摘要：智能配电网是智能电网中重要的组成环节，其工作可靠性是极其重要的，因此针对智能电网做出故障恢复预案是极其必要的。本文从三个方面对智能电网故障恢复的现状进行了分析，着重阐述了目前人工智能方法中的不同代表算法。最后针对故障恢复技术仍然存在的问题做出了下一步的展望。
关键词：配电网；故障恢复；人工智能算法
智能配电网不但拥有大电网的优点，同时可以兼容分布式电源，是智能电网中重要的组成环节，同时也是未来电力系统的发展方向，而随着人类社会生活对电力依赖性的增加，在研究配电网相关问题中，可靠性成为智能配电网首要追求的目标，因此对其制定良好的故障恢复计划是十分必要的。
智能配电网故障恢复能力衡量了电力系统的自愈能力，评价自愈能力的标准如下：故障恢复时间与恢复负荷数量二者必然不可兼得，若想同时恢复所有负荷的正常供电则恢复时间过长，若想快速恢复则供电质量定会下降，因此为在二者之间寻求平衡，得到最佳故障恢复策略，则需对整个过程进行优化处理，通过算法的寻优能力得到最佳策略，使智能配电网可靠性达到最高。
一、智能配电网故障恢复现状
本文从三个方面对智能配电网故障恢复现状进行分析：
1.目标函数：
（1）强大的自愈性必须首先考虑到重要负荷的恢复供电，以减小停电损失为目标，负荷重要级别越高，停电损失程度越大，依此设立目标函数。
（2）为减少配电网络功率损耗，要求恢复供电线路最短，开关次数最少。
（3）恢复的网络馈线上负荷平均分配。
2.约束：
（1）潮流约束，由于对配电网故障恢复的优化结果为一系列的开关动作，而每次开关动作相对于配电网来说都是一次重构，为保证恢复供电后的配电网安全稳定运行，则需在每次动作后进行一次潮流计算，并判断是否超出约束范围。
（2）线路可承受的最大供电值约束，若超过此约束可能会导致恢复至整条线路的负荷电能质量均不达标，若接入过多负荷甚至可能导致线路二次故障，带来不可避免的损失。
3.算法：
目前对于智能配电网故障恢复的研究主要集中于对优化算法的创新，分为以下两类：
（1）传统数学优化，采用标准的数学规划方法对故障恢复过程进行优化，在出现故障的配电网络规模较小时，采用此类方法无论是在简易程度还是快速找寻到最优过程方面都具有很大的优越性，文献[1]采用数学优化中的动态规划方法，首先建立了故障恢复的数学模型，并设立可恢复的条件，最后利用动态规划比较各备选路径，从中根据目标函数选出最优路径。然而当故障情况较为复杂，所需恢复的用电负荷情况不统一，且在智能配电网系统内含有大量非线性分布式电源的情况下，使用传统方法就变得徒劳无功了。
（2）人工智能方法优化，在处理复杂的故障恢复情况时，高维、多约束是需要解决的问题，而处理此类问题恰是人工智能方法的强项，目前各机构与学者对配电网故障恢复的研究也主要集中于此类方法。
二、人工智能方法的代表算法
1.专家系统算法
顾名思义，专家系统法模仿了人类专家根据对知识的了解推断出结果的过程，使用此类方法需要建立相应知识库，对故障恢复进行优化时，通过配电网络结构、故障点位置及输入目标函数的要求，算法自动搜寻知识库中相关内容从而进行推断得出方案，当网络或故障点位置变化时，需要随之更改知识库，否则专家经验不足，无法解决问题。文献[2]在C语言环境中测试仿真了专家系统在配电网故障恢复中的应用，文中对专家系统中的知识库分为五步处理，以保证恢复过程的顺利性，测试结果表明在文中所提的模型下，通过专家系统可以得到合理的故障恢复方案。文献[3]中建立了动态数据库、网络拓扑库与知识库相连，信息通过接口与这些库相连后，专家系统推理得出最优恢复路径，引入不同算法库的专家系统相对于传统系统能更快得到更合适的恢复计划。然而同人类专家一样，利用该方法往往无法得到最优方案，且在处理多约束时所得效果也不够理想。另外，值得注意的是，在向专家系统中输入信息时，知识库中必须对应严格的规则，否则就会出错。
2.模糊算法
相对于专家系统法，模糊算法更适合于配电网故障恢复问题，因为对于故障以及其恢复的要求很多都是无法确定的描述，而将此类信息输入到专家系统中就会由于无法找到对应的知识库而推理失败，模糊算法模拟了人类的模糊推断，相当于一种增加了容错性的专家系统，当输入模糊的描述后，算法利用内部的模糊规则库中的规则推理得到模糊的目标群，然后从目标群中挑选出最优方案。文献[4]提出了一种灰色模糊法，先通过知识库中相关内容将故障及恢复情况划出等级，再根据内部规则做出有针对性的备选方案。与专家算法相同，模糊算法也要随时更新模糊规则库，而模糊规则的建立更加繁杂，另外模糊算法中的参数也大都没有精确的计算公式，凭经验选择，这也是其缺点所在。
3.人工神经网络法
人工神经网络模拟了人类对外界刺激做出反应的过程，用其处理故障恢复问题速度快、效率高，但仅适用于故障点少、故障情况简单的情景，另外，由于无法将约束条件加入到人工神经网络中，因此其应用十分受限，仅在90年代有学者对此进行相关研究。
4.遗传算法
是人工智能算法中较成熟的算法之一，适用于各种复杂的优化问题，它模拟了生物细胞染色体的遗传过程，算法通过对染色体种群进行选择-交叉-变异得到最优开关序列。值得注意的是，利用遗传算法求解配电网故障恢复计划时，需将开关状态编码为二进制，每个二进制数字相当于染色体可遗传的一个片段，由于我们所需结果为可用二进制表示的开关序列，因此在算法结束时不需进行解码，这也便是遗传算法应用于故障恢复的优势之一。
期刊文章分类查询,尽在期刊图书馆文献[5]利用遗传算法对含有分布式电源的配电网故障恢复路径进行优化，主要解决了分布式电源孤岛运行情况下的问题，并利用算法提供了一套合适的恢复计划。文献[6]利用MATLAB对37节点的配电网络进行故障恢复仿真，使得模型恢复率达90%以上。然而由于算法整个流程为串行流程，导致算法需要很长的时间才能得到优解，效率较低。另外，遗传算法中设计多个基本参数设置，而这些参数同样大都凭借经验选择，且对结果有较大影响。
5.粒子群算法
粒子群算法以其简易、有记忆性成为人工智能算法中的佼佼者，该算法受到鸟群寻食启发而得，算法开始将粒子随机散落在各位置上，通过比对各粒子与最优位置的距离得出最优粒子，所有粒子跟随其行动，期间若有粒子位置优于之前的最优粒子，则所有粒子向新的粒子位置跟随，通过多次跟随，所有粒子找寻到最优位置，得到最优恢复计划。相比于其他遗传算法，粒子群算法更能定向的找寻到非劣解，然而其存在陷入到次优解无法跳出的问题。文献[7]在寻找最优恢复路径的过程中，考虑利用支路交换法减少系统故障恢复的网损，最后利用改进粒子群算法得到了测试系统的最优恢复路径。
6.多智能体
是一种新兴的优秀方法，算法将复杂耦合的问题进行拆分成多个小智能体，每个小团体具有自己独特的属性与问题，而各智能体之间又像人类一样，既相互协调沟通，又有竞争的关系，协调沟通可以保证彼此所寻找的最优解不受对方已寻到解的限制，而竞争又可以促进每个智能体快速精准的完成自身任务，这样的机制可以保证整个问题共同达到最优解。由于该算法面对庞大的配电网络也可应对自如，因此在智能配电网故障恢复的问题上有很好的应用前景。文献[8]以首先恢复重要负荷为基准，建立了多个目标函数，将每个目标函数作为一个智能体，当所有智能体的解达到一致性时则输出最优故障恢复路径。文献[9]则利用多智能体强化系统的学习能力然后在进行故障恢复寻优。
7.组合算法
由上可知，在解决配电网故障恢复问题上，各个算法均有不同的优点，同时也存在不可避免的缺陷，因此，为更好更快的实现故障恢复，研究人员们将不同算法进行结合，扬长避短，更好的解决了这个问题。文献[10]将模糊算法与遗传算法相结合，加快了故障恢复的时间，提高了效率；文献[11]结合了模糊与专家算法各自的优点，得到了综合智能的恢复系统；文献[12]则创新性的将遗传算法与多智能体相结合应用到配电网的故障恢复问题上，同样得到了不错的效果
三、智能配电网故障恢复展望
本文已经结合国内外文献对智能配电网故障恢复的现状做了大量的综述与总结，虽然目前对其研究甚多，但仍有许多问题亟待解决：
1.目前对整个问题的研究主要还针对与算法的创新，以及对算法缺陷的改进，并使用一种算法对整个网络恢复进行优化，而实际情况下，配电网的故障是多样的，故障点的位置也不尽相同，因此恢复算法不能一概而论，应针对故障恢复的不同程度、不同阶段，故障点与网络的情况分类有针对性的应用不同的恢复算法。
2.目前对与故障恢复的过程基本为故障诊断-故障点寻找-故障恢复，串行的结构必然导致故障恢复的低效，因此如何将故障恢复并行到故障诊断与故障点寻找中也是未来发展的方向之一。
3.故障恢复过程需要逐点恢复，并进行重新计算安全程度以及对前后故障点恢复的影响，如何在安全范围内多点共同恢复，不但能够进一步提高效率更能提高整个配电网的可靠性，需要在后续重点开展研究。
4.另外，由于绿色电力的发展，建立可再生能源发电为主的配电网络已经成为未来发展的必然趋势，可再生能源发电虽然能够及时的填补故障瞬间产生的用电缺口，但可再生能源发电的不可控性与间歇性却为智能配电网故障恢复带来了新的机遇与挑战。
总结
综上可以看出，目前对故障恢复的研究方兴未艾，而高效的解决故障恢复问题是电力系统安全可靠性的基石，因此研究智能配电网故障恢复对我国的电力行业具有深远的意义。
参考文献：
[1] 邓群，孙才新，周湶，等.采用动态规划技术实现配电网恢复供电[J].重庆大学学报自然科学版，2006，29（3）
[2] 朱峻，薛禹胜.配电网系统恢复专家系统[J].电力系统自动化，1991（3）
[3] 杨成峰，乐秀璠.配电网故障恢复专家系统的一种实现[J].电力自动化设备，2001
[4] Chen W H，Tsai M S，Kuo H L.Distribution system restoration using the hybrid fuzzy-grey method[J].IEEE Transactions on Power Systems，2005，20（1）
[5] 季朝旭.基于遗传算法的DG配电网故障恢复策略研究[D].昆明理工大学，2011.
[6] 蒋勇斌，崔浩，袁晓明.基于遗传算法的配电网故障恢复模型研究[J].华东电力，2012（12）
[7] 俞隽亚，王增平，孙洁，等.基于支路交换-粒子群算法的配电网故障恢复[J].电力系统保护与控制，2014（13）
[8] 董丽梅，舒勤，谈芳明.基于多代理的智能配电网故障恢复[J].四川电力技术，2014（4）
[9] 张瑶瑶.智能配电网的灾害评估及应灾恢复方法研究[D].东北大学，2014.
[10] 白涛.基于模糊遗传算法的配电网故障恢复重构的研究[D].广西大学，2005.
[11] 葛朝强，唐国庆，王磊，等.综合智能式的故障恢复专家系统--与故障恢复算法集相结合的自学习模糊专家系统[J].电力系统自动化，2000，24（2）
[12] 范瑞娟.基于多智能体遗传算法的配电网故障恢复[D].西南交通大学，2014.
论文作者:李林康
论文发表刊物:《电力设备》2017年第12期
论文发表时间:2017/8/31
标签：故障论文; 算法论文; 配电网论文; 智能论文; 专家系统论文; 最优论文; 粒子论文; 《电力设备》2017年第12期论文;