本文關鍵詞：基于云粒子群算法的含DG配電網(wǎng)故障定位

  更多相關文章： 配電網(wǎng) 故障診斷 分布式發(fā)電 粒子群算法 云理論

【摘要】：城市的飛速發(fā)展使得配電網(wǎng)規(guī)模越來越大,如何保障配電網(wǎng)安全穩(wěn)定的運行是一個目前急需解決的問題,并且對配電網(wǎng)饋線區(qū)段的監(jiān)測和線路故障的診斷定位也是一個比較熱門的研究領域。而目前分布式發(fā)電(Distributed Generation,DG)技術的快速發(fā)展與應用,使得DG接入配電網(wǎng)越來越頻繁,這也為配電網(wǎng)的故障區(qū)段定位帶來了新的困難與挑戰(zhàn)。因此,有必要開展對含DG的配電網(wǎng)的故障定位技術的研究,從而制定出故障分離方案和對DG故障的控制策略。本文在綜述了目前國內(nèi)外對配電網(wǎng)故障區(qū)段定位研究現(xiàn)狀的基礎上,以粒子群算法(Particle Swarm Optimization,PSO)和云理論為基礎,對配電網(wǎng)故障區(qū)段的定位方法、故障信息的編碼、配電網(wǎng)開關函數(shù)和評價函數(shù)的建立、故障區(qū)段定位算法的融合等方面進行了深入的研究。本文首先對幾種常見的DG進行了簡要的介紹,并且對其并網(wǎng)原則進行了簡單的探討,然后分析了DG并網(wǎng)對于配電網(wǎng)故障區(qū)段定位的影響。再此基礎上本文將進一步研究含DG配電網(wǎng)的故障區(qū)段定位技術。在研究含DG的配電網(wǎng)故障區(qū)段定位之前,本文首先分析了基本粒子群算法對不含DG的配電網(wǎng)故障定位。分析了不含DG的輻射型配電網(wǎng)故障信息特征,根據(jù)配電網(wǎng)的拓撲結構和FTU上傳故障信息建立開關函數(shù)和評價函數(shù),并引入PSO算法進行故障定位。通過對單點故障、多點故障以及含信息畸變的故障仿真表明PSO算法能夠進行故障定位,但具有一些明顯的缺點。為改進基本粒子群算法的缺點和能夠使之應用于含DG的配電網(wǎng)故障診斷中,本文將粒子群算法與云理論相結合,形成云粒子群算法,并重構了含DG配電網(wǎng)的開關函數(shù)�；诖�,然后利用MATLAB2012a對算法在故障診斷中的有效性和收斂性進行仿真分析。仿真結果表明云粒子群能夠準確的對含DG配電網(wǎng)的故障區(qū)段進行準確的定位,并通過收斂性仿真找到了云粒子群算法的最佳參數(shù)。最后經(jīng)過與差分算法、基本粒子群算法的對比仿真,表明了云粒子群算法的優(yōu)勢。本文圍繞配電網(wǎng)故障區(qū)段定位技術展開研究,研究基于粒子群算法與云理論相結合的融合算法對含DG的配電網(wǎng)故障區(qū)段定位。經(jīng)過仿真分析驗證了該算法的有效性,具有重要的理論意義,對后續(xù)的含DG配電網(wǎng)的故障診斷具有一定參考價值。
【關鍵詞】：配電網(wǎng) 故障診斷 分布式發(fā)電 粒子群算法 云理論
【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM711
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 選題背景與意義9-10
• 1.2 配電網(wǎng)故障區(qū)段定位的分類與研究現(xiàn)狀10-15
• 1.2.1 直接算法10-11
• 1.2.2 間接算法11-15
• 1.3 本文主要研究工作15-16
• 第2章 分布式電源接入對配電網(wǎng)的影響16-24
• 2.1 分布式電源的分類17-21
• 2.1.1 太陽能17-19
• 2.1.2 風能19-20
• 2.1.3 微型內(nèi)燃機20-21
• 2.2 分布式電源的接入準則21-22
• 2.3 分布式電源對配電網(wǎng)故障定位的影響22-23
• 2.4 本章小結23-24
• 第3章 標準粒子群在配電網(wǎng)故障定位中的研究24-41
• 3.1 粒子群算法的基本原理24-26
• 3.2 粒子群算法在配電網(wǎng)故障定位中的實現(xiàn)26-35
• 3.2.1 編碼問題27
• 3.2.2 開關函數(shù)的構造27-32
• 3.2.3 適應度函數(shù)的構造32-33
• 3.2.4 故障區(qū)段定位分析33-35
• 3.3 算例仿真分析35-39
• 3.3.1 PSO對輻射型配電網(wǎng)進行故障定位35-38
• 3.3.2 PSO對含DG的配電網(wǎng)進行故障定位38-39
• 3.4 粒子群算法的缺點39-40
• 3.5 本章小結40-41
• 第4章 云粒子群算法在含DG配電網(wǎng)故障區(qū)段定位41-61
• 4.1 云粒子群算法的實現(xiàn)42-47
• 4.1.1 基本云理論42-44
• 4.1.2 云粒子群算法故障定位的基本步驟44-45
• 4.1.3 基于CPSO的配電網(wǎng)故障定位流程45-47
• 4.2 有效性仿真分析47-54
• 4.2.1 單點故障仿真分析47-51
• 4.2.2 多重故障仿真分析51-53
• 4.2.3 容錯性分析53-54
• 4.3 收斂性仿真分析54-60
• 4.3.1 種群規(guī)模的影響55-57
• 4.3.2 最大速度限定的影響57-59
• 4.3.3 與其他算法的性能比較59-60
• 4.4 本章小結60-61
• 第5章 總結與展望61-63
• 參考文獻63-67
• 致謝67-68
• 附錄68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結構優(yōu)化中的應用[J];陜西理工學院學報(自然科學版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學學報(自然科學版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學術版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設的粒子群算法[J];機械工程學報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標粒子群算法[J];山東理工大學學報(自然科學版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應用[J];北京科技大學學報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標粒子群算法及其應用[J];計算機集成制造系統(tǒng);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結構優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

，

本文編號：661861