【正文】 較小，通過計算，交叉算子概率 Pc減小和變異算子概率 Pm 增大，一直到 Pm 和 Pc 都達到其預(yù)先設(shè)定好的最大和最小范圍。 遺傳算法在電力系統(tǒng)中的應(yīng)用 目前，隨著科學(xué)的進步，遺傳算法正迅速的發(fā)展起來，已經(jīng) 開始廣泛的應(yīng)用于各個領(lǐng)域，例如工程控制、工程優(yōu)化、故障診斷、人工智能、對策論、機器學(xué)習(xí)、模式識別、分子生物學(xué)、計算機等領(lǐng)域，都取得了不錯的成績。特別是在電力系統(tǒng)中， GA 的作用越來越大。以下就是作者所總結(jié)的一些遺傳算法在電力 系統(tǒng)中的應(yīng)用。在一般的電力系統(tǒng)中，這類問題通常其涉及規(guī)模都很大，普通的技術(shù)方法中很少能保證求得整體最優(yōu)解的，還有些方法也常因為要求計算信息多，計算量太大導(dǎo)致無法使用于大型的電力系統(tǒng)。所以總的來說， GA 在已廣泛的應(yīng)用于發(fā)電規(guī)劃，檢修計劃，機組最優(yōu)組合以及網(wǎng)絡(luò)規(guī)劃等方面。最近幾年來有關(guān)文獻提出了應(yīng)用遺傳蘇、模擬退火算法以及模擬分子進化優(yōu)化方法來求解這個問題。 對于故障診斷，一般會對故障提出多個假設(shè)，然后就會需要對于所提出的這些假設(shè)進行計算驗證。因此為了解決這一問題，可以采用遺傳算法來加快推理計算的速度效率。然后利用遺傳算子，對于上一代的單位個體開始繁殖，產(chǎn)生后代并且篩選掉其父代中適應(yīng)度值低的單位，同時計算出其后代的適應(yīng)值，把適應(yīng)度值高的單位和所篩選出的單位組成新的個體。 警報處理的目標(biāo)是當(dāng)系統(tǒng)處于非正常運行條件下幫助運行人員了解發(fā)生了什么事，然后提供的綜合的信息和簡潔有效的相關(guān)數(shù)據(jù)。警報處理和故障診斷的區(qū)別在于兩者分析的程度不同。 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局最優(yōu)解從而吸引了很多專家的研究興趣。 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。17 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。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。 R 表示與 S 相關(guān)聯(lián)的保護集合（ ）。 M 表示 保護 R 與斷路器 C 正常或者誤動。 保護的規(guī)則解析模型 1．主保護 令設(shè)備 ns 的主保護為 ir 。其中 ( , )lnZ r s 是在 lr 的保護區(qū)域內(nèi) ns 相鄰設(shè)備的集合， ( , )lxPr s 表示所有沿著線路路徑從保護 lr 到 xs 的斷路器的集合。 斷路器的規(guī)則解析模型 所有能引起斷路器 kc 跳閘的保護動作 xr ，斷路器 kc 都會跳閘，所以動作期望是： kxkcxr ∈ R(c )f = r? （ 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。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。方程組（ 1）可以等價的變成： ( , , , , ) ( , , , , )( , , , , ) ( , , , , )( , , , , ) 0R P S R C M D R P S R C M DC Q S R C M D C Q S R C M DH S R C M D? ? ? ?? ? ? ?? （ 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。 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： ? ?i i i i i i iF = ( S , R , C , M , D ) | R = R ′ , C = C ′ ,1 ≤ i ≤ n 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。 2) 解析的模型通常會出現(xiàn)很嚴(yán)重的多解問題。 對于以上問題，本文采取了一種優(yōu)化技術(shù)。那么又可以得到規(guī)劃的目標(biāo)函數(shù)是： Z K Z + k22i i i i 1 ii = 1 i = 1 i = 1Z + k 2 Z + 2 k2 i 3 ii = 1 i = 1E(G ) = (r r ′ ) + (c c ′ ) + w | d | + w | m | + w | F (S, R, C, M, D) |? ? ??? （ 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。 12,ww 分別表示保護和斷路器的拒動以及誤動的相對權(quán)值。 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。 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 iv 以及位置 ix 。 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,idv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。 2） 若是 i,d ih ′ (t) R[x ′ (t + 1)]，則 i,d i,dx (t + 1) ≠ x ′ (t + 1)；反之，則i,d i,dx (t + 1) = x ′ (t + 1)。 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。 21 4) 建立故障診斷的解析模型并 轉(zhuǎn)換成 （ 10）的模式。 6) 用（ 11）作為目標(biāo)函數(shù)，通過遺傳算法技術(shù)求解。 *S 表示故障診斷的結(jié)果， **,MD分別表示對保護以及斷路器的動作評價 8) 最后對 **,RC以及 ,RC??進行對比，然后對保護以及斷路器的警告信息給出評價。 28 個元件分別是： T1， T2，? T8； A1， A2，? A4； B1， B2，? B8；以及 L1， L2，? L8。 40 個斷路器失靈保護有 QF1f， QF2f，?QF40f。 40 個斷路器分別是： QF1， QF2，? QF40。 22 Q F 1Q F 2T 1Q F 4Q F 3T 2Q F 5Q F 6Q F 7Q F 8Q F 1 1Q F 1 2Q F 9Q F 1 0Q F 1 9Q F 2 0Q F 1 4Q F 1 5Q F 1 6Q F 1 7T 3T 4Q F 1 8A 1B 1 B 2 B 4 B 3L 1L 2L 3 L 4 L 5 L 6Q F 2 7Q F 2 8Q F 2 9Q F 3 0 Q F 4 0Q F 3 9Q F 3 5 Q F 3 7Q F 3 4 Q F 3 6Q F 3 8Q F 3 1Q F 3 2Q F 2 4Q F 3 3Q F 2 6Q F 2 5Q F 2 2Q F 2 3Q F 2 1T 5T 6L 7L 8T 7T 8A 2B 5 B 6B 8 B 7Q F 1 3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。 最后接收到 L3Rs ， T3m， T3p， QF14f， QF4， QF6， QF8， QF12， QF16， QF19， QF27 動作的警告信息。 以及對 M 和 D 部分分量的確定： 1 2 2 2 1 2 3 5 6 8 9 1 0, , , , , , , , , ,r r r c c c c c c c cd d d d d d d d d d d，3 4 5 2 1 2 3 4 7, , , . . . , , ,r r r r r c cm m m m m m m 均等于0。 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。 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）的最小值為 ，最優(yōu)的算子為 G*。 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。 4) 斷路器 QF10 與 QF14 拒動并且失靈保護 QF10f 拒動。 基于遺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，? QF30 A3， B6 故障， QF24 以及 QF26f 漏報， QF26拒動 正確 A3 與 T5 故障 A3m ， T5p ， QF21 ，QF26， QF28， QF30 A3， T5 故障， QF26f以及 QF22 漏報， QF24拒動 正確 T7 故障 T7m， QF34f， QF32，QF33， QF37， QF38，QF39 T7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，L3 與 L4 故障， L4Sm，L5Sm 以及 QF28 拒動 正確 24 QF28f 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。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。25 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)。 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。 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。 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）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 。26 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) ,2021,(13):19. [2] 石立寶 ,史中英 ,姚良忠，倪以信， Masoud 述 [J]. 電網(wǎng)技術(shù)， 2021， (03):4854. [3] 趙冬梅 .基于多信息源的電網(wǎng)故障診斷方法的研究 .北京：華北電力大學(xué)， 2021. [4] 李強 .電力系統(tǒng)故障診斷方法的研究 .山東大學(xué)， 2021. [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] 楊勇 .人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用與展望 [J]. 電力系統(tǒng)及其自動化學(xué)報 ,2021， (01)： 4145. [9] Tanaka H, et al. Design and eval