考虑分布式电源并网的电能质量扰动源容错定位方法技术领域
本发明涉及一种在分布式电源并网、高斯噪声、测量误差等因素影响下，
仍具有较强容错能力的电能质量扰动源自动定位方法，属电气工程和电能质量
领域。
背景技术
当今世界的能源危机与生态环境问题，使得可再生能源已成为人类社会可
持续发展的关键。但是，随着越来越多的分布式电源(DistributedGenerators,
DGs)接入配电网，将会对电网节点电压、功率潮流方向等产生一定影响，特别
是将使得现有扰动源定位算法失效。而现实社会经济发展对电力能源的高度依
赖性，以及精密电子产品和重大负荷的不断增加，使得电能质量问题造成的经
济损失与日俱增。电能质量监测仪(PowerQualityMonitor,PQM)的应用和发
展，是电能质量扰动源定位的重要硬件基础。扰动源的准确定位有助于快速解
决电能质量问题，降低经济损失和明确事件责任，具有重要意义。
现有配电网电能质量扰动源的定位方法过于依赖PQM的扰动方向判别的绝
对可靠性，除了DGs并网影响外，还存在信号较弱、距离过远、高斯噪声和测
量误差等因素影响。扰动源本身强度、PQM与扰动源的相对位置和分流支路等
情况都会影响扰动信号强弱度，而在实际中测量误差、高斯噪声和负荷波动等
干扰因素又是客观存在的。当过弱的扰动信号碰上较强的干扰时，会使PQM对
扰动能量的正负判断错误，产生PQM的方向误判。另一方面，由储能元件、无
功负荷等原因引起的扰动功率不断正负极性变化，将引起扰动能量ΔE积分过程
中非单调波动，从而产生方向误判。目前，已有相关成果主要集中在电能质量
的在线监测、扰动识别、综合评估和矩阵算法定位等几个研究方面：申请号为
201410740831.2、201510035092.1、201310664699.7、200810061254.9和
201510097288.3等发明专利申请书分别提出了采用自适应多分辨率广义S变换
的电能质量扰动识别方法、一种电能质量监测系统、一种基于灰色理论的电能
质量综合评估方法、一种配电网电能质量扰动源自动定位方法和一种电能质量
扰动源定位系统及定位方法，其中这两种定位方法都是基于矩阵算法原理且不
具备容错性。这些相关研究均未能充分考虑DGs并网等因素对扰动方向判定的
影响，且均未涉及在这些情况下用改进粒子群算法(ParticleSwarmOptimization,
PSO)实现具有容错性的电能质量扰动源自动定位。本发明专利针对DGs并网
影响、PQM的信度、改进PSO算法和扰动源定位进行研究，分析并提出了DGs
并网的两条影响规律，构建了两种新的信度函数，并建立了改进的PSO模型及
其评价函数，最后通过快速迭代寻最优解，实现了一种能适用于DGs并网且具
有较高容错性的电能质量扰动源自动精确定位。
发明内容
本发明要解决的技术问题是，克服现有扰动源定位技术易受DGs并网、距
离位置、信号强弱、高斯噪声和监测误差等因素影响而导致定位准确率大幅度
降低的缺点，提供一种基于改进PSO算法的电能质量扰动源容错定位方法，能
在DGs并网且部分PQM扰动方向误判情况下，仍具有较强的容错能力和较高
的定位准确率。
本发明解决其技术问题所采用的技术方案是：
一种基于改进PSO算法的、考虑分布式电源并网的、并具有容错能力的电
能质量扰动源定位方法，所述分布式电源并网是指新能源开发利用和分布式发
电技术背景下的分布式电源接入配电网，所述电能质量扰动源是指存在于配电
网中的各类引起电能质量问题的扰动事件源，所述容错能力是指部分PQM发生
扰动方向误判的情况下仍能准确定位。
所述容错定位方法，包括以下步骤：
1)对“分布式电源DGs并网对方向判定的影响规律”的相关概念进行定
义。命名link(G-DG)，为某个分布式电源(DG)并网母线与主电源(G)的联接
链路；命名Bus(F-DG)，为与扰动源(F)直接相连的母线中，DG侧方向的母线；
命名link(DG-F)，为DGs与扰动源联接链路。对应各个PQM或DG，根据配电网
潮流方向将整个网络区域划分为与其相应的上游与下游。定义“分流网络”，
为对应的PQM与扰动源之间的线路及其分流支路。母线Bus的上下游划分方法
与DG相同。定义Bus的所有出线支路，为与Bus直接相连接的所有下游线路，
但不包含上游进线。虚拟PQM，是根据实际PQM数据按照电气原理状态估计
得到，用于替代一部分实际PQM来降低监测成本。
2)提出DGs并网对PQM扰动方向判定的两条影响规律。第一影响规律：
当扰动源在link(G-DG)上，存在“分流网络”且其吸收的扰动能量大于扰动源F
从Bus(F-DG)吸收的能量时，会引起link(DG-F)上的PQM扰动方向误判。第二影响
规律：当扰动源在DG的上游，会使位于DG下游的PQM监测到的扰动信号被
削弱；当扰动源在DG的下游，会使非link(DG-F)上的PQM监测到的扰动信号被
削弱。
3)定义PQM的“信度”概念：表征具有模糊特性的PQM监测数据的可信
任程度。构建了两种新的信度函数：监测信度和局部信度。监测信度(ci)是指
由单个PQM监测数据得出扰动源所在区域方向判定信息的可信程度；局部信度
是指由某线路及其末端母线上相连的PQM构成的局部小范围内监测数
据得出的扰动源判定信息的可信程度。
4)针对除DGs“规律一”之外的因素来构建监测信度ci，分为三块内容：
监测信度的正负符号sgn(ci)、强弱度系数αi和波动修正系数βi。下标i表示对
应于第i个PQM。
定义扰动能量终值为在扰动持续时间Tf内对扰动功率积分的最终
值。定义扰动能量的峰峰值为在扰动能量的积分过程中，扰动功率的最
大值与最小值之差。
用符号函数sgn求终值的正负符号，来确定监测信度的符号sgn(ci)。
sgn ( c i ) = sgn ( ΔE i e n d ) = + 1 , ΔE i e n d > 0 0 , ΔE i e n d = 0 - 1 , ΔE i e n d < 0 - - - ( 1 ) ]]>
当监测信度ci的符号sgn(ci)为+1，表征方向判定为下游；若其符号为-1，
表征方向判定为下游；当其取临界值0时，表征第i个PQM方向判定无效。
定义强度系数αi，用以表征各种因素引起的各PQM扰动信号强弱度差异，
对其扰动方向判定可靠性的置信程度影响。强弱度系数αi由与扰动能量
终值最大者进行运算得到，如下
α i = 9 10 × | ΔE i e n d | | ΔE max e n d | + 0.1 - - - ( 2 ) ]]>
定义扰动信号的波动修正系数βi，来表征扰动信号的波动情况和稳定性。
对终值与峰峰值的绝对值，作比值运算，得波动修正系数βi。
进行置信融合得监测信度ci，如下
c i = sgn ( ΔE i e n d ) × α i × β i - - - ( 3 ) ]]>
5)为解决DG并网第一影响规律引起的误判问题，构造局部信度
定义局部扰动特征值为扰动能量终值减去该线路的有功损耗变化
ΔELi，并减去该Bus的所有出线支路的扰动能量总和
ΔE i p a r = ΔE i e n d - ΔE L i - ΣΔE i o u t - - - ( 4 ) ]]>
由于负载线路没有末端母线，所以无法直接计算负载线路的局部信度。设
负载线路数量为δ条，所有线路上的实际PQM和虚拟PQM的总数为m。对
和其中的最大者的绝对值作比值，得到局部特征比值并
求出(m-δ)个中剔除最大者后的均值μ。分段处理得到局
部信度如下
μ = 1 m - δ - 1 ( Σ i = 1 m - δ K i p a r - 1 ) - - - ( 5 ) ]]>
当扰动源位于link(G-DG)上时，局部信度可用于判定线路Li上是否存在扰
动源F。
6)构建粒子群模型及其评价函数。为适应所提容错性定位方法，将矩阵作
为PSO算法的粒子，建立新的粒子群优化模型如下：
定义粒子矩阵是具有速度属性的一个维数为(m×1)的矩阵。设立第n个粒
子矩阵为Xn，其速度为vn，其元素值xnj取值为+1或-1，来表征对应第j个PQM
的上下游方向判定结果。下标变量j取值从1至m。k为迭代次数，第n个粒
子矩阵到目前为止(第k次迭代后取值)找到它自身的最优位置称为该粒子的
个体极值矩阵元素值为而所有粒子矩阵中的最优位置记为全局极
值矩阵元素值为设置搜索空间限制条件：令F位于线段Li时对应的
方向判别矩阵为DLi。DLi的矩阵元素值与Xn的矩阵元素值个数相同，而DLi的
元素值取值为F位于线段Li时所有PQM的上下游方向判定正确的取值(+1或
-1)。将DLi作为粒子矩阵在搜索空间中允许的位置状态。设置速度vn为整数。
所有参数的上标(k或k+1)表示第(k或k+1)次迭代后取值。当第n个粒子
矩阵的第k次迭代后取值时，vn和Xn的第k+1次迭代公式，如下：
v n k + 1 = ωv n k + λ 1 r 1 k Σ j = 1 m | p b . n j k - x n j k | + λ 2 r 2 k Σ j = 1 m | g b . j k - x n j k | - - - ( 7 ) ]]>
X n k + 1 = D L ( i + v n k + 1 ) , s n k + 1 ≥ 0.5 D L ( i - v n k + 1 ) , s n k + 1 < 0.5 - - - ( 8 ) ]]>
其中，ω为惯性权重，λ1和λ2为加速因子，三者都为正实数。r1k、r2k和为
介于[0，1]之间的随机实数，且每次迭代后随机更新一次。为的元素值。
表示第k+1次迭代后的速度vn取值，而表示第k次迭代后的速度vn取值。
方向判别矩阵和表示：经过第k+1次迭代后更新为时，
其矩阵取值的变更方法是按照DLi的下标i与进行加、减运算。
构建评价函数F(Xn)，用其对粒子矩阵Xn进行评价。F(Xn)的评价值越小，
表示解越优良，如下：
F ( X n ) = | c i p a r - 1 | × Σ j = 1 m | x n j - sgn ( c j ) | × | c j | 2 + | c i p a r × ( c i p a r - 1 ) | × m 2 - - - ( 9 ) ]]>
7)将初始粒子群代入评价函数，按照迭代公式搜索，不断更新个体极值和
全局极值，对已计算过的F(Xn)进行记录并对其个数进行计数kcou，避免重复计
算。
8)当满足收敛条件：代入评价函数的值或者kcou＝m，或
者达到最大迭代次数kend，则跳出循环；输出全局最优粒子矩阵信息，
将DLi对应的线路Li作为扰动源定位结果。
本发明的有益效果主要表现在：1、对“DGs并网对扰动方向判定的影响规
律”的相关概念进行了定义，并提出了两条影响规律；2、定义了PQM的两种
信度，建立了新的矩阵粒子群优化模型和基于这两种信度的评价函数；3、提出
了一种在分布式电源并网、高斯噪声、测量误差等因素影响下，仍具有较强容
错能力的电能质量扰动源自动定位方法。
附图说明
图1为本发明方法的具体实施流程图。
图2为PQM和DG上、下游区域划分示意图。
图3为添加了DGs的IEEE34节点配电网拓扑结构图。
图4为受“规律一”影响的波形比较图。
图5为未添加高斯白噪声的PQM16波形图。
图6为PQM16受高斯白噪声影响而误判的波形图。
具体实施方式
下面结合实施例及附图对本发明作进一步的详细说明，但本发明的实施方
式不限于此。实施例中计及监测可信度的电能质量扰动源定位方案总体框图如
附图1所示，包括以下步骤：
1)对“DGs并网对方向判定的影响规律”的相关概念进行定义。命名
link(G-DG)，为某个分布式电源并网母线与主电源的联接链路。命名Bus(F-DG)，为
与扰动源直接相连的母线中，DG侧方向的母线。命名link(DG-F)，为DGs与扰动
源联接链路。对应各个PQM或DG，根据配电网潮流方向将整个网络区域划分
为与其相应的上游与下游，如附图2所示。定义“分流网络”，为对应的PQM
与扰动源之间的线路及其分流支路。母线Bus的上下游划分方法与DG相同。
定义Bus的所有出线支路，为与Bus直接相连接的所有下游线路，但不包含上
游进线。虚拟PQM，是根据实际PQM数据按照电气原理状态估计得到，用于
替代一部分实际PQM来降低监测成本。
2)提出DGs并网对PQM扰动方向判定的两条影响规律。第一影响规律：
当扰动源在link(G-DG)上，存在“分流网络”且其吸收的扰动能量大于扰动源F
从Bus(F-DG)吸收的能量时，会引起link(DG-F)上的PQM扰动方向误判。第
二影响规律：当扰动源在DG的上游，则位于DG下游的PQM监测到的扰动
信号将被削弱；当扰动源在DG的下游，会使非link(DG-F)上的PQM监测到的扰
动信号被削弱。
3)定义PQM的“信度”概念：表征具有模糊特性的PQM监测数据的可信
任程度。构建了两种新的信度函数：监测信度和局部信度。监测信度(ci)是指
由单个PQM监测数据得出扰动源所在区域方向判定信息的可信程度。局部信度
是指由某线路及其末端母线上相连的PQM构成的局部小范围内监测数
据得出的扰动源判定信息的可信程度。
4)针对除DGs“规律一”之外的因素来构建监测信度ci，分为三块内容：
监测信度的正负符号sgn(ci)、强弱度系数αi和波动修正系数βi。下标i表示对
应于第i个PQM。
定义扰动能量终值为在扰动持续时间Tf内对扰动功率积分的最终
值。定义扰动能量的峰峰值为在扰动能量的积分过程中，扰动功率的最
大值与最小值之差。
用符号函数sgn求终值的正负符号，来确定监测信度的符号sgn(ci)，
如式(1)所示。当监测信度ci的符号sgn(ci)为+1，表征方向判定为下游；若其
符号为-1，表征方向判定为下游；当其取临界值0时，表征第i个PQM方向判
定无效。
定义强度系数αi，用以表征各种因素引起的各PQM扰动信号强弱度差异，
对其扰动方向判定可靠性的置信程度影响。强弱度系数αi由与扰动能量
终值最大者进行运算得到，如式(2)所示。
定义扰动信号的波动修正系数βi，来表征扰动信号的波动情况和稳定性。
对终值与峰峰值的绝对值，，作比值运算，得波动修正系数βi。
进行置信融合得监测信度ci，如式(3)所示。
5)为解决DG并网第一影响规律引起的误判问题，构造局部信度定
义局部扰动特征值为扰动能量终值减去该线路的有功损耗变化
ΔELi，并减去该Bus的所有出线支路的扰动能量总和如式(4)所示。
由于负载线路没有末端母线，所以无法直接计算负载线路的局部信度。设
负载线路数量为δ条，所有线路上的实际PQM和虚拟PQM的总数为m。对
和其中的最大者的绝对值作比值，得到局部特征比值并求出
(m-δ)个中剔除最大者后的均值μ。分段处理得到局部信度
如式(5)(6)所示。当扰动源位于link(G-DG)上时，局部信度可用于
判定线路Li上是否存在扰动源F。
6)构建粒子群模型及其评价函数。为适应所提容错性定位方法，将矩阵作
为PSO算法的粒子，建立新的粒子群优化模型如下：
定义粒子矩阵是具有速度属性的一个维数为(m×1)的矩阵.设立第n个粒子
矩阵为Xn，其速度为vn，其元素值xnj取值为+1或-1，来表征对应第j个PQM
的上下游方向判定结果。下标变量j取值从1至m。k为迭代次数，第n个粒
子矩阵到目前为止(第k次迭代后取值)找到它自身的最优位置称为该粒子的
个体极值矩阵元素值为而所有粒子矩阵中的最优位置记为全局极
值矩阵元素值为设置搜索空间限制条件：令F位于线段Li时对应的
方向判别矩阵为DLi。DLi的矩阵元素值与Xn的矩阵元素值个数相同，而DLi的
元素值取值为F位于线段Li时所有PQM的上下游方向判定正确的取值(+1或
-1)。将DLi作为粒子矩阵在搜索空间中允许的位置状态。设置速度vn为整数。
当第n个粒子矩阵的第k次迭代后取值时，vn和Xn的第k+1次迭代公
式如式(7)(8)所示。
构建评价函数F(Xn)，用其对粒子矩阵Xn进行评价。F(Xn)的评价值越小，
表示解越优良，如式(9)所示。
7)将初始粒子群代入评价函数，按照迭代公式搜索，不断更新个体极值和
全局极值，对已计算过的F(DLi)进行记录并对其个数进行计数kcou，避免重复计
算。
8)当满足收敛条件：代入评价函数的值或者kcou＝m，或
者达到最大迭代次数kend，则跳出循环；输出全局最优粒子矩阵信息，
将DLi对应的线路Li作为扰动源定位结果。
下面以图3所示的IEEE34节点配电网为实施例，进一步说明本发明的操作
过程。图中白框为虚拟PQM，用于替代一部分实际PQM来降低成本。添加的
DG1在Bus820并网，DG2在Bus856并网。
用MATLAB/simulink建模仿真，系统中的主要组成元件数量如表1所示，电
能质量扰动事件及其发生位置如表2所示，事件F1发生电压暂降如图6所示。
表1主要组成元件的数量
对所提算法中的初始参数进行设定：粒子群规模nswa＝5，最大迭代次数
kend＝50，权重系数ω＝0.5，加速因子λ1＝λ2＝0.25。
将所有LineandLoad从1～58编号，作为DLi的下标i。根据拓扑结构，生
成对应于F发生在Li时的58个方向判别矩阵DLi，作为粒子矩阵的搜索空间。
将PQM按对应的Li编号为Mi。随机选取nswa个DLi作为初始粒子群，并设置初
始速度都为1。
对扰动持续时间内的监测信号添加高斯白噪声，来模拟实际干扰会引起
PQM误判问题。通过随机函数调整高斯白噪声的均值和方差，表征不同的干扰
强度：均值取[-5％Piss,+5％Piss]区间的随机值，方差取0～(5％Piss)2之间的随机值。
事件F1情况下，列出PQM中五个误判位置的信度计算过程如表3所示。
表3误判位置的两种信度计算过程
其中，Line854-856(L26)和Line854-852(L27)的PQM在同一电压母线
节点，但是PQM26由于DG并网第一影响规律的原因而误判，而PQM27方向判
定正确，两者的扰动能量波形比较如图4所示。对于扰动信号强度较弱的PQM16，
则易受到高斯白噪声影响而改变方向判定，如图5和图6所示。
获取监测信度和局部信度后，将初始粒子群代入评价函数和迭代公式
(6～8)，不断更新个体极值和全局极值，满足收敛条件后停止搜索迭代，输出
最优根据其信息得到定位结果。
对4种事件(F1～F4)，使高斯白噪声的干扰强度随机各变化50次，得到200
次测试结果，由于F位置不同且干扰强度随机取值，使得误判个数情况在变化。
随着误判个数的增加，由于错误的信度数值不断产生累加作用，使得所提方法
发生了一次定位失准。所提方法与现有方法的200次定位测试的准确率比较如
表4所示。
表4定位准确率比较
验证了所提基于改进PSO算法的电能质量扰动源容错定位方法，能在DGs
并网且部分PQM扰动方向误判情况下，仍具有较高的容错性和较高的定位准确
率。
如上所述，便可较好地实现本发明，上述实施例仅为本发明的典型实施例，
并非用来限定本发明的实施范围，即凡依本发明内容所作的均等变化与修饰，
都为本发明权利要求所要求保护的范围所涵盖。