高云龙，周羽生，彭 湃，刘让姣，安正洲



优化和声算法在含DG配电网故障定位中的应用

高云龙，周羽生，彭 湃，刘让姣，安正洲

(长沙理工大学电气与信息工程学院，湖南 长沙 410114)

为了提高含DG配电网故障定位的速度和容错性，提出利用高度并行、鲁棒性强的遗传算法来优化基本和声算法对初始化和声记忆库的过度依赖性，改进了和声算法中新解的产生方式。针对含DG配电网的结构特点引入“树”的区域划分方法以降低求解维度，根据故障定位最小集理论优化评价函数以提高容错性。分别利用优化前、后的和声算法对相同配电网模型进行寻优运算和分析比较，结果表明优化的和声搜索算法能够有效地提高算法收敛速度和故障定位精度，在信息缺失、畸变等情况下具有良好的容错性。

分布式电源；配电网；故障定位；优化和声算法；评价函数

0 引言

故障定位一直是配电网技术领域的重要课题。近年来，国内外学者提出了许多智能算法，如遗传算法，粒子群算法，免疫算法等，这些算法鲁棒性强、容错性好，但是其定位的精度和运算速度有待进一步提高。

和声搜索(HS)算法是Geem等人通过类比音乐演奏和最优化问题的相似性而提出的一种现代启发式智能化优化算法。该算法较其他智能算法具有更好的优化性能，但该算法的和声记忆库是随机产生的，具有不确定性，且对记忆库的初始化具有很强的依赖性。本文在文献[12]的研究基础上，利用具有高度并行、鲁棒性强等优点的遗传算法（GA）产生和声库的初始解，同时改进和声库中新解的产生方式，克服了对初始和声记忆库依赖性强和参数随机选择不确定性的弊端。……