基于量子蚁群算法的配电网故障区段快速定位技术

• Published in: 上海交通大学学报 Vol. 58; no. 5; pp. 693 - 708
• Main Authors: 毕忠勤, 余晓婉, 王宝楠, 黄文焘, 张丹, 董真
• Format: Journal Article
• Language: Chinese
• Published: 上海交通大学电力传输与功率变换控制教育部重点实验室,上海 200240%上海交通大学电力传输与功率变换控制教育部重点实验室,上海 200240%上海海事大学物流科学与工程研究院,上海 201306%国网上海市电力公司电力科学研究院,上海 200437 28.05.2024; 上海电力大学计算机科学与技术学院,上海 201306%上海电力大学计算机科学与技术学院,上海 201306
• Subjects: 量子蚁群算法; quantum ant colony algorithm(QACA); 分级定位模型; information self-correction method; 配电网故障区段定位; hierarchical location model network; 信息自修正法; location of fault section in distribution network
• ISSN: 1006-2467
• DOI: 10.16183/j.cnki.jsjtu.2023.004

TM712; 分布式电源并入配电网已成为新型电力系统重要特征之一,分布式电源的接入与发电的不确定性使配电网潮流复杂多变,对配电网故障快速定位提出更高的技术要求.然而,现有智能优化算法在解决配电网故障区段定位问题时会出现收敛速度慢、易陷入局部最优等问题.针对这些挑战与问题,提出一种基于量子蚁群算法(QACA)的配电网故障区段快速定位技术.首先,根据状态逼近思想和最小故障集理论构建配电网故障定位的数学模型;其次,针对馈线终端单元上传信息缺失情况提出信息自修正方法,并提出分级定位模型来缩短定位时间;然后,提出3种改进技术对QACA进行针对性改进,改进量子旋转门更新机制,以函数控制形式动态调整旋转角大小,同时引入精英策略加快算法收敛速度.最后,在关键参数确定后验证了改进技术、信息自修正法、分级定位模型的有效性.将所提算法与7种不同算法进行对比,结果表明:改进的QACA可有效完成故障区段定位,具有良好的收敛速度、准确率以及容错性能.