论文部分内容阅读
智能电网是当今世界能源产业发展革命的最新动向,体现了社会的进步,代表着电网未来的发展方向。配电网的智能化是统一坚强智能电网建设的重要内容,而“白愈”是配电网智能化的核心和重要途径。因此,针对智能配电网的故障诊断和自愈研究具有重要的现实意义。目前,在配电网故障诊断中虽然引入了许多智能算法,但是就其实际应用而言方法仍比较单一;在自愈控制方面,由于实际电网有拓扑结构复杂、保护信息量大等特征,故障恢复时间长、电能质量不高的情况时有发生。针对以上不足,本文提出了基于模糊最小-最大神经网络分类器(FMCN)的故障诊断方法、含分布式发电的潮流计算的方法以及基于多智能体粒子群优化(MAS-PSO)的自愈控制方法,在准确定位故障位置的基础上通过MAS-PSO算法进行开关重构,提高了智能配电网的可靠性和坚强性,缩短了开关重构时间,达到了白愈评价标准。本文首先介绍了配电网网络拓扑、配电网故障类型、配电继电保护、智能配电网自动化终端设备及配电自动化的主要基础平台,阐述了智能配电网各部分之间的协调关系,为后文理论研究提供了依据。其次,通过人工神经网络与模糊理论的融合得到了常规模糊神经网络(FMNN),在此基础上提出通用模糊最小-最大神经网络分类器(GFMN)口补偿神经元模糊最小-最大神经网络分类器(FMCN),通过仿真对比得出FMCN在智能配电网故障诊断应用中比GFMN具有更大精准度的结果。最后,本文研究含分布式发电的配电网络潮流计算,确定各节点负荷,并提出基于多智能体粒子群优化(Multi-Agent Particle Swarm Optimization Algorithm, MAS-PSO)的配电开关重构方法。通过对实例数据的仿真分析对比,证明该算法能更快、更精确地收敛到全局最优解,达到自愈目标,提高自愈标准。