[发明专利]一种基于遗传算法的微电网故障判别方法

权利要求书

1.一种基于遗传算法的微电网故障判别方法，其特征在于，包括以下步骤：

1)检测微电网故障情况下各节点电压和各支路电流：在微电网故障发生后，利用各节点的电压传感器和各支路的电流传感器得到各节点的节点电压与各支路的支路电流；

2)初始化遗传算法，生成初始故障类型和故障位置，得到故障位置和故障类型的初始种群；

3)计算各故障位置和故障类型下的微电网电压电流：根据发电机节点电压与故障后线路阻抗，进行潮流计算得到节点电压与支路电流；

4)比较计算的电压电流与检测结果的差值：将计算的节点电压与电压传感器检测得到的节点电压作差得到各个节点电压的偏差；将计算的支路电流与电流传感器检测得到的支路电流作差得到各个支路电流的偏差；

5)根据计算的电压电流与检测结果的差值，选择最优个体：采用加权计算的方案将节点电压差值的绝对值与支路电流差值的绝对值加权相加后，选择最小总差值的故障类型和故障位置作为最优个体；

6)判断最优个体的电压电流与检测结果的差值是否小于预设精度ε：若最优个体的电压电流与检测结果的差值小于预设精度ε，则输出最优个体的故障位置和故障类型并结束计算；若最优个体的电压电流与检测结果的差值大于或等于预设精度ε，则以最优个体为目标输入遗传算法，生成下一代的故障类型和故障位置的初始种群，并返回执行步骤3)至步骤6)，直到最优个体的电压电流与检测结果的差值小于预设精度ε，输出最优个体的故障位置和故障类型并结束计算。

2.根据权利要求1所述的基于遗传算法的微电网故障判别方法，其特征在于，步骤2)所述得到故障位置和故障类型的初始种群的具体方式为：

对微电网中的所有支路进行编号，编号时保证临近的线路的数值相近；将所有故障类型进行排序编号，编号时保证同类型的故障的数值相近；随机生成初始种群其中α为故障位置，β为故障类型，上标为初始种群的代数，下标为初始种群中的个体编号，n为初始种群中的个体编号的总数。

3.根据权利要求2所述的基于遗传算法的微电网故障判别方法，其特征在于，步骤3)所述计算各故障位置和故障类型下的微电网电压电流的具体方式为：

根据的故障位置和故障类型得到线路的节点导纳矩阵；j为遗传算法的代数，k为一代种群中的个体编号；根据发电机节点电压、各节点的功率和节点导纳矩阵进行潮流计算，得到各个节点的节点电压和各条支路的支路电流。

4.根据权利要求3所述的基于遗传算法的微电网故障判别方法，其特征在于，步骤5)根据计算的电压电流与检测结果的差值，选择最优个体的具体方式为：

记微电网的节点数量为n，支路数量为m，则节点电压差值与支路电流差值的权重比应为m:n，采用加权计算的方案将节点电压差值的绝对值与支路电流差值的绝对值加权相加：

上式中，j为遗传算法的代数，k为一代种群中的个体编号，为总差值，u为微电网的节点电压，N为微电网的节点编号，i为微电网的支路电流，M为微电网的支路编号，上标*代表电压或电流的检测值；

选择最小总差值最小的作为第j代种群中的最优个体。

5.根据权利要求4所述的基于遗传算法的微电网故障判别方法，其特征在于：步骤6)所述以最优个体为目标生成下一代的故障类型和故障位置的初始种群的具体方式为：以最优个体为目标输入遗传算法，进行新的一轮迭代得到新的种群上式中j为迭代前的代数，j+1为第j+1代种群，下标为种群中个体的编号，n为种群中的个体编号的总数。