基于粒子群算法的DG計算機監控系統的研發

李娜

(河北傳媒學院，河北石家莊050071)

基于粒子群算法的DG計算機監控系統的研發

李娜

(河北傳媒學院，河北石家莊050071)

分布式電源(DG)是一個復雜的系統。提出了一種基于粒子群算法的DG電源計算機監控系統。該系統從分析粒子群算法學習模式的構造及關鍵要素出發，將群智能尋解與實際分布式電源監控相結合，從而構建出基于改進的PSO算法的分布式電網故障定位算法及調度方法。仿真證明該算法簡單、實用，在一定程度上能夠實現故障點的迅速查找，有利于提高分布式電源的可靠性和安全性

分布式電源；故障分析；粒子群算法；監控

分布式電源(distributed generation，DG)是一種容量較小、結構靈活的多電源供能系統。分布式電源的出現一方面給綠色能源的利用創造了良好的條件，另一方面也解決了大電網規模龐大、故障連鎖的弊端。但是分布式電源改變了過去配電網由單一電源組成、線路輻射的基本結構，形成了多電源、多分支的新形式，這一變化給電網的故障定位帶來了很大的影響，使傳統的定位方法變得滯后。因此，急需一種效率高、準確性高的故障定位方法來適應分布式電源的故障預警監控。

1 含分布式電源電網特性分析

分布式電源是35 kV以下的不直接與集中輸電系統相連的電源系統，主要包括發電設備、儲能裝置及相關負載等[1]。分布式電源是建立在自動控制系統、新型發電技術、材料技術、機械技術基礎上的綠色環保、靈活方便的新型供能系統，目前主要包括水力、風能、太陽能、燃氣輪機、燃料電池等發電形式，同時能源中心位于負荷附近，是一種便于監控的靈活供能方式。

分布式電源有兩種運行方式，一種是孤島運行，另一種是并網運行。孤島運行是分布式電源自身組建成微電網，為分散于附近的負荷進行供電，不與大電網相連的基本運行形式；并網運行是分布式電源作為配電網的末端或一部分接入大電網運行的形式。相比較而言，孤島運行方式網絡結構簡單，但是，由于大多數分布式電源都有一定的隨機性和波動性，所以供電缺乏穩定性，因此，由分布式電源組成微電網，可以靈活地在兩種運行方式中進行自由的選擇，是目前分布式電源的主要運行方式。

分布式電源的接入，雖然可以解決大電網規模大的問題，但是也帶來了控制更為復雜的弊端。其一：每一個由分布式電源所構成的微電網的網絡拓撲結構都有所不同，而且由于源發電形式不同，所采用的變流技術也不同，這使得大電網所面對的分布式電源類型多、變化多，情況復雜；其二：分布式電源的發電特性受外界環境影響大，造成孤島運行效果差。而要解決這一問題，有兩種方法，一是在微電網內配有相當的儲能環節，這給電網的運行帶來了一定隱患；二是可以在微電網發生故障時，及時地切換至大電網，這就要求分布式電源與大電網之間能以最快的速度形成步調一致的電壓和頻率，這給電網的控制帶來了不小的難度。

以上分析說明，分布式電源的加入使電力系統增加了非線性的特質，對它的控制具有相當的復雜性，也使得故障分析變得更困難。

2 含分布式電源配電網故障的定位方法分析

相關研究結果表明：含分布式電源的配電網中與多分支節點相關聯的正方向分支指向故障點分支的故障電流正序、負序和零序的綜合幅值和總是最大，并且在故障暫態過程中也含有大量的高頻特征信息[2]。因此，目前大多數故障分析方法的重要依據都是配電網分支結點的穩態特征和暫態特征。

配電網的故障自動定位是分布式自動控制的基礎。目前，國際上應用較多的是以圖論為基礎的矩陣算法和過熱弧搜尋法，另外就是以人工智能以基礎的神經網絡、模糊理論、遺傳算法等。以上算法都可以在一定范圍內，以一定的速度和準確性確定出故障的位置，但是也存在一定的問題，例如矩陣算法、遺傳算法、神經網絡算法在查找故障點中準確性高，但是計算量大，查找時間長，會造成故障排除時間的延遲；而過熱弧搜尋法只能適應電網的拓撲結構比較單一的情況，實用性差；基于模糊理論的故障定位方法算法的準確性一直得不到很好的解決。因此，為分布式電源設計一種實時、快速、準確的故障定位算法仍然是研究的重點。

3 基于粒子群算法的監控系統構建

3.1 粒子群算法的基本模型分析

粒子群算法(POS)是一種受魚群、鳥群的獵食等行為啟發而生成的優化算法，具有算法簡單、參數少、易實現而且收斂速度快的基本特性[3]。

這兩個向量在迭代尋解的過程中還和兩個極值相關，這兩個極值分別是個體最優解和全局最優解，分別表示為：

算法流程如圖1所示。

3.2 改進的粒子群算法在故障定位中的應用

由于基本粒子群算法存在收斂速度過快而造成的早熟現象，因此，采用適當的方法對基本粒子群算法進行改進是將其應用至電力系統故障點分析的必要舉措。

圖1 粒子群算法流程

在基本粒子算法中，權重參數是一個依據系統經驗所設定的固定值，而大多數改進的算法都是將這個固定值設定為一個區間(min，max)，則某一次迭代的權重為：

3.3 監控系統設計

為保證監控系統的準確性，本設計確定在分布式電源支路點設置傳感器節點，用以采集這些支路的電流、電壓、高頻信號等，每20～40個節點組成一個種群，利用短距離通信Zig-Bee技術組成一個樹狀的無線傳感網，每個網絡利用C語言編好改進的粒子群算法程序，燒入ZigBee核心芯片CC2530，從而構造出基于粒子群算法的監控平臺底層數據采集系統。

監控系統的底層數據由無線傳感網的匯總結點輸入底層嵌入式系統，再由嵌入式系統通地公共傳輸網絡將數據上傳至中央控制中心，以實現分布式電源的遠程集中監控。

4 總結

含分布式電源的計算機監控系統的研究在我國還處于起步階段，而與此相關的故障定位方法更是研究中的重點。本文在充分研究相關資料的基礎上，確定了以改進的粒子群算法為基礎的故障定位方法，相比較其他的算法，該算法具有定位準確、時間短、有效性好的優點，對分布式電源的研究具有一定的理論意義。

[1]張永健.電網監控與調度自動化[M].北京：中國電力出版社，2011：3-5.

[2] 王進強.含分布式電源的配電網故障定位的應用研究[D].廣州：廣東工業大學，2011：124-125.

[3] 張安年.粒子群算法在神經網絡參數優化中的應用[D].洛陽：河南科技大學，2009：26-30.

DG computer monitoring and control system based on particle swarm algorithm

LI Na

The distributed power supply(DG)is a complex system.A DG power computer monitoring system was proposed based on particle swarm optimization (PSO)algorithm.From the analysis of particle swarm algorithm learning mode and key elements,the group of intelligent search solution was combined with a practical distributed power monitoring,so as to construct the improved PSO algorithm of distributed power grid fault location algorithm and scheduling method.The simulation results prove that the algorithm is simple and practical.And to a certain extent,it can realize the fault point quick search and improve the reliability and security of distributed power supply. Key words：distributed power supply;fault analysis;particle swarm algorithm;monitoring

TM 769

A

1002-087 X(2015)04-0828-02

2015-01-05

李娜(1982—)，女，河北省人，助教，本科，主要研究方向為計算機。