基于RS-IA數據挖掘的配電網故障定位模型

車延博，郁舒雁，葛磊蛟

（天津大學 電氣自動化與信息工程學院，天津 300072）

0 引言

配電網故障定位是配電自動化的重要功能之一。當配電網實際出現故障后，通過故障定位功能可快速找出故障發生的區域，為隔離故障和盡快恢復用戶供電提供有效指導，對提高供電可靠性具有重要意義。配電網故障定位一般包括故障告警、故障相關性分析和故障精確定位3個步驟。

目前，基于饋線終端單元（FTU）上報故障信息進行配電網故障定位的分析方法主要有2類：一類是配電網故障區段判斷和隔離的統一矩陣算法，這種診斷方式基于健全信息進行故障定位，較為傳統，可靠性高，但對計算內存要求較高且診斷能力有限［1-4］；另一類是近些年興起的人工智能化故障診斷方案，這類方案能夠基于非健全的故障信息進行診斷定位，主流的方法有專家系統、人工神經、模糊理論、遺傳算法GA（Genetic Algorithm）和免疫算法IA（Immune Algorithm）等［5-9］。由于FTU大多位于室外，受自然環境影響較大，故使用矩陣算法得到錯誤故障信息的可能性偏高。在人工智能故障診斷方面，國內外一些學者進行了研究，文獻［10-11］將改進的GA用于配電網故障區段定位，雖然該算法能夠處理配電網信息畸變而造成故障定位誤判的情況，但其在運算過程中進行隨機的迭代搜索，結果容易產生局部最優；文獻［12］針對IA能夠進行全局搜索的優點，將IA應用于配電網故障定位，效果優于GA。近些年，也有學者采用數據挖掘DM（Data Mining）技術，通過對已有數據庫進行分析，挖掘出相關性數據特征，為發現問題規律、尋找解決方案提供參考信息［13］。……