杨 莉 周年荣 李 川 李英娜 杨 鑫

（1.云南电网有限责任公司电力科学研究院；2.昆明理工大学信息工程与自动化学院）

随着电网的不断发展升级，已有许多分布式电源（Distributed Generation，DG）并入电网。从电网面向用户供电可靠性角度考虑，在电网发生故障后，准确且快速实现故障区段的确定与故障排除是非常有必要的［1］。目前已被广泛使用的定位算法主 要包括矩 阵 算法［2，3］和 人工 智 能 算法［4］两大类。矩阵算法具有原理简单和运行速度快的优势，但其计算准确性很大程度上依赖馈线终端单元反馈数据的真实性，当数据失真时，这类算法就容易造成错判与漏判。而基于人工智能算法的配电网故障定位方法实现相对复杂，但具有较高的容错定位能力。

文献［4］中的改进配电网故障定位数学模型，借鉴广义分级思想将配电网划分为不同优先级区域，提升了故障定位的效率，但研究局限于环网开环运行的配电网；文献［5］所提的配电网故障定位的二进制粒子群（BPSO）算法表现出良好的容错性，但未考虑DG对故障区段定位的影响；文献［6，7］均改进了二进制粒子群算法，能够提高定位收敛速度，但这些改进也在一定程度上加大了算法的实现难度，且文献仅针对单电源配电网故障定位。此外，蝙蝠算法［8］、仿电磁学算法［9］及蚁群算法［10］等其他人工智能算法 也是经常被使用的算法。但这些方法在解决大规模优化问题时需要大量的初始种群数据，且易陷入局部最优。在文献［11］中，研究了一种适用于配电网故障区段的免疫二进制萤火虫算法（IBFA），仿真试验表明算法具有较好的容错性与收敛速度。……