杨 文, 张邦双, 叶 欣, 赵千川

(1. 清华大学自动化系, 北京市 100084; 2. 航天发射场可靠性技术重点实验室, 海南省海口市 570100)

0 引言

随着配电网规模的扩大及自动化和信息化程度的提高,配电网安全管理的复杂性随之增加。配电网故障检测对于提高供电可靠性和安全性具有重要作用,一直是学术界和工业界共同关注的焦点[1-2]。随着馈线终端单元(feeder terminal unit,FTU)及无线传感器等在配电网中的应用[3-4],可以实时动态获取配电网运行信息,配电网设备状态及各类电力参数已成为配电网故障检测的主要依据。现有的配电网故障检测方法大致可以分为图论和人工智能两类方法。如早期文献[5]给出了基于图论和矩阵的故障检测和定位方法,该方法后续得到了持续改进[6-9],主要是进一步降低计算复杂性。这类方法计算速度快,但未考虑传感器故障,对遥信遥测数据质量要求高。然而,由于配电自动化设备及通信网络的运行环境恶劣,如通信扰动或中断、传感器漂移或失效等普遍存在,上报的数据容易畸变、丢失甚至错误[10-12]。为此,研究人员陆续提出了具有容错性的检测算法[13],容错能力有所提升。主要方法有人工神经网络算法[14-15]、遗传算法[16]、贝叶斯算法[10]、粗糙集算法[17]、群体智能算法[18-21]等。以上基于人工智能的故障检测方法,具有较好的容错性,对馈线区段故障检测效果较好,但对传感器故障的检测仍不理想,且迭代过程复杂,计算量较大。

从能量角度来看,配电系统本质上是对电能的分配、传输和控制,能量的传递将馈线、开关设备和感知测量数据关联起来,整体上反映了配电系统的工作状态。……