目錄
1 概述
2 目标
3 python代碼實作
3.1 結果展示
3.2 python代碼
1 概述
人類在日常生活中越來越依賴電力，使用需要電力的裝置不再是奢侈品，而是成為必需品。負責向群眾提供這種資源的各方必須處理電力的生産、傳輸和配置設定問題。盡管過去幾十年在電力系統保護方面取得了許多進展，但在提高能源供應服務的連續性方面仍有很大的空間。在配電的背景下，以巴西為例，可以通過配電服務的連續性名額來量化消費者的電力供應品質。國家電能署 (Aneel) 在 [PRODIST 2012] 中提供了其中兩個名額，即每用電機關的等效中斷持續時間 (DEC) 和每用電機關的等效中斷頻率 (FEC)。 DEC 是通過在計算期間内，相關用電機關的電能配置設定服務中斷的平均值獲得的時間間隔。 FEC 是在所考慮的機關中發生這種不連續性的平均頻率。
本文旨在确定分布式光伏發電對徑向配電網絡故障定位的影響。光伏系統的尺寸針對該電路的穿透限制而定。在 OpenDSS 上執行故障模拟，以擷取變電站的電壓和電流值。這些結果記錄在資料庫中并用于訓練多層感覺器類的神經網絡，該網絡能夠以 90% 的平均成功率确定電路中存在或不存在分布式光伏發電的 6 個可能地理區域之間的故障位置。
1.1 MLP
MLP 是一種分層工作的神經網絡。輸入層接收問題輸入，中間隐藏層執行映射操作，輸出層提供輸出，如圖 1.1 所示。模拟神經元的基本層單元稱為感覺器。除了感覺器，輸入層和中間層還有一個偏置節點，用于處理等于 0 的輸入。
作為補充，基于 [Goodfellow et al. 2016]，MLP 隻是一個函數 y = f(x; θ)，它使用優化的 θ 參數将輸入 x 映射到輸出 y。可以說，根據 [Géron 2017] 一書，感覺器的工作原理是對其輸入進行權重求和，并根據其符号離散化該總和的值，如等式所示
作為補充，MLP 隻是一個函數 y = f(x; θ)，它使用優化的 θ 參數将輸入 x 映射到輸出 y。可以說，感覺器的工作原理是對其輸入進行權重求和，并根據其符号離散化該總和的值，如等式所示：
其中 hw 是感覺器的輸出，x 是輸入值，w 是配置設定給每個輸入的權重，step 是和值的離散化函數，可以是 Heaviside 函數或信号函數。
調整 MLP 權重的方法之一是通過反向傳播技術。該機制包括，在确定神經網絡的正向權重及其總誤差後，反向計算每個權重的誤差貢獻，提出在每次疊代中總誤差較小的新權重。為了使這種方法可行，激活函數，即傳統感覺器結構中的階躍函數，必須用平滑函數代替，例如邏輯函數、雙曲正切函數或整流線性機關函數（ReLU )，如等式所示：
其中 hw,b(x) 是 ReLU 函數，b 是偏內插補點。此外，通過計算函數梯度的反向傳播方法可以使用随機梯度下降進行優化。
2 目标
本文旨在确定分布式光伏發電對徑向配電網絡故障定位的影響。光伏系統的尺寸針對該電路的穿透限制而定。在 OpenDSS 上執行故障模拟，以擷取變電站的電壓和電流值。這些結果記錄在資料庫中并用于訓練多層感覺器類的神經網絡，該網絡能夠以 90% 的平均成功率确定電路中存在或不存在分布式光伏發電的 6 個可能地理區域之間的故障位置。總體目标是驗證GDFV在配電系統故障定位中的影響。支援主要目标的次要目标是：為配電饋線在其穿透極限下設計不同的光伏系統，并評估其功率流；模拟負荷曲線不同點處配電饋線所有母線的故障。實施能夠檢測故障并将其分類為類型、電阻和地理位置的算法。
3 python代碼實作
3.1 結果展示
3.2 python代碼
def plot_5_pv():
ckt24_plot()
substation, = pylab.plot([11735514.42],[3709460.816],'k^',
markersize=10, label='Substation')
pvsyst, = pylab.plot(
[11740361.09,11745683.27,11740622.95,11740594.66,11735219.81],
[3709237.782,3712746.259,3714771.12,3718243.191,3718067.52],
color='orange', marker='s', markersize=10, linestyle='None',
label='PV System')
blue_patch = mpatches.Patch(color='blue', label='Three-phase lines')
green_patch = mpatches.Patch(color='green', label='Two-phase lines')
red_patch = mpatches.Patch(color='red', label='One-phase lines')
pylab.legend(handles=[substation, pvsyst, blue_patch, green_patch,
red_patch])
pylab.title("5 PV systems")
pylab.show()