为以优化算法和神经网络等人工智能技术为代表的间接法，其中，间接法的优势最为明显，用智能算法来实现配电网区段故障定位的方法更为简单且运算速度快，但是智能算法也存在缺点，缺点如下：（1）部分智能算法没有考虑分布式电源接入的情况，导致这部分算法不适用于多电源配电网络；（2）部分智能算法的收敛速度不足，例如灰狼算法的迭代速度依赖于初始生成的种群，如果初始随机生成的种群质量较差，会导致算法迭代次数较高、效率较低，甚至可能导致出现错误解的情况发生；（3）智能算法普遍存在早熟收敛的问题，特别是灰狼算法，由于缺少跳出局部最优解的机制，灰狼算法在处理配电网故障定位问题上容易陷入局部最优解的困境，进而可能得出错误的结果。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本发明实施例提供了一种基于动态权重更新策略的配电网故障区段定位方法及装置，以至少解决相关技术中算法收敛速度慢，容易陷入局部最优解困境的技术问题。
2、根据本发明实施例的一个方面，提供了一种基于动态权重更新策略的配电网故障区段定位方法，包括：响应故障检测指令，采用混沌映射策略生成故障种群，其中，故障种群中包含n+1个故障种群个体，n为大于等于3的正整数；接收配电网中馈线终端单元上传的线路区段的区段实际向量，根据区段实际向量得到区段期望向量，根据区段实际向量和区段期望向量，采用含误判项的改进适应度函数得到该线路区段的适应度值，并对由所有适应度值形成的适应度值集合进行正向排序；选择正向排序后适应度值集合中排名前三的故障种群个体，记录为灰狼算法的狼、狼和狼，将其余故障种群个体记录为狼，采用动态权重更新策略对狼进行位置更新；采用变异策略对故障种群中的每个故障种群个体进行变异，得到变异个体，对故障种群个体以及对应的变异个体使用交叉策略，得到变异交叉个体；分别计算故障种群个体及其对应的变异交叉个体的适应度值，在变异交叉个体的适应度值小于故障种群个体的适应度值的情况下，在故障种群中，采用变异交叉个体替换故障种群个体，得到新的故障种群，通过迭代新的故障种群，得到目标故障种群，对于目标故障种群中最优的目标故障种群个体，定位该目标故障种群个体表征的区段向量中由指定数值确定的故障区段。
3、可选地，响应故障检测指令，采用混沌映射策略生成故障种群的步骤，包括：随机生成第一个故障种群个体，其中，第一个故障种群个体是一个维度为1×n的整数向量，整数向量中任意一个元素的取值为第一数值或第二数值，不同元素代表配电网中不同的线路区段，若线路区段未发生故障，该线路区段对应的元素的值为第一数值，若线路区段发生故障，该线路区段对应的元素的值为第二数值；采用混沌映射策略生成剩余的n个故障种群个体，将前一个故障种群个体表征的区段向量输入至第一公式，计算得到后一个故障种群个体表征的区段向量。
4、可选地，根据区段实际向量得到区段期望向量，根据区段实际向量和区段期望向量，采用含误判项的改进适应度函数得到该线路区段的适应度值的步骤，包括：将区段实际向量输入至开关函数，得到区段期望向量；将区段实际向量和区段期望向量输入至第二公式，计算得到线路区段的适应度值，其中，含误判项的改进适应度函数表征为第二公式。
5、可选地，采用动态权重更新策略对狼进行位置更新的步骤，包括：将灰狼算法的当前迭代次数和最大迭代次数输入至第三公式，更新灰狼算法的非线性收敛因子，采用更新后的非线性收敛因子调整灰狼算法的收敛度。
6、可选地，采用动态权重更新策略对狼进行位置更新的步骤，包括：根据狼与狼、狼和狼的相对位置，分别计算得到狼与狼、狼和狼之间的距离；根据狼与狼、狼和狼之间的距离，分别计算得到狼相对于狼、狼和狼的位置方向向量；将权重系数、当前迭代次数、最大迭代次数输入至第四公式，计算得到狼的动态权重；将动态权重、位置方向向量输入至第五公式，更新狼的位置。
7、可选地，采用变异策略对故障种群中的每个故障种群个体进行变异，得到变异个体，对故障种群个体以及对应的变异个体使用交叉策略，得到变异交叉个体的步骤，包括：变异策略，对于故障种群中的任一个故障种群个体，在故障种群中随机选取三个互不相同的故障种群个体，将三个故障种群个体表征的区段向量输入至第六公式，计算得到该故障种群个体的变异个体；交叉策略，将故障种群个体表征的区段向量与其对应的变异个体表征的区段向量输入至第七公式，针对故障种群个体表征的区段向量与其对应的变异个体表征的区段向量中的每个元素进行交叉，根据第七公式得到变异交叉个体；对故障种群中的所有故障种群个体使用变异策略和交叉策略，得到变异交叉个体种群。
8、可选地，在变异交叉个体的适应度值小于故障种群个体的适应度值的情况下，在故障种群中，采用变异交叉个体替换故障种群个体，得到新的故障种群的步骤，包括：将故障种群个体及其对应的变异交叉个体的适应度值输入至第八公式，采用第八公式进行选择操作；执行选择操作，在变异交叉个体的适应度值小于故障种群个体的适应度值的情况下，在故障种群中，采用变异交叉个体替换故障种群个体；或者，执行选择操作，在变异交叉个体的适应度值大于等于故障种群个体的适应度值的情况下，保留故障种群中的故障种群个体。
9、根据本发明实施例的另一方面，还提供了一种基于动态权重更新策略的配电网故障区段定位装置，包括：响应单元，用于响应故障检测指令，采用混沌映射策略生成故障种群，其中，故障种群中包含n+1个故障种群个体，n为大于等于3的正整数；处理单元，用于接收配电网中馈线终端单元上传的线路区段的区段实际向量，根据区段实际向量得到区段期望向量，根据区段实际向量和区段期望向量，采用含误判项的改进适应度函数得到该线路区段的适应度值，并对由所有适应度值形成的适应度值集合进行正向排序；更新单元，用于选择正向排序后适应度值集合中排名前三的故障种群个体，记录为灰狼算法的狼、狼和狼，将其余故障种群个体记录为狼，采用动态权重更新策略对狼进行位置更新；变异交叉单元，用于采用变异策略对故障种群中的每个故障种群个体进行变异，得到变异个体，对故障种群个体以及对应的变异个体使用交叉策略，得到变异交叉个体；定位单元，用于分别计算故障种群个体及其对应的变异交叉个体的适应度值，在变异交叉个体的适应度值小于故障种群个体的适应度值的情况下，在故障种群中，采用变异交叉个体替换故障种群个体，得到新的故障种群，通过迭代新的故障种群，得到目标故障种群，对于目标故障种群中最优的目标故障种群个体，定位该目标故障种群个体表征的区段向量中由指定数值确定的故障区段。
10、可选地，响应单元包括：个体生成模块，用于随机生成第一个故障种群个体，其中，第一个故障种群个体是一个维度为1×n的整数向量，整数向量中任意一个元素的取值为第一数值或第二数值，不同元素代表配电网中不同的线路区段，若线路区段未发生故障，该线路区段对应的元素的值为第一数值，若线路区段发生故障，该线路区段对应的元素的值为第二数值；种群生成模块，用于采用混沌映射策略生成剩余的n个故障种群个体，将前一个故障种群个体表征的区段向量输入至第一公式，计算得到后一个故障种群个体表征的区段向量。
11、可选地，处理单元包括：期望向量计算模块，用于将区段实际向量输入至开关函数，得到区段期望向量；适应度值计算模块，用于将区段实际向量和区段期望向量输入至第二公式，计算得到线路区段的适应度值，其中，含误判项的改进适应度函数表征为第二公式。
12、可选地，更新单元包括：收敛因子计算模块，用于将灰狼算法的当前迭代次数和最大迭代次数输入至第三公式，更新灰狼算法的非线性收敛因子，采用更新后的非线性收敛因子调整灰狼算法的收敛度。
13、可选地，更新单元还包括：距离计算模块，用于根据狼与狼、狼和狼的相对位置，分别计算得到狼与狼、狼和狼之间的距离；方向向量计算模块，用于根据狼与狼、狼和狼之间的距离，分别计算得到狼相对于狼、狼和狼的位置方向向量；动态权重计算模块，用于将权重系数、当前迭代次数、最大迭代次数输入至第四公式，计算得到狼的动态权重；位置更新模块，用于将动态权重、位置方向向量输入至第五公式，更新狼的位置。
14、可选地，变异交叉单元包括：变异模块，用于变异策略，对于故障种群中的任一个故障种群个体，在故障种群中随机选取三个互不相同的故障种群个体，将三个故障种群个体表征的区段向量输入至第六公式，计算得到该故障种群个体的变异个体；交叉模块，用于交叉策略，将故障种群个体表征的区段向量与其对应的变异个体表征的区段向量输入至第七公式，针对故障种群个体表征的区段向量与其对应的变异个体表征的区段向量中的每个元素进行交叉，根据第七公式得到变异交叉个体；种群变异交叉模块，用于对故障种群中的所有故障种群个体使用变异策略和交叉策略，得到变异交叉个体种群。
15、可选地，定位单元包括：选择模块，用于将故障种群个体及其对应的变异交叉个体的适应度值输入至第八公式，采用第八公式进行选择操作；第一执行模块，用于执行选择操作，在变异交叉个体的适应度值小于故障种群个体的适应度值的情况下，在故障种群中，采用变异交叉个体替换故障种群个体；第二执行模块，用于执行选择操作，在变异交叉个体的适应度值大于等于故障种群个体的适应度值的情况下，保留故障种群中的故障种群个体。
16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项的基于动态权重更新策略的配电网故障区段定位方法。
17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项的基于动态权重更新策略的配电网故障区段定位方法。
18、根据本发明实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于动态权重更新策略的配电网故障区段定位方法的步骤。
19、在本公开中，通过响应故障检测指令，采用混沌映射策略生成故障种群，通过接收配电网中馈线终端单元上传的线路区段的区段实际向量，得到区段期望向量，再根据区段实际向量和区段期望向量，采用含误判项的改进适应度函数得到该线路区段的适应度值，并对由所有适应度值形成的适应度值集合进行正向排序，然后通过选择正向排序后适应度值集合中排名前三的故障种群个体，记录为灰狼算法的狼、狼和狼，将其余故障种群个体记录为狼，采用动态权重更新策略对狼进行位置更新，再通过采用变异策略对故障种群中的每个故障种群个体进行变异，得到变异个体，对故障种群个体以及对应的变异个体使用交叉策略，得到变异交叉个体，分别计算故障种群个体及其对应的变异交叉个体的适应度值，在变异交叉个体的适应度值小于故障种群个体的适应度值的情况下，采用变异交叉个体替换故障种群个体，得到新的故障种群，通过迭代新的故障种群，得到目标故障种群，对于目标故障种群中最优的目标故障种群个体，最终定位该目标故障种群个体表征的区段向量中由指定数值确定的故障区段。
20、本公开中，采用混沌映射策略对故障种群进行初始化，避免了原始灰狼算法由于随机生成初始化种群而导致算法容易陷入局部最优解的问题，通过采用动态权重更新策略，增大算法中狼在位置更新时的权重，从而提高了算法的收敛速度，同时，本公开通过变异交叉策略选出原种群和变异种群中较优的种群个体参与适应度的计算，得到涵盖更多故障情况的种群，使得种群能够在迭代中跳出局部最优解的困境，进而解决了相关技术中算法收敛速度慢，容易陷入局部最优解困境的技术问题。
技术特征：
1.一种基于动态权重更新策略的配电网故障区段定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，响应故障检测指令，采用混沌映射策略生成故障种群的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述区段实际向量得到区段期望向量，根据所述区段实际向量和所述区段期望向量，采用含误判项的改进适应度函数得到该线路区段的适应度值的步骤，包括：
4.根据权利要求1所述的方法，其特征在于，采用动态权重更新策略对所述狼进行位置更新的步骤，包括：
5.根据权利要求1所述的方法，其特征在于，采用动态权重更新策略对所述狼进行位置更新的步骤，包括：
6.根据权利要求1所述的方法，其特征在于，采用变异策略对所述故障种群中的每个所述故障种群个体进行变异，得到变异个体，对所述故障种群个体以及对应的变异个体使用交叉策略，得到变异交叉个体的步骤，包括：
7.根据权利要求1所述的方法，其特征在于，在所述变异交叉个体的适应度值小于所述故障种群个体的适应度值的情况下，在所述故障种群中，采用所述变异交叉个体替换所述故障种群个体，得到新的故障种群的步骤，包括：
8.一种基于动态权重更新策略的配电网故障区段定位装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的基于动态权重更新策略的配电网故障区段定位方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的基于动态权重更新策略的配电网故障区段定位方法。
技术总结
本发明公开了一种基于动态权重更新策略的配电网故障区段定位方法及装置，涉及配电网领域或其他相关领域，该方法包括：响应检测指令，采用混沌映射策略生成种群，接收区段实际向量，计算期望向量，采用改进适应度函数得到区段适应度，对适应度集合进行正向排序，选择排序前三的个体记为灰狼算法的狼，采用动态权重更新策略更新狼的位置，对种群个体采用变异和交叉策略，得到变异交叉个体，当变异交叉个体的适应度大于种群个体时，采用变异交叉个体替换种群个体，得到新种群，通过迭代新种群得到目标种群，定位该目标种群中最优个体表征的区段向量中的故障区段。本发明解决相关技术中算法收敛速度慢，容易陷入局部最优解困境的技术问题。
技术研发人员：吴良弼,莫新,林浩,汤文涛,林秋景,韩立国,何明捷,何海鹏,吴莉琳,李知城,李景明,吴林翰,陈华胜,黄禹,李可茂,冯志毅
受保护的技术使用者：广东电网有限责任公司湛江供电局
技术研发日：
技术公布日：2024/9/23