针对以往配电网故障类型辨识方法所能区分出的故障类型较少的缺陷,提出一种基于电压变化特征的配电网故障类型及铁磁谐振的辨识方法。通过对系统三相电压和零序电压进行小波变换,利用零序电压第1层低频能量值对相间故障、接地故障及铁磁谐振进行区分;利用三相电压的小波奇异熵值区分接地故障和相间故障的故障相;利用小波能量权重系数最大频带故障前后的小波能量比值区分单相接地故障和工频铁磁谐振;将故障相电压的峰值作为判据,区分单相断线故障(single-phase disconnection fault,SDF)与单相接地故障、工频铁磁谐振;利用零序电压和故障相电压的小波能量值区间区分单相断线兼电源侧接地复故障(single-phase disconnection and power side grounding fault,SDPSGF)和单相断线兼负荷侧接地复故障(single-phase disconnection and load side grounding fault,SDLSGF)。MATLAB/Simulink仿真验证了所提方法的有效性,故障类型辨识准确率较高且不受过渡电阻等条件的影响。
针对粒子群优化(PSO,particleswarmoptimization)和高效全局优化(EGO,efficientglobal optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM,consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。
