【正文】 參考文獻[1] 孫可，韓禎祥，曹一家. 復(fù)雜電網(wǎng)連鎖故障模型評述[J]. 電網(wǎng)技術(shù),2005,(13):19.[2] 石立寶,史中英,姚良忠，倪以信，Masoud [J]. 電網(wǎng)技術(shù)，2010，(03):4854.[3] ：華北電力大學(xué)，2005.[4] ，2008.[5] Park Y M，Kim G W，Shon，J M. A logic based expert systems for fault diagnosis of power system[J]. IEEE Transactions on Power System, 1997, 12(1)：363369.[6] Fukui C. Kawakami，J. An expert system for fault section estimation using information from protective relays and circuit breaks. IEEE Transactions on Power System, 1986，1(4)：8390.[7] T. Minakawa，Member, M. Kunugi， Member. Development and implementation of a power system fault diagnosis expert system. IEEE Transactions on Power Systems, (2)：932940.[8] [J]. 電力系統(tǒng)及其自動化學(xué)報,2001，(01)：4145.[9] Tanaka H, et al. Design and evaluation of neural network for fault diagnosis. Proc. Of ESAP`89，USA，1989.[10] 文福栓, 韓禎祥. 基于遺傳算法和模擬退火算法的電力系統(tǒng)的故障診斷[J]． 中國電機工程學(xué)報,1994,14(3)：2935.[11] , . Fault section estimation in power systems using a genetic algorithm. Journal of Electric Power System s Research，1995，34(3)：165172.[12] , . Probabilistic approach for faultsection estimation in power systems based on a refined genetic algorithm. IEE . Tvansm Distrib. (2).[13] WENFS，CHANGCS．Probabilistic approach for faultsection estimation in power system based on a refined genetic algorithm[J]．IEE Proceedings： Generation，Transmission and Distribution，1997，144(2)：160168．[14] 文福拴, 韓禎祥等. 基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法(一). 電力系統(tǒng)及其自動化學(xué)報, 1998, 10(9)：17.[15] 文福拴, 韓禎祥等. 基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法(二). 電力系統(tǒng)及其自動化學(xué)報, 1998, 10(9)：813.[16] 文福拴, 韓禎祥等. 基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法(三). 電力系統(tǒng)及其自動化學(xué)報, 1999, 11(3)：813.[17] 許儀勛, 陸拯, 郭志忠. 基于遺傳算法的電力系統(tǒng)分層信息故障診斷方法. 電力系統(tǒng)自動化, 2000, 28(10)：1518.[18] 段玉倩, 賀家李. 遺傳算法及其改進. 電力系統(tǒng)及其自動化學(xué)報, 1998 , 10(3)：3952.[19] 李慧玲,李春明. 一種基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的故障診斷方法[J]. 電力科學(xué)與工程,2011,(04)：4347. [20] 孟祥萍,潘瑩,耿衛(wèi)星,霍飛,高燕. 混沌免疫遺傳算法在電力系統(tǒng)故障診斷中應(yīng)用[J]. 電力自動化設(shè)備,2007,(05)：8183.29。2）與其它診斷方法融合，提高診斷效率如果診斷的電網(wǎng)較復(fù)雜，規(guī)模更大，則利用文中基于遺傳算法的故障診斷模型就會變得很復(fù)雜，因此融合多種方法，最快并且最優(yōu)地進行故障診斷，成為當(dāng)前的一大熱點。本文在電網(wǎng)故障診斷部分，網(wǎng)絡(luò)規(guī)模較小，且算例中考慮的保護類型較少，主要考慮了線路主保護、后備保護和母線主保護以及變壓器主保護，不能普遍反應(yīng)復(fù)雜電網(wǎng)故障診斷的情況。2. 展望由于時間的關(guān)系，本文所研究的仍然不夠完整，對基于遺傳算法的故障診斷研究依然有很多需要后續(xù)工作。目前，電網(wǎng)故障診斷方法按照其診斷原理可歸納為基于推理的人工智能方法、基于不確定性理論的故障診斷方法、基于優(yōu)化思想的故障診斷方法和多種故障診斷方法融合的診斷方法這四類，而人工神經(jīng)網(wǎng)絡(luò)因其能模擬人類大腦處理問題的過程及經(jīng)驗并具有強大的自學(xué)能力以及對不完備數(shù)據(jù)的處理能力，而被廣泛應(yīng)用于電網(wǎng)故障診斷領(lǐng)域。結(jié) 論近些年來，電力系統(tǒng)規(guī)模的日益擴大及其不斷復(fù)雜化的設(shè)備給故障診斷的準(zhǔn)確性、及時性帶來很大的挑戰(zhàn)。充分的利用了遺傳算法對復(fù)雜電網(wǎng)故障診斷的研究，得到令人滿意的效果?；谶z傳算法的故障解析模型的診斷方法在案例中的測試結(jié)果如下表：表1 故障診斷的結(jié)果電網(wǎng)故障保護和斷路器的警報信息診斷結(jié)論評價A3與B6故障A3m，B6m，QF21，QF22，QF23，QF25，QF26，…QF30A3，B6故障，QF24以及QF26f漏報，QF26拒動正確A3與T5故障A3m，T5p，QF21，QF26，QF28，QF30A3，T5故障，QF26f以及QF22漏報，QF24拒動正確T7故障T7m，QF34f，QF32，QF33，QF37，QF38，QF39T7故障，QF36f漏報，T1m，QF34以及QF36拒動正確L3與L4故障L4Sp，L5Sp，L4Rm，L5Rm，QF9，QF10，QF24，QF26，QF30，QF28fL3與L4故障，L4Sm，L5Sm以及QF28拒動正確 本章小結(jié)本章首先通過介紹故障診斷的解析模型，然后引出基于遺傳算法的故障診斷解析模型，并確定其目標(biāo)函數(shù)，然后通過一個經(jīng)典算例的系統(tǒng)來驗證。4) 斷路器QF10與QF14拒動并且失靈保護QF10f拒動。2) 變壓器的主保護T3m與線路L3的遠后備保護動作以及斷路器失靈保護QF14f動作。在多次的實驗之后，發(fā)現(xiàn)每次的結(jié)果都能再迭代200次之前收斂，并且目標(biāo)函數(shù)E（G），最優(yōu)的算子為G*。通過遺傳算法的優(yōu)化計算方法求解，隨機的初始化40個目標(biāo)，迭代 次 數(shù) 設(shè) 置成1000。以及對M和D部分分量的確定：， 均等于0。最后接收到L3Rs ，T3m，T3p， QF14f，QF4，QF6，QF8，QF12，QF16，QF19，QF27動作的警告信息。圖6 算例系統(tǒng)圖 故障以及報警信息的分析當(dāng)母線B2以及變壓器T3同時發(fā)生故障的時候，斷路器以及保護的動作過程會發(fā)生以下變化：首先變壓器的主保護T3m會發(fā)生動作，斷路器QF14拒動，斷路器QF16斷開，失靈保護QF14f會動作，使QF12，13，19斷開。40個斷路器分別是：QF1，QF2，…QF40。40個斷路器失靈保護有QF1f，QF2f，…QF40f。28個元件分別是：T1，T2，…T8；A1，A2，…A4； B1，B2，…B8；以及L1，L2，…L8。表示故障診斷的結(jié)果，分別表示對保護以及斷路器的動作評價8) 最后對以及進行對比，然后對保護以及斷路器的警告信息給出評價。6) 用（11）作為目標(biāo)函數(shù)，通過遺傳算法技術(shù)求解。4) 建立故障診斷的解析模型并轉(zhuǎn)換成 （10）的模式。 診斷流程根據(jù)前文提到的建模以及思路，將故障診斷的過程順序總結(jié)如下：1) 在故障后的區(qū)域中，篩選出可能發(fā)生故障的設(shè)備集S以及斷路器集C。2） 若是，則；反之，則。但是在離散的空間里，因為通常位置僅能夠取0和1，這樣導(dǎo)致不會具有空間內(nèi)連續(xù)的速度意義，反而會被理解成算子位置進一步的演化的概率。 基于遺傳算法的模型求解該算法先通過初始化種群的隨機算子，然后通過適應(yīng)度的函數(shù)來計算算子的優(yōu)異性，同時進行迭代尋求最優(yōu)解，在每一次的迭代中，算子i根據(jù)下式來調(diào)整其速度以及位置。通過基于優(yōu)化技術(shù)的方法使E（G）最小化然后求出最優(yōu)的解G，就是該模型診斷出的故障模式。分別表示保護和斷路器的拒動以及誤動的相對權(quán)值。那么又可以得到規(guī)劃的目標(biāo)函數(shù)是： （11）其中方程的右邊第一和第二項分別是保護以及斷路器的動作狀態(tài)和實際的警告值差別，用來表示警告的信息的漏報以及誤報的情況。對于以上問題，本文采取了一種優(yōu)化技術(shù)。2) 解析的模型通常會出現(xiàn)很嚴重的多解問題。若是斷路器的跳閘情況以及保護動作情況已知，由R`和C`表示，在不考慮警告信息中的漏報以及誤報的情況，那么故障的解析模型又可表示成：一般來說，邏輯公式的主析取范式是唯一的，所以由以上方法得到的解集就是完全解析模型的全部解集，也就是所有的故障模式。方程組（1）可以等價的變成： （9）對上式的左邊求主析取范式，方程組（1）的解就是主析取范式里的每個極小值。整個解析模型包括了保護規(guī)則解析和狀態(tài)解析，是對故障診斷在規(guī)則上的完整闡述。 斷路器的規(guī)則解析模型所有能引起斷路器跳閘的保護動作，斷路器都會跳閘，所以動作期望是： （6） 保護與斷路器的動作狀態(tài)解析模型在之前所闡述的保護規(guī)則的基礎(chǔ)上，對矛盾的邏輯進行約束，并且考慮保護的誤動與拒動的情況。其中是在的保護區(qū)域內(nèi)相鄰設(shè)備的集合，表示所有沿著線路路徑從保護到的斷路器的集合。 保護的規(guī)則解析模型1．主保護令設(shè)備的主保護為。M表示 保護R與斷路器C正常或者誤動。R表示與S相關(guān)聯(lián)的保護集合（ ）。將上述的保護規(guī)則與原理通過邏輯方程組的形式表示就是故障診斷的解析模型。第4章 基于遺傳算法的故障診斷 故障診斷的數(shù)學(xué)模型 故障診斷的完全解析模型在電力系統(tǒng)元件發(fā)生故障時，通過保護的配置規(guī)則與原理，以及和該元件相關(guān)的保護由于檢測到故障特征而動作，引起斷路器的跳閘。 其他領(lǐng)域的應(yīng)用由于遺傳算法有著其它算法所不具備的優(yōu)勢，它在電力系統(tǒng)中的應(yīng)用也越來越廣泛。由于GA可以處理非線性因素問題以及無可微的要求且有較大的概率求得全