基于改进二进制粒子群优化算法的综合能源系统故障定位研究

doi:10.12096/j.2096-4528.pgt.24242

发电技术 ›› 2025, Vol. 46 ›› Issue (2): 231-239.DOI: 10.12096/j.2096-4528.pgt.24242

• 基于群体智能的综合能源系统建模仿真及优化运行 • 上一篇

基于改进二进制粒子群优化算法的综合能源系统故障定位研究

赵睿智¹, 练小林¹, 应凯文¹, 柳杰¹, 李丝雨¹, 高扬²

^1.国网上海市电力公司长兴供电公司，上海市崇明区 201913
^2.电力传输与功率变换;控制教育部重点实验室(上海交通大学)，上海市闵行区 200240

收稿日期:2024-11-25 修回日期:2025-02-16 出版日期:2025-04-30 发布日期:2025-04-23
作者简介:赵睿智(1993)，男，硕士，工程师，从事智能电网、大数据及人工智能等方面的研究，845003063@qq.com；
练小林(1994)，女，硕士，工程师，从事电网调度、源网荷储协调优化等方面的研究，lianxiaolinxy@163.com；
应凯文(1993)，男，硕士，工程师，从事配电网智能管控技术及设备研究，yingkaiwen@foxmail.com；
柳杰(1992)，男，工程师，研究方向为电网调控运行、新能源管理，18817392874@163.com；
李丝雨(1995)，女，工程师，研究方向为新能源并网稳定性、虚拟同步发电机技术，781661922@qq.com；
高扬(1990)，男，博士，助理研究员，研究方向为虚拟电厂、微电网建模及优化运行，本文通信作者，jjgybill@sjtu.edu.cn。
基金资助:
国网上海市电力公司科技项目(5209KZ240003)

Research on Fault Location in Integrated Energy Systems Based on Improved Binary Particle Swarm Optimization Algorithm

Ruizhi ZHAO¹, Xiaolin LIAN¹, Kaiwen YING¹, Jie LIU¹, Siyu LI¹, Yang GAO²

^1.Changxing Power Supply Company of State Grid Shanghai Electric Power Company, Chongming District, Shanghai 201913, China
^2.Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education (Shanghai Jiao Tong University), Minhang District, Shanghai 200240, China

Received:2024-11-25 Revised:2025-02-16 Published:2025-04-30 Online:2025-04-23
Supported by:
State Grid Shanghai Electric Power Company Technology Project(5209KZ240003)

摘要/Abstract

摘要：

目的随着电力系统覆盖范围的持续扩大，综合能源系统结构日益复杂化，配电网作为能源系统的重要结构，这一趋势显著降低了配电网故障定位的精确度。因此，提出一种基于改进二进制粒子群优化算法的配电网故障定位方法。方法在二进制粒子进行每一次迭代的过程中，首先对粒子的位置实施了自适应变异操作；进一步地，在惯性权重的设置中引入了自适应方法，构建了一种具备双重自适应特性的二进制粒子群算法。结果在标准辐射型配电网和包含分布式电源的标准辐射型配电网中，改进后的二进制粒子群算法均能准确锁定故障区段。结论与传统的二进制粒子群算法和遗传算法相比，改进算法在收敛能力上展现出更强的稳健性，不会因故障类型的差异而受到影响，具有更强的可靠性，因此更加适用于复杂多变的配电网环境故障定位任务。

关键词: 综合能源, 配电网, 故障定位, 分布式电源, 二进制粒子群优化(BPSO)算法, 双重自适应

Abstract:

Objectives The coverage of power systems continues to expand, and the structure of integrated energy systems is becoming increasingly complex. This trend leads to a significant decline in the accuracy of fault location in the distribution network that is a critical component of the energy system. To address this, a fault location method for distribution network based on an improved binary particle swarm optimization (BPSO) algorithm is proposed. Methods During each iteration of the binary particles, an adaptive mutation operation is first performed on the position of the particle. Furthermore, an adaptive method is introduced into the setting of inertia weight, establishing a BPSO algorithm with dual adaptive characteristics. Results In the standard radial distribution networks and those incorporating distributed generation, the improved BPSO algorithm can accurately pinpoint fault sections. Conclusions Compared with the traditional BPSO algorithm and genetic algorithm, the improved algorithm demonstrates stronger robustness in convergence ability. It remains unaffected by differences in fault types and has greater reliability. Therefore, it is more suitable for fault location tasks in complex and dynamic distribution network environments.

Key words: integrated energy, distribution network, fault location, distributed generation, binary particle swarm optimization (BPSO) algorithm, dual adaptive

中图分类号:

TK 01

赵睿智, 练小林, 应凯文, 柳杰, 李丝雨, 高扬. 基于改进二进制粒子群优化算法的综合能源系统故障定位研究[J]. 发电技术, 2025, 46(2): 231-239.

Ruizhi ZHAO, Xiaolin LIAN, Kaiwen YING, Jie LIU, Siyu LI, Yang GAO. Research on Fault Location in Integrated Energy Systems Based on Improved Binary Particle Swarm Optimization Algorithm[J]. Power Generation Technology, 2025, 46(2): 231-239.

图/表 14

图1 配电网故障定位流程图

Fig. 1 Flowchart of fault location in distribution network

表1 改进二进制粒子群参数设置

Tab. 1 Parameter settings of improved binary particle swarm

初始设置参数	数值
最大迭代次数	100
粒子总数	100
加速因子c₁	2.1
加速因子c₂	2.1
粒子的维度数	33
惯性权重ω上限	0.9
惯性权重ω下限	0.5
粒子的最大速度	5
粒子的最小速度	-5

图2 IEEE标准33节点配电网模型

Fig. 2 IEEE standard 33-node distribution network model

图3 区段L4内故障

Fig. 3 Fault in section L4

图4 区段L4内单一故障收敛曲线

Fig. 4 Convergence curves of a single fault in section L4

图5 区段L10和L20内故障

Fig. 5 Faults in sections L10 and L20

图6 区段L10和L20内故障收敛曲线

Fig. 6 Convergence curves of faults in sections L10 and L20

图7 含分布式电源IEEE标准33节点配电网模型

Fig. 7 IEEE standard 33-node distribution network model with distributed generation

图8 区段L9内故障

Fig. 8 Fault in section L9

图9 区段L9内故障收敛曲线

Fig. 9 Convergence curves of faults in section L9

图10 区段L5、L20和L25内故障

Fig. 10 Faults in sections L5, L20, and L25

图11 区段L5、L20和L25内故障收敛曲线

Fig. 11 Convergence curves of faults in sections L5, L20, and L25

表2 成熟收敛与平均迭代次数对比

Tab. 2 Comparison of mature convergence and average iteration times

故障

类型

表3 DABPSO与BPSO准确性对比

Tab. 3 Comparison of accuracy between DABPSO and BPSO

预设故障	信息畸变节点	准确次数(准确率)
预设故障	信息畸变节点	BPSO	DABPSO
L4	无	28(93%)	30(100%)
L4	7、9、12、14	15(50%)	28(93%)
L10、L20	无	17(57%)	30(100%)
L10、L20	8、10、14、21	7(23%)	28(93%)

参考文献 24

1	季亮，殷佳明，姜恩宇，等．基于混合量测状态估计的配电网故障定位方法[J]．电力系统保护与控制，2024，52(12)：58-68．
	JI L， YIN J M， JIANG E Y，et al ．A fault location method based on hybrid measurement state estimation for a distribution network[J]．Power System Protection and Control，2024，52(12)：58-68．
2	王宇杉，王晨，王淑侠，等．基于IWOA的配电网故障定位方法[J]．智慧电力，2024，52(11)：98-105．
	WANG Y S， WANG C， WANG S X，et al ．Fault location method for distribution network based on improved IWOA[J]．Smart Power，2024，52(11)：98-105．
3	顾大德，肖健，韦梦立，等．含逆变型分布式电源的花瓣型配电网故障定位策略研究[J]．电测与仪表，2023，60(11)：53-59． doi:10.19753/j.issn1001-1390.2023.11.007
	GU D D， XIAO J， WEI M L，et al ．Research on fault location strategy for petal-shaped distribution network with inverter-interfaced distributed generation[J]．Electrical Measurement & Instrumentation，2023，60(11)：53-59． doi:10.19753/j.issn1001-1390.2023.11.007
4	刘建伟，李学斌，刘晓鸥．有源配电网中分布式电源接入与储能配置[J]．发电技术，2022，43(3)：476-484． doi:10.12096/j.2096-4528.pgt.21068
	LIU J W， LI X B， LIU X O ．Distributed power access and energy storage configuration in active distribution network[J]．Power Generation Technology，2022，43(3)：476-484． doi:10.12096/j.2096-4528.pgt.21068
5	王小君，窦嘉铭，刘曌，等．可解释人工智能在电力系统中的应用综述与展望[J]．电力系统自动化，2024，48(4)：169-191． doi:10.7500/AEPS20230509007
	WANG X J， DOU J M， LIU Z，et al ．Review and prospect of explainable artificial intelligence and its application in power systems[J]．Automation of Electric Power Systems，2024，48(4)：169-191． doi:10.7500/AEPS20230509007
6	刘洪波，刘珅诚，盖雪扬，等．高比例新能源接入的主动配电网规划综述[J]．发电技术，2024，45(1)：151-161． doi:10.12096/j.2096-4528.pgt.22106
	LIU H B， LIU S C， GAI X Y，et al ．Overview of active distribution network planning with high proportion of new energy access[J]．Power Generation Technology，2024，45(1)：151-161． doi:10.12096/j.2096-4528.pgt.22106
7	杜晓东，王立斌，刘科研，等．基于随机森林的配电网故障分布特征预测方法[J]．电网与清洁能源，2023，39(1)：70-77． doi:10.3969/j.issn.1674-3814.2023.01.010
	DU X D， WANG L B， LIU K Y，et al ．A prediction method of distribution network fault distribution characteristics based on random forest[J]．Power System and Clean Energy，2023，39(1)：70-77． doi:10.3969/j.issn.1674-3814.2023.01.010
8	李航，曾海燕，喻锟，等．基于多端行波频率矩阵的复杂配电网故障定位方法[J]．电力科学与技术学报，2024，39(3)：19-30．
	LI H， ZENG H Y， YU K，et al ．Fault location method for complex distribution networks based on multi-terminal traveling wave frequency matrix[J]．Journal of Electric Power Science and Technology，2024，39(3)：19-30．
9	CHEN K J， HU J， ZHANG Y，et al ．Fault location in power distribution systems via deep graph convolutional networks[J]．IEEE Journal on Selected Areas in Communications，2020，38(1)：119-131． doi:10.1109/JSAC.2019.2951964
10	LIN W J， ZHU J P， YUAN Y，et al ．Robust optimization for island partition of distribution system considering load forecasting error[J]．IEEE Access，2019，7(5)：64247-64255． doi:10.1109/ACCESS.2019.2917052
11	李卫彬，童欣，黄超，等．基于分层定位模型的含DG配电网故障定位方法研究[J]．电力系统保护与控制，2022，50(24)：160-166．
	LI W B， TONG X， HUANG C，et al ．A fault location method for a distribution network with DG based on a hierarchical location model[J]．Power System Protection and Control，2022，50(24)：160-166．
12	GALVEZ C， ABUR A ．Fault location in active distribution networks containing distributed energy resources (DERs)[J]．IEEE Transactions on Power Delivery，2021，36(5)：3128-3139． doi:10.1109/TPWRD.2020.3034179
13	吴任博，黄奕俊．高比例可再生能源接入下含自愈性能的分布式配电网重构策略研究[J]．发电技术，2024，45(5)：975-982． doi:10.12096/j.2096-4528.pgt.23112
	WU R B， HUANG Y J ．Research on reconfiguration strategy of distributed distribution network with self-healing performance under high-proportion renewable energy access[J]．Power Generation Technology，2024，45(5)：975-982． doi:10.12096/j.2096-4528.pgt.23112
14	李练兵，孙腾达，曾四鸣，等．基于多端行波时差的配电网故障定位方法[J]．电力系统保护与控制，2022，50(3)：140-147．
	LI L B， SUN T D， ZENG S M，et al ．Fault location method for distribution networks based on traveling wave time difference[J]．Power System Protection and Control，2022，50(3)：140-147．
15	JIANG Y Z ．Data-driven probabilistic fault location of electric power distribution systems incorporating data uncertainties[J]．IEEE Transactions on Smart Grid，2021，12(5)：4522-4534． doi:10.1109/TSG.2021.3070550
16	杨贵云，吴倩，曹彦昆，等．基于分层布局思想的配电网拓扑图自动生成算法[J]．发电技术，2021，42(5)：585-594． doi:10.12096/j.2096-4528.pgt.20032
	YANG G Y， WU Q， CAO Y K，et al ．Automatic generation algorithm of distribution network topology based on hierarchical layout[J]．Power Generation Technology，2021，42(5)：585-594． doi:10.12096/j.2096-4528.pgt.20032
17	ZHANG Y， WANG J H ．Graph-based faulted line identification using micro-PMU data in distribution systems[J]．IEEE Transactions on Smart Grid，2020，11(5)：3982-3992． doi:10.1109/tsg.2020.2988349
18	李豪，马驰，孙菊，等．基于改进BPSO算法的含微网的配电网故障恢复方法研究[J]．电测与仪表，2022，59(11)：105-110．
	LI H， MA C， SUN J，et al ．Research on distribution network fault recovery method with micro-grid based on improved BPSO algorithm[J]．Electrical Measurement & Instrumentation，2022，59(11)：105-110．
19	GAO Y， AI Q， HE X，et al ．Coordination for regional integrated energy system through target cascade optimization[J]．Energy，2023，276：127606． doi:10.1016/j.energy.2023.127606
20	RUAN H B， GAO H J， LIU Y B，et al ．Distributed voltage control in active distribution network considering renewable energy：a novel network partitioning method[J]．IEEE Transactions on Power Systems，2020，35(6)：4220-4231． doi:10.1109/TPWRS.2020.3000984
21	GAO Y， AI Q ．Research on demand side response strategy of multi microgrids based on improved co-evolution algorithm[J]．CSEE Journal of Power and Energy Systems，2021，7(5)：8-16．
22	于彦，江先亮．自适应权重混合粒子群算法在PID整定中的应用[J]．无线通信技术，2022，31(1)：15-19．
	YU Y， JIANG X L ．Application of adaptive weight and hybrid PSO in PID tuning[J]．Wireless Communication Technology，2022，31(1)：15-19．
23	舒凡娣，谢嘉晟，廖晓娇，等．结合粒子群算法和穷举法的配电网故障诊断方法[J]．智慧电力，2019，47(1)：94-99．
	SHU F D， XIE J S， LIAO X J，et al ．Distribution network fault diagnosis method combining particle swarm optimization and exhaustive method[J]．Smart Power，2019，47(1)：94-99．
24	GAO Y， AI Q ．Novel optimal dispatch method for multiple energy sources in regional integrated energy systems considering wind curtailment[J]．CSEE Journal of Power and Energy Systems，2024，10(5)：2166-2173．

[1]	侯慧, 王燕, 刘超, 张炜, 周杨珺, LI Zhengmao, 李正天, 林湘宁. 抽水蓄能灰启动下冷热电互补综合能源系统优化调度[J]. 发电技术, 2025, 46(2): 209-218.
[2]	侯朗博, 孙昊, 陈衡, 高悦. 基于需求响应与Stackelberg博弈的小区综合能源系统优化调度[J]. 发电技术, 2025, 46(2): 219-230.
[3]	杨剑锋, 李婷, 杨爱民, 冯子宁. 含电能路由器的光伏配电网电压越限问题潮流优化研究[J]. 发电技术, 2025, 46(1): 113-125.
[4]	兰国芹, 陆烨, 阚严生, 张继广, 王欢欢, 钟芳, 王承才, 肖黎明, 王照阳. 综合能源服务发展趋势与对策研究[J]. 发电技术, 2025, 46(1): 19-30.
[5]	涂伟权, 李辉, 万铮. 基于组合相关系数的综合能源系统多元负荷短期预测研究[J]. 发电技术, 2025, 46(1): 9-18.
[6]	吴任博, 黄奕俊. 高比例可再生能源接入下含自愈性能的分布式配电网重构策略研究[J]. 发电技术, 2024, 45(5): 975-982.
[7]	胡程平, 范明, 刘艾旺, 施云辉. 考虑云储能的多区互联综合能源系统规划[J]. 发电技术, 2024, 45(4): 641-650.
[8]	赵振宇, 包格日乐图, 李炘薪. 基于信息间隙决策理论的含碳捕集-电转气综合能源系统优化调度[J]. 发电技术, 2024, 45(4): 651-665.
[9]	杜婉琳, 王玲, 罗威, 朱远哲, 吕鸿, 马潇男, 周霞. 基于深度强化学习的有源配电网电压分层控制策略[J]. 发电技术, 2024, 45(4): 734-743.
[10]	王伟杰, 曾鑫洁, 徐远途, 李书仪, 阮灿华, 童宁, 武小梅. 基于正序突变量相轨迹辨识的可再生能源配电网电流保护[J]. 发电技术, 2024, 45(4): 753-764.
[11]	孙健浩, 初壮. 考虑碳交易和无功补偿的分布式电源优化配置[J]. 发电技术, 2024, 45(1): 142-150.
[12]	刘洪波, 刘珅诚, 盖雪扬, 刘永发, 阎禹同. 高比例新能源接入的主动配电网规划综述[J]. 发电技术, 2024, 45(1): 151-161.
[13]	杜将武, 唐小强, 罗志伟, 刘敦楠, 陈积旭, 徐尔丰, 毕圣. 面向综合能源园区的丰枯电价定价方法[J]. 发电技术, 2023, 44(2): 261-269.
[14]	亢猛, 钟祎勍, 石鑫, 温港成, 房方. 计及负荷供给可靠性的园区综合能源系统两阶段优化方法研究[J]. 发电技术, 2023, 44(1): 25-35.
[15]	韩一鸣, 徐鹏飞, 宫建锋, 申雅茹. 基于用户侧需求的电网发展经营综合评价体系研究[J]. 发电技术, 2022, 43(4): 636-644.

基于改进二进制粒子群优化算法的综合能源系统故障定位研究

Research on Fault Location in Integrated Energy Systems Based on Improved Binary Particle Swarm Optimization Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 14

参考文献 24

相关文章 15

编辑推荐

Metrics