[0001] 本发明涉及配电网故障检测技术领域，尤其涉及一种配电网故障定位方法、装置、设备及存储介质。

[0002] 如今，在双碳目标的背景下，提高电网应对小概率‑高风险极端事件的能力尤为重要。根据国家能源局《关于配电网防范应对台风灾害的指导意见》，提升电网弹性可以从平时预、灾前防、灾中守、灾后抢、事后评5个阶段着手。在发生故障后快速可靠地定位故障的精确位置，能提升电网灾中守和灾后抢的能力，进而提升电网的弹性。

[0003] 在极端天气下，当配电网出现大面积故障时，现有研究主要通过各种电气量的计算确定配电网中的故障位置，但是当出现大面积的多个故障时，电气量往往会同时受到多个故障的共同影响，因此难以根据此时的电气量快速确定故障位置。

[0086] 下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0087] 如图1所示，本发明一实施例提供的一种配电网故障定位方法，包括：

[0088] 步骤S101：获取各线路的报告信息；其中所述报告信息记录有线路是否故障的情况；

[0089] 具体的，故障分为停电型故障和非停电型故障，停电型故障所对应的报告信息由配电网中各线路的智能电表获取，非停电型故障以及线路无故障所对应的报告信息由配电网的馈线终端获取。

[0090] 步骤S102：以所有报告信息出现漏报和误报数量最小为目标，构建故障区段确定模型以及所述故障区段确定模型的第一约束条件；其中，所述第一约束条件包括：非停电型的线路故障约束、非停电型的故障电流约束、非停电型的故障错误报告约束、故障类型关系约束以及停电型的故障错误报告约束；

[0091] 具体的，漏报就是该条线路应该有报告信息，但是实际上未获取到对应的报告信息。误报就是该条线路没有发生故障，报告信息应该为“无故障”，但是这条线路的报告信息却为“有故障”，或者该条线路有发生故障，报告信息应该为“有故障”，但是这条线路的报告信息却为“无故障”。

[0092] 具体的，“以所有报告信息出现漏报和误报数量最小为目标”就是认为最有可能发生的状况是报告信息出现错误最少。

[0093] 在一优选的实施例中，所述故障区段确定模型为：

[0094] α1+α2＝1

[0095]

[0096] 式中，α1表示非停电型故障的报告权重，α2表示停电型故障的报告权重，fi表示报告信息中非停电型故障出现漏报的报告数量，mi表示报告信息中非停电型故障出现误报的报告数量，Nf表示报告信息中非停电型故障的报告总数，f′i表示报告信息中停电型故障出现漏报的报告数量，m′i表示报告信息中停电型故障出现误报的报告数量，Ns表示报告信息中停电型故障的报告总数。

[0097] 具体的，报告权重α1和α2的大小可以根据实际情况，即非停电型故障的报告和停电型故障的报告的可靠程度确定。

[0098] 在这一优选的实施例中，以所有报告信息出现漏报和误报数量最小为目标，构建得到了故障区段确定模型。

[0099] 在另一优选的实施例中，所述非停电型的线路故障约束为：

[0100] ∑xi≥1

[0101] 式中，xi表示第i条线路的非停电型故障情况；

[0102] 具体的，xi为一个二元决策变量。

[0103] 优选的，上述线路故障约束表示配电网中一定存在故障情况。

[0104] 所述非停电型的故障电流约束为：

[0105]

[0106]

[0107] 式中，ydowni表示第i个馈线终端中是否实际存在自上游流向下游的故障电流，当ydowni为1时，表示第i个馈线终端下游线路出现故障，当ydowni为0时，表示第i个馈线终端下游线路没有出现故障，xj表示第j条线路的非停电型故障情况，yupi表示第i个馈线终端中是否实际存在自下游流向上游的故障电流，当yupi为1时，表示第i个馈线终端上游线路出现故障，当yupi为0时，表示第i个馈线终端上游线路没有出现故障，Cdown表示馈线终端的下游线路集合，Cup表示馈线终端的上游线路集合，zupi表示第i个馈线终端是否存在自下游流向上游的故障电流的报告，当zupi为1时，表示存在第i个馈线终端存在自下游流向上游的故障电流的报告，zdowni表示第i个馈线终端是否存在自上游流向下游的故障电流的报告，当zdowni为1时，表示第i个馈线终端存在自上游流向下游的故障电流的报告，fupi表示第i个馈线终端的自下游流向上游的故障电流报告中出现漏报的报告数量，fdowni表示第i个馈线终端的自上游流向下游的故障电流报告中出现漏报的报告数量，mupi表示第i个馈线终端的自上游流向下游的故障电流报告中出现误报的报告数量，mdowni表示第i个馈线终端的自下游流向上游的故障电流报告中出现误报的报告数量， 为构建的辅助决策变量，用以排除电流方向的影响；

[0108] 具体的，ydowni和yupi都是二元决策变量。(yupi∩～fupi)表示第i个馈线终端实际有自下游流向上游的故障电流且没有出现漏报，(～yupi∩mupi)表示第i个馈线终端实际没有自下游流向上游的故障电流且在对应的报告中出现了误报；(ydowni∩～fdowni)表示第i个馈线终端实际有自上游流向下游的故障电流且没有出现漏报，(～ydowni∩mdowni)表示第i个馈线终端实际没有自上游流向下游的故障电流且在对应的报告中出现了误报。

[0109] 优选的，若配电网中存在分布式电源，当馈线终端的上游和下游同时出现两个故障时，如果馈线终端没有出现误报的情况，此时zupi和zdowni均为1.但是在现实情况中，馈线终端只会报告自上游流向下游或自下游流向上游其中一个方向的故障电流，此时的zupi和zdowni不会同时为1，所以需要对这种情况进行排除。以主网优先，即认为馈线终端会优先报告主网提供的故障电流而不是分布式电源提供的故障电流，继而构建得到 和 这两个二元决策变量。

[0110] 优选的，非停电型的故障电流约束中前两个式子，表明馈线终端流过的故障电流与故障位置的关系；非停电型的故障电流约束中第3、4个式子，表明从馈线终端得到的报告信息与馈线终端流过的故障电流的关系。

[0111] 所述非停电型的故障错误报告约束为：

[0112] fi＝fupi∪fdowni

[0113] mi＝mupi∪mdowni

[0114] 所述故障类型关系约束为：

[0115]

[0116] 式中，bdowni、bupi以及bi都是二元决策变量，bdowni表示第i条线路上游是否存在停电型故障，当bdowni为1时，表示第i条线路上游存在停电型故障，当bdowni为0时，表示第i条线路上游不存在停电型故障，bupi表示第i条线路下游是否存在停电型故障，当bupi为1时，表示第i条线路下游存在停电型故障，当bupi为0时，表示第i条线路下游不存在停电型故障，bi表示第i条线路的故障情况；

[0117] 优选的，上述故障类型关系约束，表明了配电网中停电型故障与故障位置的关系。

[0118] 所述停电型的故障错误报告约束为：

[0119] gi＝bi×BMi+m′i‑f′i

[0120] 式中，gi表示第i条线路上停电型故障报告数量，BMi表示应当收到的停电型报告数量。

[0121] 具体的，f′i、m′i以及gi都是整数型变量。

[0122] 优选的，上述停电型的故障错误报告约束，表明收到智能电表的停电型故障报告数量与实际停电情况的关系。

[0123] 在这一优选的实施例中，构建得到了非停电型的线路故障约束、非停电型的故障电流约束、非停电型的故障错误报告约束、故障类型关系约束以及停电型的故障错误报告约束。

[0124] 步骤S103：在各第一约束下，对所述故障区段确定模型进行求解，得到故障线路；

[0125] 具体的，在各第一约束下，对故障区段确定模型进行求解的过程中，将报告信息出现漏报和误报的数量最小的情况下，即当前得到的报告信息尽可能的都是正确的，所对应的故障线路作为最优求解结果。

[0126] 具体的，将各第一约束线性化，利用求解器在各第一约束下对上述故障区段确定模型进行求解。

[0127] 步骤S104：获取无人机的机组数、所述故障线路以及故障线路内相邻两个节点之间的距离；

[0128] 优选的，将无人机巡检问题看作一种特殊的车辆路径问题，通过优化的方法去求解。将无人机组看作车辆组，故障线路的两端看作节点，线路本身看作节点间的路径。

[0129] 步骤S105：根据所述机组数、故障线路以及距离，以所述无人机所经历的路程最小为目标或无人机所飞行的时间最小为目标，构建巡检优化模型以及所述巡检优化模型的第二约束条件；其中，所述第二约束条件包括：机组路径约束、线路起终点约束、路径连贯约束以及线路子回路约束；

[0130] 在一优选的实施例中，以所述无人机所经历的路程最小为目标或无人机所飞行的时间最小为目标，构建巡检优化模型，包括：

[0131] 若以所述无人机所经历的路程最小为目标，则所述巡检优化模型为：

[0132] f＝minTtotal

[0133] Ttotal＝max(Tk)

[0134] 式中，Ttotal表示所有无人机组经历所有故障线路的总时间，Tk表示第k组无人机组经历故障线路时所花费的时间；

[0135] 若以无人机所飞行的时间最小为目标，则所述巡检优化模型为：

[0136] f＝minStotal

[0137] Stotal＝max(Sk)

[0138]

[0139] 式中，Stotal表示所有无人机组经历所有故障线路的总路程，Sk表示第k组无人机组经历故障线路的总路程， 表示第k组无人机是否从节点i飞往节点j， 为1时，表示第k组无人机组从节点i飞往节点j，当 为0时，表示第k组无人机组不会从节点i飞往节点j，Rij表示各故障线路中节点i和节点j之间的距离，n表示节点总数。

[0140] 优选的，与一般车辆路径问题的要求不同，一般车辆路径问题常以成本或利润作为目标函数，而在上述巡检优化模型中要求尽快确定故障位置，以尽快恢复负荷。因此上述巡检优化模型的目的是以最快的速度确定所有故障的精确位置。

[0141] 在这一优选的实施例中，根据机组数、故障线路以及距离，以无人机所经历的路程最小为目标或无人机所飞行的时间最小为目标，构建得到了巡检优化模型。

[0142] 在另一优选的实施例中，所述机组路径约束为：

[0143]

[0144] 式中，s表示无人机组的总机组数；

[0145] 具体的，将每一个待经历的节点进行编号，总共有n个节点。上述机组路径约束中的第一个式子表示，所有无人机组中，有且仅有一个机组从节点i出发，飞往所有节点中的某一个节点。上述机组路径约束能保证每一个节点都被经历且仅被经历一次(起点除外)。

[0146]

[0147] 式中， 表示k号无人机组从无人机站点开往节点j， 表示k号无人机组从节点i开往节点j；

[0148] 具体的，i和j表示故障线路上所有的节点。

[0149] 优选的，由于无人机的信息可以实时回传接收，因此并不要求无人机在经历了最后一个节点后返回仓库，相当于可以允许第k组无人机的 表示每一组无人机组到达终点的节点后不需要再返回起点。继而上述机组路径约束中的第3个式子即表示所有故障线路中，一共有s个点不用返回起点，且这s个点作为终点平均分布在每一组无人机组的路径上。

[0150] 优选的，上述机组路径约束中的第二个式子能保证每一个无人机组都是从起点(无人机站点)出发的；上述机组路径约束中的第4、5个式子表示，除起点外，其余所有节点都会被无人机组经历一遍。

[0151] 所述路径连贯约束为：

[0152]

[0153] 式中， 表示无人机组k0是否由其他节点到达节点i，当 为0时，表示无人机组k0不到达节点i， 表示除无人机组k0之外的无人机组是否从节点i飞往其他节点，当为1时，表示除无人机组k0之外的无人机组从节点i飞往其他节点，当 为0时，表示无人机组k0从节点i飞往其他节点或节点i为无人机组k0的终点；

[0154] 优选的，上述路径连贯约束是为了保证路径的连贯性。

[0155] 所述线路子回路约束为：

[0156] ui‑uj+Nlij≤N‑1,1

[0157] 式中，ui表示节点i的势，uj表示节点j的势，lij表示节点i和节点j之间的故障线路，N表示一个很大的数。

[0158] 优选的，上述线路子回路约束是为了消除可能存在的子回路，u为一个整数型决策变量，表示每一个节点的势，线路子回路约束中的N是一个很大的数，表示路径中每一个节点的势都比上一个节点的势要打，这使得不会产生子回路。

[0159] 在这一优选的实施例中，构建得到了机组路径约束、线路起终点约束、路径连贯约束以及线路子回路约束。

[0160] 步骤S106：在各第二约束下，对所述巡检优化模型进行求解，得到到达所有故障线路的最短路径；

[0161] 具体的，将各第二约束线性化后，通过求解器在各第二约束下对巡检优化模型进行求解，将求解出来lij即为每个节点之间的最短路径，继而得到整个故障线路的最短路径。

[0162] 步骤S107：按所述最短路径进行巡检，确定配电网的具体故障位置。

[0163] 具体的，按求解出来的最短路径进行检查，即能确定配电网的具体故障位置，继而完成灾后故障位置可靠而快速的定位。

[0164] 在上述方法项实施例的基础上，本发明对应提供了装置项实施例。

[0165] 如图2所示，本发明一实施例提供了一种配电网故障定位装置，包括：

[0166] 报告信息获取模块、故障区段确认模型构建模块、故障区段确认模型求解模块、数据获取模块、巡检优化模型构建模块、巡检优化模型求解模块以及故障位置确定模块；

[0167] 所述报告信息获取模块，用于获取各线路的报告信息；其中所述报告信息记录有线路是否故障的情况；

[0168] 所述故障区段确认模型构建模块，用于以所有报告信息出现漏报和误报数量最小为目标，构建故障区段确定模型以及所述故障区段确定模型的第一约束条件；其中，所述第一约束条件包括：非停电型的线路故障约束、非停电型的故障电流约束、非停电型的故障错误报告约束、故障类型关系约束以及停电型的故障错误报告约束；

[0169] 所述故障区段确认模型求解模块，用于在各第一约束下，对所述故障区段确定模型进行求解，得到故障线路；

[0170] 所述数据获取模块，用于获取无人机的机组数、所述故障线路以及故障线路内相邻两个节点之间的距离；

[0171] 所述巡检优化模型构建模块，用于根据所述机组数、故障线路以及距离，以所述无人机所经历的路程最小为目标或无人机所飞行的时间最小为目标，构建巡检优化模型以及所述巡检优化模型的第二约束条件；其中，所述第二约束条件包括：机组路径约束、线路起终点约束、路径连贯约束以及线路子回路约束；

[0172] 所述巡检优化模型求解模块，用于在各第二约束下，对所述巡检优化模型进行求解，得到到达所有故障线路的最短路径；

[0173] 所述故障位置确定模块，用于按所述最短路径进行巡检，确定配电网的具体故障位置。

[0174] 在一优选的实施例中，所述故障区段确认模型构建如下：

[0175] α1+α2＝1

[0176]

[0177] 式中，α1表示非停电型故障的报告权重，α2表示停电型故障的报告权重，fi表示报告信息中非停电型故障出现漏报的报告数量，mi表示报告信息中非停电型故障出现误报的′报告数量，Nf表示报告信息中非停电型故障的报告总数，fi 表示报告信息中停电型故障出′
现漏报的报告数量，mi 表示报告信息中停电型故障出现误报的报告数量，Ns表示报告信息中停电型故障的报告总数。

[0178] 在另一优选的实施例中，所述巡检优化模型构建如下：

[0179] 若以所述无人机所经历的路程最小为目标，则所述巡检优化模型为：

[0180] f＝minTtotal

[0181] Ttotal＝max(Tk)

[0182] 式中，Ttotal表示所有无人机组经历所有故障线路的总时间，Tk表示第k组无人机组经历故障线路时所花费的时间；

[0183] 若以无人机所飞行的时间最小为目标，则所述巡检优化模型为：

[0184] f＝minStotal

[0185]

[0186] 式中，Stotal表示所有无人机组经历所有故障线路的总路程，Sk表示第k组无人机组经历故障线路的总路程， 表示第k组无人机是否从节点i飞往节点j， 为1时，表示第k组无人机组从节点i飞往节点j，当 为0时，表示第k组无人机组不会从节点i飞往节点j，Rij表示各故障线路中节点i和节点j之间的距离，n表示节点总数。

[0187] 需说明的是，以上所描述的装置实施例仅仅是示意性的，其中上述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。上述示意图仅仅是一种配电网故障定位装置的示例，并不构成对一种配电网故障定位装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。

[0188] 在上述方法项实施例的基础上，本发明对应提供了终端设备项实施例。

[0189] 本发明另一实施例提供了一种终端设备，包括处理器、存储器以及存储在上述存储器中且被配置为由上述处理器执行的计算机程序，上述处理器执行上述计算机程序时实现本发明中任意一实施例所述的一种配电网故障定位方法。

[0190] 示例性的，在这一实施例中上述计算机程序可以被分割成一个或多个模块，上述一个或者多个模块被存储在上述存储器中，并由上述处理器执行，以完成本发明。上述一个或多个模块元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述上述计算机程序在上述设备中的执行过程；

[0191] 上述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。上述设备可包括，但不仅限于，处理器、存储器；

[0192] 所称处理器可以是中央处理模块(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述设备的控制中心，利用各种接口和线路连接整个设备的各个部分；

[0193] 上述存储器可用于存储上述计算机程序和/或模块，上述处理器通过运行或执行存储在上述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述设备的各种功能。上述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

[0194] 在上述方法项实施例的基础上，本发明对应提供了存储介质项实施例。

[0195] 本发明另一实施例提供了一种存储介质，上述存储介质包括存储的计算机程序，其中，在上述计算机程序运行时控制上述存储介质所在设备执行本发明任意一实施例所述的一种配电网故障定位方法。

[0196] 在这一实施例中，上述存储介质为计算机可读存储介质，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

[0197] 与现有技术相比，通过实施本发明上述各个实施例，可以在确定故障位置时不需要计算电气量，因此降低了由电气量的计算带来的误差，提高了故障定位的速度和准确性。

[0198] 上述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。