可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch工程科学与技术，国际期刊20（2017）1475完整文章电力系统故障定位的现代优化算法A.放大图片作者：Sanad Ahmeda，Mahmoud A.作者声明：A. 作者：Hamedb，Almoataz Y. Abdelazizb，a埃及开罗西门子技术公司能源管理司b埃及开罗艾因夏姆斯大学工程学院电力机械系阿提奇莱因福奥文章历史记录：2017年4月25日收到2017年10月4日修订2017年11月19日接受2017年11月23日在线发布保留字：故障测距遗传算法和声搜索教学优化技术人工神经网络（ANN）因果关系（C E）A B S T R A C T本文提出了一种基于教学优化（TLBO）技术和和声搜索（HS）技术的双端输电线路故障定位方法。对遗传算法（GA）、人工蜂群（ABC）、人工神经网络（ANN）和因果关系（CE）等方法进行了讨论，并对所提出的技术的初始数据是故障后测量的电压和电流从两端，以及作为初始输入的线路参数。本文讨论了L-L-L、L-L-L-G、L-L-G和L-G几种类型的断层。通过从SIMULINK提取初始输入到MATLAB，在SIMULINK上进行模型的仿真，其中目标函数指定具有非常高的准确度，精度和在非常短的时间内的故障定位。未来的工作进行了讨论，显示使用差分学习TLBO（DLTLBO）背后的好处进行了讨论。©2017 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍目前，为不同的用户提供稳定、可持续、可靠和连续的电力供应变得至关重要这反过来又增强了投资能力。输电线路易受各种原因引起的故障影响，如风暴、雪、绝缘击穿和短路等特别是输电线路故障是造成电网内大部分故障的原因。因此，对输电线路系统保护和供电可靠性应采取维护人员快速检测故障位置的能力将有助于他们尽快清除故障，并且不会导致客户端长时间停电[1，2]。不同的技术讨论了在[3]中解释的传输线路上找到精确故障位置所需的计算，其中使用基于行波的故障定位用于两个和三个终端网络，并且得出结论，该方法不受线路中的噪声或杂散变化的影响，因为它使用了时间平均积分函数，并且它实现了3.2%的误差。此外，在[4]中描述了用于提高精度的微处理器故障定位器。所用方法的主要特点是考虑了远端进料的影响。而在*通讯作者。电子邮件地址：almoataz_abdelaziz@eng.asu.edu.eg（A.Y.Abdelaziz）。由Karabuk大学负责进行同行审查。[5]提出了一种精确的串联补偿传输线的计算方法。该方法利用了故障后电流和电压仅为半周的优点。结果计算误差约为0.5%，这是不好的，将影响故障的检测，并将有不良影响的维护团队的能力，知道沿线的故障位置。此外，在[6]中讨论了基于阻抗的故障定位方法，该方法被证明是简单且成本低的，但它受到几个误差源的影响，并且对于不同类型的输电线路和不同模型具有较差的精度，并且还受到线路长度的影响，这降低了精度并误导了维护团队。结果表明，故障电阻、故障位置、源阻抗和传输线模型对单端阻抗法的性能有负面影响，这将增加故障检测的成本，因为需要更多的时间才能知道准确的位置。另一方面，它表明，如果源阻抗是可用的，因为自适应保护技术，故障定位方法没有电流互感器的错误，可以开发，但是这种方法依赖于很多参数，需要花费更多的时间才能得到准确的位置，影响故障清除过程，并且会导致更多的设备损坏，最终会导致更多的成本修复那些损坏的设备这种方法只适用于非换位线路，而不适用于换位线路，因为换位线路会受到相间磁场的影响。在[7]它证明，如果冗余测量可用，https://doi.org/10.1016/j.jestch.2017.11.0062215-0986/©2017 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1476A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）1475设计一种故障定位检测方法是可行的。在[8]中得出结论，使用非同步故障后相量进行故障定位估计的双端方法。文[9]讨论了一种新的精确故障定位方法，并考虑了双端线路的情况。在[10]中，基于遗传算法使用“相量匹配”的故障定位方法，但是其花费很长时间，这导致在适当的时间内检测故障的问题，并且还导致可能损坏电网内更多设备的问题。而文献[11]中采用的是基于时域分布模型的双端传输线精确计算方法。在[12]中，将遗传算法用于故障定位;该方法基于短路电流的数字测量，有时会产生误导并导致不准确，从而导致沿线路定位错误的故障位置。在[13]中，使用了故障定位方法，介绍了使用人工神经网络（ANN）理论的现场可编程门阵列（FPGA）。这种方法尽可能通用，目的是使用它来开发类似的应用程序。而文献[14]中利用单端电压的谐波谱从单线接地（SLG）中提取了一些有用的特征。该方法在未换位的传输线上进行。在[15]中讨论了另一种故障定位方法;该方法考虑了负载。 这种方法也消除了传统方法的问题。如果负载表现为恒定阻抗，则故障定位可以由故障前数据确定。而对于变阻抗负荷，故障定位需要负荷模型的先验知识，而这种先验知识并不总是可用的，这会导致结果不准确，误导团队，导致错误的位置估计。该方法的结果是针对三种故障类型分别选取三个故障位置，然后选择最合适的距离或距离。在文献[16]中给出了一个用于故障区段识别的专家系统，同时也表明，数值算法和数据库算法的结合是电力系统专家系统应用的许多发展所必需的。指出专家系统在实际应用中具有广阔的前景。而在这个时代，专家系统的使用还不够成熟，可能会导致一些问题，并有成本相关的活动。这些方法具有两者之间有许多不同之处，特别是在以下几点：1- 传输线模型。2- 有的从一侧测量所需的变量，有的从两侧测量。3- 用于获得最佳结果的优化技术电力系统保护最初设计用于检测故障，并且仅隔离故障区域而不干扰其他功能区域的性能。近几十年来研究的其他一些先进方法使用从输电线路两端测量的电压和电流。在[3[7-11]中使用的其他方法这些方法在定位故障位置时更准确，这些方法中可用的数据量越大。最近，在这方面利用更智能的方法来检测输电系统中的故障定位，其中故障定位不是直接从连接电流和电压的方程实现的。此外，优化技术最近加入了这一研究领域，增加了更多的智能，如遗传算法（GA）[12，13]。遗传算法是一种模拟自然进化过程的这介绍了GA中的三个主要定义[17]。1) 选择：这个过程决定了哪些解决方案应该被保存并允许复制，哪些解决方案应该腐烂。选择最好的解决方案，放弃其余的。为了评估解决方案，需要一个适应度函数，通过使用该函数的值，可以量化解决方案的最优性。2) Crossover：用于在应用选择运算符后，从现有的可用解创建新解。3) 突变（Mutation）：这是偶尔将新特性引入图1显示了搜索技术的类别，并在这些技术中分配GA。近年来的研究表明，遗传算法具有许多优点。它另一个优点是GAFig. 1.搜索技术的分类。A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）14751477非线性函数的非线性处理[14]。这是通过求解基于从非线性系统表示导出的目标函数定义的优化问题来找到故障的位置。人工蜂群（ABC）是众所周知的这种方法.文献[18]提出了一种仅利用故障后测量的输电系统故障定位迭代方法。该方法仅适用于不对称故障，并采用短线模型进行故障定位。人工蜂群是一种基于自然现象的优化技术，以达到最优解。 在[19，20]中提到，它是一种基于群体智能的元启发式技术。它没有中央控制器和自组织技术.在BCO中，蜜蜂使用路径集成，并使用直接路径返回蜂巢，而不是返回跟踪它们的原始路线。蜂群优化算法是非常有效的，因为它在寻找和收集食物时需要较少的步骤。BCO算法需要较少的计算时间来完成任务所以它更具可扩展性。图2示出了ABC算法的流程图。此 外 ， 用 于 解 决 此 问 题 的 重 要 技 术 之 一 是 人 工 神 经 网 络（ANN），ANN可以被视为执行故障定位工作的黑盒[21];针对该技术获得的仿真结果证明，所有提出的神经网络都实现了令人满意的性能。如进一步所示，取决于神经网络的应用和训练数据集的大小，图二. 基本ABC步骤流程图。ANN（隐藏层的数量和每个隐藏层的神经元的数量）保持变化。从模拟中可以得出的一些重要结论是：1-神经网络确实是一种可靠而有吸引力的方案。2-反向传播神经网络是非常有效的。之前使用的另一种方法是因果原理[22]。该方法可以处理单一故障和多重故障的故障区段，甚至可以处理故障装置。所提出的方法具有以下特点：1- 推理速度快。2- 简洁的知识表示。3-系统推理程序。4- 实用可行。该方法着重于故障和保护装置动作之间的因果关系。因果关系分析给出了故障诊断方法[23]，所提出的方法对操作员分析故障情况非常有益，对运营商的决策进行双重检查如[25]中所解释的，另外两种方法在该领域进行了详细说明，其中一种方法仅对不对称故障有效，而另一种方法假设故障电阻为零。本文讨论了电力系统故障定位的问题，利用现代化的设备连接在一起，这使得一个非常快速和准确的故障清除的基础上，故障后的电压和电流从两端的现代优化算法的本文的主要贡献是：a- 它使用来自两端的数据，而不需要故障前的数据，这增加了位置检测的准确性b- 使用该目标函数，它接近全局极小，因为它c- 该方法还考虑了线路并联电容的影响。d- 除此之外，该方法还适用于转置和非转置行。e- 该方法与故障类型无关，没有任何限制，并且已经在所有故障类型下进行了测试f- 该方法的精度不受传输线长度的影响。2. 提出的故障定位算法在本文中，所提出的故障定位算法使用来自两端的故障后电压和电流[3]。然后将目标函数转化为只有一个变量的极小化问题，即故障位置。可以使用任何优化方法来解决该优化问题，并且将讨论不止一种方法，说明所有方法与所提出的方法相比的优点和缺点。本文采用行波法，在已知线路中行波速度的情况下，利用故障后的行波时间进行故障测距。图3中示出了单相图，其中S和R表示发送和接收终端，在它们之间具有点F，点F表示沿传输线的故障位置，距离发送“S”端为距离x传输线的分布式模型（S到F段）如图所示。 四、下面的公式描述了本节两端的电压和电流之间的关系：1478A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）1475SZ0sxs8Z0sxs44XSXS2¼SXS2RXRRXRxsus-2Z2SXRSXRxsur-XRS其中RF段是从接收端（R）到故障（F）uxs（1Z02½ustsx s -Z0istsxs]Z02½ust-sxs2Z2SxSSxSR28Rxs2SxS）ð5Þuxrt1nZ02½urtT-sx s -Z0irtT-sxs][2019- 02 - 02][2019 - 02 - 02][2019 - 02 - 02][2019-02-02]我的天1 u st i st-sxs 1SXRR2RXRSXRix 1uxt Ixt-sxs2在这些等式中，可用的两个相关电流源可以由等式（3）和（4），其中：Zs线路浪涌阻抗R xs SF段电阻Z0sxs<$Zs <$Rxs无论从发送端还是接收端计算，故障点的电压都是相同的。由于故障发生点的电压应该是唯一的，而不管用于计算它的数据如何，因此两个导出的电压必须在所有时刻都相等，因此等式（7）必须为真，因为电压之间的差为零：Furus;is; ur; ir; t;sxs uxs- uxr0 7Z0s0xs¼Zs-Rxssxs波从S传播到F所需的时间T波从S传播到R所需的传输线的浪涌阻抗是指传输线的幅值与传输线的阻抗之比。当量（7）是将被优化以得到其代表故障位置的最小值的目标函数。但由于电压和电流是在离散时刻测量的，因此该方程需要离散化N-nxs沿传输线传播的电压和电流的量。RxsMinobjnxs最小nx s其中，F2nxs;k 8knxs是t-sxs-Z041/2ust-sxsZs0 0xsi st-sxs]nxssxsDtZs-半个小时-sX公司简介it-s不Dt]Zsxs2Rxsxssxs x xs样本总数NDt Sampling timeIxt-sxs¼-Z041/2uxt-sxsZ0s0xsixt-sxs]nxs，k任意整数-Zs½ u st-sxsZ00ist-sxs]4Eq的值。 （8）应计算沿Zsxs2SxS传输线，并在故障位置的值的方程。（8）最低限度。在所提出的方法中，该目标假设输电线路上发生故障，F任何原因从两个等式中。（1）和（2）故障点处的电压可以分别作为端子S和端子R处的测量量的函数导出，其中：RF段的Rxr分别采用基于教学的优化（TLBO）算法和和声搜索（HS）算法对函数进行优化，并与遗传算法（GA）进行比较。需要模态变换以更简单的方式处理这样复杂的方程，将测量量从相域转换到模态域[26，27]。Z0sxr 公司简介00 ¼Zs-4见图4。 传输线的分布式模型（S到F段）。）千分Zs-Z0s0xsist-sxs]-Z0sxsZ0s0xsis图3.第三章。三相输电线路的单相图-2Z0sxrZ0s0xrirð6ÞA. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）147514796723451/2 I] 1/4M ×½I]12μMph6 7 674 52Ia3 2I03Ib1/4米×4米×1米×5米IcI23. 模态变换采用模态变换消除互耦在换位传输线的相位移位术在其中所用的模态变换在以下方程中给出，该方程对转置线有效[21]1 1 1M ¼1 - 21米10分11 - 2表1和声即兴和优化的比较输电线路的目的是减少在正常运行期间的电压和电流的不平衡。因此，采用对称分量变换来消除三相之间的相互影响。这种模式转换的主要作用是将耦合方程组分解为不含互耦部分的解耦方程组。模态变换在时域模型方程中是有效的，因为它可以用于瞬态研究。使用等式（10）相位量可以通过以下等式相互转换：1/2Iph]1/2M× 1/2IM]1/2-1和声即兴优化目标审美标准目标功能最佳状态奇妙的和谐全局最优成分乐器音高变量值过程单元每次练习每次迭代三相输电线路的行为非常复杂，例如，a相和b相之间的故障，则认为电流波通过a和b之间的线路导体，这种波被称为以天线模式传播另图五. TLBO算法流程图。9Þ1480A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）1475¼×ðCUP线线I21 0-1Ic另一方面，如果发生单相接地故障，则电流波通过线路导体和接地导体或在塔的顶部上延伸的电抗器。从上面，可以提取以下等式：E计算的参数-参数real100 15参数实数4.1. 遗传算法2I03121 1 132Ia364I175¼3641-10 7564Ib75ð13Þ遗传算法是一种启发式搜索和优化算法，模仿自然进化过程的技术。这介绍了GA中的三个主要定义[28]。这同样适用于要从相电压变换为模态电压的电压现在系统方程是解耦的。4. 使用的优化技术本文讨论了不同的优化算法，从上述目标函数得到精确的故障定位。对于任何方法来说，最重要的因素是获得故障定位所花费的时间和故障定位结果中的误差%计算位置的误差百分比（EFL）和计算线路参数的误差（Ep）可以通过以下公式获得：x-x的房为了使用GA获得最佳解决方案，如果使用设置，则需要长达10如果我们使用牛顿优化技术，则在用于GA的相同计算机上需要22小时才能获得最优这可以将牛顿方法所需的时间减少到几乎22分钟，这仍然超过GA所需的时间[29]。4.2. Harmony Search（HS）和声搜索算法最初在[30]中提出，并被应用于解决优化问题。当音乐家创作和声时，他们会尝试许多可能的组合，EFL¼Lsr×100ð14Þ从他们的记忆中找到最好的和声。这灵感来自于和声即兴创作的明确原则[31]。表1显示了和声即兴和优化之间的比较HS的流程如下：1-从HS存储器中选择随机值。 2-从HS存储器中选择相邻值。表2见图6。 系统正在研究中。表3不同故障位置和故障电阻= 1欧姆的GA结果。故障类型故障的实际位置通过GA错误的故障位置% ABCG 5 4. 986- 0. 004625 24.9-0.02450 49.9-0.048100 99.989-0.0036150 150.40 0.13传输线参数。200 199.979-0.007250 250.389+线+线C+= 0.0275X/km R0= 1.00268 mH/km L0= 0.013m F/kmC0= 0.0275X/km= 3.26798 mH/km= 0.0085m F/km275 275.155 0.051295 294.983-0.0056线线AG 5 4.986-0.004625 24.9-0.02450 49.9-0.048100 99.989-0.0036150 150.123 0.04200 199.979-0.007250 250.112 0.037275.040 0.013295 294.983-0.00560.0046-0.004625 24.9-0.02450 49.9-0.048100 99.989-0.0036150 150.40 0.13200 150.40-0.007250 199.979 1296250.389 0.051295 294.983-0.0056电话：+86-020 - 888888825 24.9-0.02450 49.9-0.048100 99.989-0.0036150 150.40 0.13200 150.40-0.007250 199.979 1296250.389 0.051见图7。 目标函数在故障点处具有全局最小值。295 294.983-0.0056RLA. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）14751481-Lsr3-从可能的值范围中选择一个随机值提出了一种改进的HS法，用于电力系统非凸经济负荷分配。4.3. Teaching–learning-based optimization (TLBO)TLBO算法是一种基于种群的算法，其灵感来自于教室中的学习过程它包括两个阶段，教师阶段和学习者阶段[32]。在教师阶段，学习者从教师那里获得知识，在学习者阶段，学习者从同学那里获得知识。在这个阶段，最佳解决方案是教师解决方案，教师试图通过增加平均结果来提高学习者的结果。在第二阶段，学习者试图通过与其他学习者的互动来增加他们的信息。所以，如果别人比他有更多的知识，他就会学到新的知识。如果新的解决方案更好，它将被接受。该算法继续，直到满足终止条件。图5示出了TLBO算法的流程图。5. 测试结果在这一部分中，所提出的方法的性能进行评估。图6示出了所研究的系统，其是长度为300 km的三相400 kV输电系统，并且线路参数可在表2中获得。在距离发送端（S）x处的点F发生故障，在SIMULINK上进行仿真，然后参数为从它提取到MATLAB中，将这些测量值导入目标函数，然后使用前面提到的三种算法进行优化。利用MATLAB计算了故障点距S端100 km时5.1. 遗传算法结果图图7示出了目标函数的曲线图，并确保其值在故障位置处处于最小值。在这个数字中，故障位于距离S终端100公里处。在这种情况下，遗传算法证明了故障距离S终端99.989 km，这是非常接近的正确位置，误差百分比为0.0036%为了测量方法的准确度，应计算%误差：%误差<$X计算值-X实际值×100 mm 16 mm哪里x计算的计算故障位置x实际的实际故障位置Lsr线路总长度无论故障类型（L-L-L、L-L-L-G、L-L-G、L-L和L-G）如何，无论故障电阻如何，遗传算法都显示出非常准确的故障定位结果。表3很表4不同故障位置和故障电阻= 10欧姆的GA结果表5不同故障位置和故障电阻= 50欧姆的GA结果故障类型故障的实际位置遗传算法故障定位误差%故障类型故障的实际位置遗传算法故障定位误差%ABCG55.030.01ABCG55.1250.04162524.928-0.0242525.2050.0685010049.999.989-0.048-0.00365010050.199.9890.044-0.0036150150.400.13150150.1230.04200250199.979250.389-0.0070.1296200250199.979250.188-0.0070.062275295275.289294.9830.096-0.0056275295275.206294.9830.068-0.0056AG525504.98624.92849.9-0.0046-0.024-0.048AG525504.98624.92849.9-0.0460.024-0.04810015020025099.989150.4199.979250.389-0.00360.130-0.0070.129610015020025099.989150.123199.979250.188-0.00360.04-0.0070.062275295275.289294.9830.096-0.0056275295275.206294.9830.068-0.0056ABG55.030.01ABG55.1250.0416255010015024.92849.999.989150.40-0.024-0.048-0.00360.13255010015025.20550.199.989150.1230.0680.044-0.00360.04200250275295199.979250.389275.289294.983-0.0070.12960.096-0.0056200250275295199.979250.188275.206294.983-0.0070.0620.068-0.0056AB55.030.01AB55.1250.04162524.928-0.0242525.2050.0685049.9-0.0485050.10.04410015099.989150.40-0.00360.1310015099.989150.123-0.00360.04200250199.979250.389-0.0070.1296200250199.979250.188-0.0070.062275275.2890.096275275.2060.068295294.983-0.0056295294.983-0.00561482A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）1475见图8。遗传算法的故障定位结果沿不同的故障电阻的输电线路。该方法具有故障定位精度高、不依赖初始条件进行迭代、目标函数处理时间长等优点这可以被认为是遗传算法的一个重要图8示出了沿着具有不同故障位置的整个传输线的故障电阻变化的影响。随着故障电阻的增加，它会影响检测精度，使误差从0.07%增加到0.13%，几乎可以忽略不计。表6不同故障位置和故障电阻= 1欧姆的HS算法结果表7不同故障位置和故障电阻= 10欧姆的HS算法结果。0.0314- 0.01234故障类型故障的实际位置遗传算法故障定位误差%故障类型故障的实际位置遗传算法故障定位误差%ABCG55.0950.0316ABCG55.03290.0110255024.94749.906-0.0177255025.043549.62990.0145100100.4710.01571100100.12680.0423150150.2360.0786150150.31810.1060200200.3510.1170200200.1230.0410250250.3510.1038250250.4330.01443275275.5110.1702275275.3950.1317295294.990-0.0033295295.2540.0848AG55.0320.0105ABCG55.06670.02222525.2460.08212525.68320.22775010050.204100.03030.06800.01015010049.9177100.0644-0.02740.0215150200150.2967200.1310.09890.0436150200150.1103200.14620.03680.0487250250.4410.1469250250.1340.0447275275.1210.0402275275.3020.1006295295.130.0438295295.2540.0117ABG5255.29924.7210.0998-0.0931ABG5254.83425.535-0.05530.17835010050.10100.18260.03340.06095010050.0201100.20340.00670.0678150150.29430.0981150150.31680.1056200200.0630.0210200200.07580.0253250275250.646274.4190.21154-0.01936250275249.922275.103-0.02610.0344AB29552550294.834.76225.09749.999-0.0551-0.07930.0322-0.0003AB29552550295.1845.032925.125550.0590.06140.01100.04180.0197100150200250100.1684150.2921199.789250.0310.05610.0974-0.07030.010510015020025099.987150.190200.218250.536-0.00450.06330.07260.1788275295275.098294.910.0326-0.0287275295275.145295.2540.04850.0847A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）14751483表8不同故障位置和故障电阻= 50欧姆的HS算法结果。故障类型故障的实际位置故障位置通过GA错误%ABCG 5 5. 0576 0. 019225.0026 0.000950.0751 0.0250100 100.017150 150.1721 0.0574200 199.9816-0.0061250 250.485275 275 568 0.1893295 295.233 0.0775AG 5 4.8292-0.056925.3089 0.103050 50.2708 0.0903100 99.763-0.0792150 150.214 0.0713200 199.807-0.0643250 250 344 0.1146275 275.206 0.0686295 294.233-0.0344ABG 5 5.487 0.162425.2774 0.092550 50.2442 0.0814100 100.7873 0.2624150 150.0306 0.0102200 200.2698 0.0899250 250 335 0.1115275 274.504-0.1654295 295 002 0.00060.0602 - 0.060225.0437 0.014650 50 1416 0.0472100 100.2485 0.0828150 149.9928-0.0024200 200.0953 0.0318250 250.205 0.0683275 276.182 0.3941295 295.147 0.04895.2. Harmony Search（HS）算法结果表6表9不同故障位置和故障电阻= 1欧姆的TLBO算法的结果故障类型故障的实际位置故障位置通过GA误差% ABCG 5 4. 986- 0. 004625 24.928-0.02450 49.857-0.048100 99.99-0.0033150 150.130 0.133200 199.979-0.0069250 250.389275 275.152 0.0507295 294.985-0.00503AG 5 4.992-0.002825 24.98-0.006750 49.86-0.048100 99.993-0.0023150 150.130 0.04200 199.996-0.0015250 250.128 0.0427275.044 0.013295 295.005-0.0016ABG 5 5.073 0.024425 24.928-0.024050 49.860-0.0467100 99.991-0.0031150 150.396 1320200 200.041 0.0137250 250 370 0.1233275 275.190 0.0632295 294.997-0.0010电话：+86-020 - 888888825 24.930-0.023450 49.865-0.0450100 99.990-0.0033150 150.399 1330200 200.009250 250 383 0.1277275 275 312 0.1040295 294.983-0.0057图9表明，HS算法不依赖于沿输电线路的故障电阻，并且见图9。在不同的故障电阻情况下，沿线路进行HS故障定位。1484A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）1475表10不同故障位置和故障电阻= 10欧姆的TLBO算法的结果。故障类型故障实际位置故障位置GA错误%ABCG 5 5. 03 0. 009925 24.928-0.02450 49.856-0.048100 99.9898-0.0036150 150.3761200 199.9814-0.0062250 250.3839275.2921 0.096295 294.983-0.0056AG 5 4.987-0.004625 24.935-0.021550 49.89-0.048100 100.021 0.0070150 150 396 0.13200 200.0686 0.0228250 250.3688275 275.289295 294.983-0.0056ABG 5 5.021 0.009925 24.931-0.02450 49.856-0.048100 99.994-0.0036150 150.3759200 200.0283250 250 353 0.1279275 275.289295.010 0.0056AB 5 5.027 0.009925 24.956-0.02450 49.874-0.048100 99.995-0.0036150 150.399 1253200 199.983 0.0062250 250.377275.291 0.096295 294.990 0.0056表11TLBO算法在不同故障位置和故障电阻= 50欧姆的情况下的结果。故障类型故障实际位置故障定位误差%ABCG 5 5. 125 0. 041625.204 0.067950 50 109 0.0362100 99.9905-0.0036150 150.1296 0.0432200 199.9796-0.007250 250.1861 0.062275 275.2256295 294.983-0.0056AG 5 4.969-0.010325.064 0.021450 49.407-0.1976100 100.022 0.0072150 150.1628 0.0543200 200 0.0001250 250.1813 0.0604275 275.25 0.833295 294.994-0.0020阿拉伯联合酋长国5 5.119 0.039625.203 0.067750 50 132 0.0439100 99.997-0.0010150 150.1317 0.0439200 199.98-0.0067250 250.172 0.0573275 275.2012 0.0671295 295.006 0.0020AB 5 5.126 0.041925.141 0.047050 50 122 0.0470100 100.032 0.0107150 150.123 0.0410200 199.992-0.0027250 250.201 0.0670275 275.165 0.0550295 294.996-0.00135.3. TLBO算法结果表9图图10示出了TLBO算法完全独立于故障电阻，因为除了一个极值（AG RF-50）之外，该行为与故障电阻和故障类型的所有值相同。可以被认为超出范围。这里要提到的最重要的事情之一是，TLBO算法需要最短的时间来检测故障位置，只有7秒，具有非常高的精度和最小的误差值。表12显示了从计算时间的角度对上述三种算法的比较，证明了图10个。TLBO故障定位的结果沿不同的故障电阻的输电线路A. Sanad Ahmed等人/工程科学与技术，国际期刊20（2017）14751485表12从时间基础上比较了三种算法对于不同故障电阻的适用性。方法RF = 1Rf = 10Rf = 50GA3分30秒4分钟4：30分HS45 STLBO15 s7 s表13从%误差的基础上比较了三种算法对不同故障电阻的影响。方法Rf = 1 Rf = 10 Rf = 500.024%-0.024%-0.068%沪公网安备31010502000114号TLBO-0.024%-0.024% 0. 0680%TLBO算法是最好的故障位置估计算法，因为它需要更少的时间来计算故障位置。表13显示了从%误差的角度对上述三种算法进行的比较，这证明了这三种方法在准确度和%误差方面几乎相等6. 结论本文提出了一种新的输电系统故障定位算法，它可以检测和定位任何类型的故障，而不需要故障前的数据。该算法依赖于故障后的数据，制定了一个优化问题，然后可以使用优化技术进行优化。遗传算法是一种非常精确的方法，但需要长达4 min的时间才能得到故障位置，而HS算法可以在更短的时间内达到相同的精度水平，几乎为45 s。而TLBO技术可以在很短的时间内达到几乎相同的精度，7 s.因此，这些算法都可以与目标函数一起使用，即使在改变故障类型或故障电阻的情况下，故障定位也显示出非常小的误差。为了快速清除故障，时间是非常重要的，因此，TLBO算法比其他两种方法推荐。从TLBO算法的应用可以看出，它已经成功地应用于电气工程的不同领域的各种研究人员。TLBO算法的基本类型和修改类型的应用程序的数量正在高速增长，这证明了TLBO算法的潜力。此外，TLBO算法表现出更高的性能与更少的计算工作量的大型问题。此外，这里可以注意到，与其他算法相比，需要较少数量的函数求值来获得相同结果和最佳解的算法可以被未来的工作可能包括利用差分学习TLBO（DLTLBO），该算法在标准TLBO中利用邻域搜索学习策略生成新的变异向量。然后，DLTLBO使用交叉操作产生新的解决方案，以增加人口的多样性DLTLBO算法通过局部搜索和全局搜索的结合，实现了资源勘探与开发的引用[1] M.M. Saha，J. Izykowski，E. Rosolowski，《电网故障定位》，第1版，Springer-Verlag，
我的内容管理
收起
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助 
