★ 梁文興（廣西農投悅生活產業服務有限公司，廣西 南寧 530022）

關鍵詞：配電網；單相接地故障；改進蟻群算法；小波變換；故障定位

1   引言

我國10～35kV中壓配電網多采用中性點非有效接地方式，包括中性點不接地和經消弧線圈接地系統^[1]。在這類系統中，單相接地故障占總故障的70%以上。此類故障初期不會立即引起供電中斷，但若不能及時準確地選出故障線路并定位故障點，可能發展成為相間短路等嚴重故障，威脅系統安全運行。傳統的故障選線方法主要包括穩態分量法、暫態分量法和注入信號法等^[2]。穩態分量法在中性點經消弧線圈接地系統中選線準確率較低；注入信號法需要額外的信號源設備，增加了系統復雜度；暫態分量法利用故障瞬間產生的暫態信號分析，信號中包含豐富的故障信息，但特征提取和處理算法的優劣直接影響選線效果。近年來，智能優化算法在電力系統故障診斷中得到廣泛應用。蟻群算法作為一種仿生優化算法，具有正反饋機制和并行計算能力，在組合優化問題中表現出色^[3]。本文針對傳統蟻群算法收斂速度慢、易陷入局部最優的缺點，提出了一種改進策略，并將其應用于配電網單相接地故障的選線定位，以提高故障診斷的準確性和效率。

2   故障特征提取與分析

2.1   零序電流暫態特征

當配電網發生單相接地故障時，系統會產生零序電壓和零序電流。故障線路與健全線路的零序電流在幅值和相位上存在明顯差異。設系統有n條出線，第i條線路的零序電流可表示為式（1）：

式中，第一項為工頻穩態分量，第二項為暫態分量的疊加。故障線路的零序電流幅值最大，相位與健全線路相反，這是進行故障選線的理論基礎。

2.2   小波變換特征提取

采用db4小波對零序電流信號進行5層分解，提取各尺度下的能量特征。其中第j尺度下的小波能量定義為式（2）：

式 中，d_j,k 為第j層的小波系數。構建特征向量F =  [E₁, E₂, E₃, E₄, E₅, P, φ]， 其中P為零序電流有效值，為初相角。

3   改進蟻群算法設計

3.1   傳統蟻群算法原理

蟻群算法通過模擬螞蟻覓食行為求解優化問題。螞蟻在尋找食物過程中會釋放信息素，后續螞蟻傾向于選擇信息素濃度較高的路徑，形成正反饋機制。螞蟻k從節點i轉移到節點j的概率為式（3）^[4]：

式中，τ_ij(t)為t時刻路徑(i, j)上的信息素濃度， η_ij為啟發函數，a和β分別為信息素和啟發函數的權重系數。傳統蟻群算法存在收斂速度慢、易陷入局部最優等缺陷，限制了其在實時故障診斷中的應用。

3.2   算法改進策略

3.2.1    自適應信息素更新

傳統算法采用固定的信息素揮發系數ρ,無法適應搜索過程的動態變化。本文引入自適應調整策略，根據迭代進程動態調整揮發系數，如式（4）所示：

式中， P_min = 0 . 1， P_max = 0 .9，T為最大迭代次數。初期較大的揮發系數有利于全局搜索，避免了算法過早收斂；后期較小的揮發系數有利于局部精細搜索，提高了解的精度。同時，對信息素濃度設置上下限[τ_min，τ_max]，防止某條路徑信息素過度積累或完全消失，如式（5）所示：

3.2.2   精英螞蟻策略

本文引入精英螞蟻機制強化優良解的引導作用。每次迭代后，根據路徑質量對螞蟻進行排序，只允許找到最優解的前m只精英螞蟻釋放信息素，其信息素增量為式（6）：

式中，Q為信息素強度常數，  L^best為當前最優路徑長度， W為精英螞蟻的基礎權重系數， rank為螞蟻排名。這種指數衰減的權重分配方式既保證了最優解的主導地位，又維持了解的多樣性。

3.2.3   啟發函數優化

針對故障選線問題的特點，本文設計了專門的啟發函數，將各線路的故障可信度作為啟發信息，如式（7）所示：

式中，ΔE_ij為線路i和之間的暫態能量差，ij為相位差，R_ij為線路等效阻抗。該啟發函數綜合考慮了能量分布、相位關系和線路參數，能夠有效引導螞蟻向故障線路搜索。

3.3   故障選線定位流程

完整故障診斷流程如圖1所示，整體流程分為信號采集、特征提取、智能尋優、故障判定、定位計算五大環節。故障發生瞬間，裝置同步采集各饋線零序電流原始信號，依托db4小波完成多層分解并提取暫態能量、相位等特征參量，構建標準化故障特征向量；將特征矩陣輸入改進蟻群算法模型，通過自適應信息素更新、精英螞蟻引導完成全局尋優求解，輸出故障對應線路；確定故障饋線后結合行波測距算法完成故障點位計算，最終同步輸出故障線路編號、故障距離、故障過渡電阻等完整診斷結果。

圖1 改進蟻群算法故障診斷流程圖

算法具體步驟如下：

（1）初始化參數：設置螞蟻數量M = 30，最大迭代次數T = 10，信息素初值To = 1；

（2）構建解空間：將"條線路作為"個節點，每只螞蟻隨機選擇起始節點；

（3）路徑構建：根據轉移概率公式，每只螞蟻依次訪問所有節點，形成完整路徑；

（4）適應度評價：計算路徑對應的故障判別函數值，適應度函數定義為式（8）^[5]：

式中，W_i為特征權重，F_i為實際特征值， F_i *為故障特征模板；

（5）信息素更新：按照改進的更新策略調整信息素濃度；

（6）判斷終止條件：若達到最大迭代次數或找到滿意解，輸出故障線路；否則返回步驟（3）。

4   仿真分析

4.1   仿真模型

在MATLAB/Simulink中搭建10kV配電網仿真模型，系統包含1條母線和6條出線，線路參數如表1所示。

表1 配電網線路參數

4.2   算法性能對比

設置不同的故障條件進行測試：故障線路為L3，故障距離母線8km，過渡電阻分別為10Ω、100Ω、500Ω和1000Ω。將本文方法與傳統蟻群算法、粒子群算法和BP神經網絡方法進行對比，結果如表2所示。

表2 不同方法的選線準確率對比

4.3   收斂性分析

適應度值：以迭代次數為橫軸、適應度值為縱軸繪制收斂對比曲線，如圖2所示。曲線包含四組數據，系列1為本文改進蟻群算法，系列2為傳統蟻群算法，系列3、4分別對應粒子群算法、BP神經網絡算法，適應度數值越低代表故障判別結果越精準。

圖2 算法收斂曲線對比

迭代次數：迭代初期四類算法適應度均快速下降，但傳統蟻群、粒子群與BP神經網絡下降速度逐步放緩，極易陷入局部最優。本文改進蟻群算法依靠自適應信息素揮發與精英螞蟻機制， 前期全局搜索能力突出， 適應度下降幅度更大。迭代至35次時改進算法曲線趨于平穩，完成收斂；傳統蟻群需迭代60次才能達到同等精度，粒子群、BP神經網絡全程收斂緩慢，整體適應度始終偏高。對比結果表明，文中改進策略有效加快算法收斂速度，縮短故障計算耗時，能夠滿足配電網故障在線實時診斷的時效要求。

從圖2可以看出，改進蟻群算法在第35次迭代時基本收斂，而傳統蟻群算法需要約60次迭代才能收斂，表明改進算法具有更快的收斂速度。

4.4   定位精度分析

在確定故障線路后，利用行波測距原理計算故障點位置。對L3線路不同位置的故障進行定位測試，結果如表3所示^[6]。

表3 故障定位結果

由表2可知，改進算法定位平均誤差為296米，滿足工程應用要求。

5   結論

本文提出的基于改進蟻群算法的配電網單相接地故障選線定位方法，通過引入自適應信息素更新策略和精英螞蟻機制，有效提高了算法的收斂速度和全局搜索能力，主要研究結論如下：

（1）改進蟻群算法的平均選線準確率達到98.1%，比傳統方法提高10個百分點以上，在高阻接地故障情況下仍保持96%以上的準確率；

（2）算法收斂速度快，平均35次迭代即可收斂，計算時間滿足在線應用要求；

（3）故障定位平均誤差296 ，相對誤差4.01%，定位精度較高；

（4）該方法對過渡電阻變化具有良好的適應性，魯棒性強，具有較高的工程應用價值。

未來研究可將深度學習與改進蟻群算法相結合，進一步提升復雜配電網故障診斷的智能化水平。同時，可研究該方法在含分布式電源的主動配電網中的應用，拓展其應用范圍。

作者簡介：

梁文興（1984-），男，廣西都安人，本科，現就職于廣西農投悅生活產業服務有限公司，研究方向為電力工程技術。

參考文獻：

[1] 薛永端, 徐丙垠, 李天友, 等. 配電網小電流接地故障暫態分析與選線技術[J]. 電力系統自動化, 2023, 47 (8) : 156 - 165.

[2] 王賓, 董新洲, 薄志謙. 配電網故障選線方法綜述[J]. 電網技術, 2022, 46 (5) : 1842 - 1851.

[3] 張明銳, 韋鋼, 林濟鏗. 基于改進蟻群算法的配電網故障定位研究[J]. 中國電機工程學報, 2023, 43 (12) : 4521 - 4530.

[4] 劉健, 張志華, 趙江河. 智能配電網故障診斷與自愈控制技術[J]. 電力系統保護與控制, 2022, 50 (15) : 1 - 12.

[5] 肖先勇, 張文海, 汪穎. 基于零序電流小波能量的配電網故障選線新方法[J]. 電力自動化設備, 2023, 43 (6) : 89 - 96.

[6] 束洪春, 田鑫萃, 董俊. 諧振接地系統單相接地故障精確定位技術研究[J]. 電工技術學報, 2022, 37 (20) : 5178 - 5189.

摘自《自動化博覽》2026年7月刊