CN103390249B - 基于多维度的配电调度辅助决策方法 - Google Patents

Abstract

本发明涉及一种基于多维度的配电调度辅助决策方法，其主要技术特点是：包括以下步骤：1、将能量管理系统、配网管理系统及配电调度辅助决策系统终端通过调度通信网络连接在一起；2、能量管理系统获取当前配电网运行状态及线路实时数据信息；3、配网管理系统采用自适应免疫算法对配电网运行状态及线路数据进行处理，建立用于配电网转供负荷数学模型用于转供负荷计算；4、在配电调度辅助决策系统终端上生成具有五维度的雷达图，为调度员提供辅助决策依据。本发明设计合理，采用配电网转供负荷的核心算法，实现配电网的实时在线管理，有效地解决了现有的倒闸操作凭调度员经验、效率较低等问题，提高了电网的稳定性和可靠性，减少用户停电时间。

Description

基于多维度的配电调度辅助决策方法

技术领域

本发明属于电力配电网技术领域，尤其是一种基于多维度的配电调度辅助决策方法。

背景技术

近年来，随着电网建设的不断发展，各级电网结构得到显著加强。但是，城市配电网无论从网架结构还是管理水平上，相比主网依然较为薄弱。目前，配电网中心城区多为电缆，网络结构采用环网结构，而负荷占比更多的郊区多为架空线路，网络结构有辐射式、单联络或多联络方式。

现阶段调度对配网的管理主要是通过图纸资料的管理，由调度员根据配电工区上报的资料修改图纸，并没有像输电网的能量管理系统（EMS）一样，实现实时在线的应用，是一个脱离调度生产的离线系统。由于配网结构复杂、设备众多、测量数据缺乏，使得在配网安全经济调度方面遇到了很大的困难，调度员通常只能依靠运行经验来处理，在没有把握的情况下，往往采取保守的方案，采取开环运行、停电操作方式进行处理。这种方式不仅未能充分利用现有的配电网架结构，充分发挥现有的配电一次、二次设备的作用，更增加了对用户的停电几率。

实际上，在配网倒负荷及事故处理（即负荷转移）时，往往要考虑有无保电任务、操作复杂性（操作开关次数最少）、双电源用户数量、是否会过载（支路电流是否会越限）、能否合环（母线电压是否会越限）等五个方面的问题，如不能正确掌握，不仅降低了供电可靠性，甚至会对电网的稳定性造成很大的影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种设计合理、能够有效地提高电网稳定性的基于多维度的配电调度辅助决策方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于多维度的配电调度辅助决策方法，包括以下步骤：

步骤1：将能量管理系统、配网管理系统及配电调度辅助决策系统终端通过调度通信网络连接在一起；

步骤2：能量管理系统对配网实时监视并进行数据采集，获取当前配电网运行状态及线路实时数据信息；

步骤3：配网管理系统采用自适应免疫算法对配电网运行状态及线路数据进行处理，建立用于配电网转供负荷数学模型用于转供负荷计算；

步骤4：在需要进行倒闸操作时，调度员在配电调度辅助决策系统终端上向配网管理系统提出申请，配网管理系统使用配电网转供负荷数学模型进行分析计算，并在配电调度辅助决策系统终端上生成具有五维度的雷达图，为调度员提供辅助决策依据。

而且，所述步骤3采用自适应免疫算法对配电网运行状态及线路数据进行处理的具体过程包括以下步骤：

⑴根据网络的初始信息和故障信息划分出目标转供区域，并搜索可用联络开关，确定故障信息；

⑵随机生成参考群体和初始群体，并计算参考群体中个体的适应值，作为参考目标；

⑶按照选择、扩展、突变操作进行种群的进化，对于新生成的个体，使用基本树法判断该个体是否为可行解，如果不满足拓扑约束，则使用不可行解修复方法对其修复为可行解。

⑷当种群进化到已设定的代数后结束迭代过程，将适应值最优的个体解码后输出，作为最终恢复方案。

而且，所述不可行解修复方法的处理流程为：对于随机生成的一个解P，如果为不可行解，通过修复使其成为可行解；构造一个参考种群P_re，该种群中的每个个体均为可行解；从P_re中随机选取一个解r∈P_re，然后随机生成一个从0到1之间的随机数a，按照zi=ap+(1-a)r产生位于p和r线段上的一系列点zi，直到得到一个zi满足约束；此时，如果zi的适应值大于r的适应值，则将zi替换r，作为P_re中的一个新参考个体，从而使p被修复为可行解。

而且，所述步骤3配电网转供负荷数学模型为：

$\min C={\mathrm{\λ}}_p\underset{j=1}{\overset{m_1}{\mathrm{\Σ}}}{d}_j{P}_{j,\mathrm{cut}}+{\mathrm{\λ}}_n\underset{j=1}{\overset{s}{\mathrm{\Σ}}}{T}_j+{\mathrm{\λ}}_u\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left(\frac{V_j-V_j^{\lim }}{V_{j,\max }-V_{j,\min }}\right)}^2+{\mathrm{\λ}}_s\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\left(\frac{S_j-S_j^{\lim }}{S_{j,\max }}\right)}^2+{\mathrm{\λ}}_{\mathrm{il}}\underset{p=1}{\overset{p}{\mathrm{\Σ}}}{T}_{\mathrm{il}}$

上式中，第1项为失电区内各负荷有功切除量之和，d_j为第j个负荷的权重系数，取决于负荷的种类，P_j,cut为负荷点切除的负荷量；第2项为开关动作总次数；第3项为电压越限惩罚项；第4项为功率越限惩罚项；第5项为供电可靠性降低用户数量；

上式中：

$V_j^{\lim }=\left\{\begin{array}{cc}{V}_{j,\max }& V_j>V_{j,\max }\\ V_{j,\min }& V_j<V_{j,\min }\\ V_j& V_{j,\min }\&le;V_j\&le;V_{j,\max }\end{array}\right.$

$S_j^{\lim }=\left\{\begin{array}{cc}{S}_{j,\max }& S_j>S_{j,\max }\\ S_j& S_j\&le;S_{j,\max }\end{array}\right.$

其中，V_j为第j点电压幅值，V_j,max和V_j,min分别为第j点电压幅值上下限，S_j为第j条线路当前视在功率，S_j,max为其功率上限。λ_p，λ_n，λ_u，λ_s，λ_il分别为各项在目标函数中的权重系数，取值与各项在目标中的重要性和整个网络的规模有关；相应的约束为拓扑结构、切除负荷量、负荷可控性及潮流约束。

而且，所述的配电网转供负荷数学模型是依据以下因素建立的：有无保电任务、操作复杂性、双电源用户数量、是否会过载、能否合环因素。

而且，所述雷达图包括保电任务雷达图和负荷高峰雷达图。

本发明的优点和积极效果是：

1、本方法将能量管理系统（EMS）、配网管理系统（DMS）及配电调度辅助决策系统终端通过调度通信网络结合在一起，采用配电网转供负荷的核心算法，实现配电网的实时在线管理，有效地解决了现有的倒闸操作凭调度员经验、效率较低等问题，提高了电网的稳定性和可靠性，减少用户停电时间。

2、本方法采用的配电网转供负荷的核心算法是将其看做一个有约束的多目标最优化问题，考虑有无保电任务、操作复杂性（操作开关次数最少）、双电源用户数量、是否会过载（支路电流是否会越限）、能否合环（母线电压是否会越限）五个要素的问题，并根据不同情况，对每个要素设置不同的权重系数。例如有重大事件时更多考虑负荷重要性、负荷高峰时更多考虑是否会过载等。根据配电网当前状态及相关线路的实时信息，利用自适应免疫算法的对此优化问题进行求解，为调度员提供辅助决策依据，制定最优操作方案。

3、本发明发采用质量管理体系中的雷达图来表示五个维度，能够直观具体地显示决策结果。

4、本发明采用应用地理信息系统（GIS）实现图形中的线路走向与实际相符，并提示线路上各开闭站的站址信息，方便操作人员快速到达现场，大大提高倒闸操作的效率。

附图说明

图1是本发明所采用系统的连接图；

图2是具有不可行解修复能力的自适应免疫算法的处理流程图；

图3是在配电调度辅助决策系统终端生成的有保电任务雷达图；

图4是在配电调度辅助决策系统终端生成的负荷高峰雷达图。

具体实施方式

以下结合附图对本发明做进一步详述。

一种基于多维度的配电调度辅助决策方法，是在如图1所示的系统上实现的，该系统包括能量管理系统（EMS）、配网管理系统（DMS）（包括配电网图形管理、地理信息系统及负荷转移运算等）和多台配电调度辅助决策系统终端。能量管理系统（EMS）、配网管理系统（DMS）及多台配电调度辅助决策系统终端通过调度通信网络连接在一起。其中，能量管理系统（EMS）作为系统实时数据的来源，采集和处理配电网实时数据；配网管理系统（DMS）是本系统的核心，内部包括配电网图形管理、地理信息系统（GIS）及负荷转移运算等功能模块，其不仅要管理配电网设备的基础台账资料数据，而且通过与能量管理系统（EMS）的接口取得配电网运行的实时数据，进行优化决策分析，最终得到最优的倒闸操作方案；配电调度辅助决策系统终端实现对配网实时的监控与控制，在屏幕上设有图形界面、操作界面、反馈界面及告警界面等内容。

一种基于多维度的配电调度辅助决策方法，包括以下步骤：

步骤1：将能量管理系统、配网管理系统及配电调度辅助决策系统终端通过调度通信网络连接在一起，如图1所示。

步骤2：能量管理系统（EMS）对配网实时监视并进行数据采集，获取当前配电网运行状态及线路实时数据信息，为倒闸操作辅助决策提供有效的数据来源。

步骤3：配网管理系统采用自适应免疫算法对配电网运行状态及线路数据进行处理，建立配电网转供负荷数学模型用于转供负荷计算。

在本步骤中，配网管理系统采用自适应免疫算法对配电网运行状态及线路数据进行处理。其具体处理过程为：

（1）确定故障信息。首先根据网络的初始信息和故障信息划分出目标转供区域，并搜索可用联络开关。

（2）生成参考群体和初始群体。随机生成参考群体和初始群体，并计算参考群体中个体的适应值，作为参考目标。初始种群作为进化的第一代种群。在参考群体和初始群体生成的过程中使用基本树方法判断每个个体的拓扑约束是否满足，如果不满足则重新生成，直到达到既定种群规模。

（3）自适应免疫进化过程。参考群体和初始群体生成后，按照选择、扩展、突变等操作进行种群的进化，对于新生成的个体，使用基本树法判断该个体是否为可行解，如果不满足拓扑约束，则使用不可行解修复方法对其修复为可行解。每次进化前对算法中各参数依据上一代中种群进化结果进行更改。

自适应免疫算法根据当前种群中的抗体平均距离来更新选择率、扩展半径等。假设第k代抗体群Bk中包含m个抗体v_i（i=1,2，…，m），抗体间平均距离为：

$d^{\left(k\right)}=\frac{1}{m(m-1)}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}d(v_i^{\left(k\right)},v_j^{\left(k\right)}),i\&NotEqual;j$

抗体群的多样度定义为：

$D^{\left(k\right)}=\left\{\begin{array}{cc}{d}^{\left(k\right)}/d_{\max }& d^{\left(k\right)}<d_{\max }\\ 1& d^{\left(k\right)}\&GreaterEqual;d_{\max }\end{array}\right.$

式中：d_max为给定常数。

第k代的选择率（α^(k)）、扩展半径（r^(k)）和突变半径（R^(k)）分别为：

α^(k)=α₀+η_αD^(k)

r^(k)=r₀+η_r(1-D^(k))

R^(k)=R₀+η_R(1-D^(k))

式中：α₀，r₀和R₀分别为各参数的最小值；η_α，η_r和η_R分别代表相应参数的调整范围。

抗体种群中平均距离越小，相似度越高，多样度越低，此时选择率降低，扩展半径和突变半径增加；反之亦然。自适应免疫算法可根据当前种群的多样度调整参数以保持种群的多样性。

由于在免疫进化过程中，会产生大量的不可行解。若直接对这些解进行舍弃，也就舍弃掉了这些解中所包含的某些特殊基因，从而减少了样板中基因的多样性，从而也就降低了进化速度。若对此部分解进行修复，使之变为可行解，则可加速进化过程，同时能够保持基因的多样性。本发明采用具有不可行解修复能力的自适应免疫算法，如图2所示，其处理流程如下：对于随机生成的一个解P，如果为不可行解，通过修复使其成为可行解；构造一个参考种群P_re，该种群中的每个个体均为可行解；从P_re中随机选取一个解r∈P_re，然后随机生成一个从0到1之间的随机数a，按照zi=ap+(1-a)r产生位于p和r线段上的一系列点zi，直到得到一个zi满足约束；此时，如果zi的适应值大于r的适应值，则将zi替换r，作为P_re中的一个新参考个体，从而使p被修复为可行解。

（4）结束进化，输出结果。当种群进化到已设定的代数后结束迭代过程，将适应值最优的个体解码后输出，作为最终恢复方案。

本方法将转供负荷操作看做一个有约束的多目标最优化问题，考虑有无保电任务、操作复杂性（操作开关次数最少）、双电源用户数量、是否会过载（支路电流是否会越限）、能否合环（母线电压是否会越限）等五个方面的因素，建立起如下配电网转供负荷数学模型：

$\min C={\mathrm{\&lambda;}}_p\underset{j=1}{\overset{m_1}{\mathrm{\&Sigma;}}}{d}_j{P}_{j,\mathrm{cut}}+{\mathrm{\&lambda;}}_n\underset{j=1}{\overset{s}{\mathrm{\&Sigma;}}}{T}_j+{\mathrm{\&lambda;}}_u\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{\left(\frac{V_j-V_j^{\lim }}{V_{j,\max }-V_{j,\min }}\right)}^2+{\mathrm{\&lambda;}}_s\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(\frac{S_j-S_j^{\lim }}{S_{j,\max }}\right)}^2+{\mathrm{\&lambda;}}_{\mathrm{il}}\underset{p=1}{\overset{p}{\mathrm{\&Sigma;}}}{T}_{\mathrm{il}}$

上式中，第1项为失电区内各负荷有功切除量之和，d_j为第j个负荷的权重系数，取决于负荷的种类，P_j,cut为负荷点切除的负荷量；第2项为开关动作总次数；第3项为电压越限惩罚项；第4项为功率越限惩罚项；第5项为供电可靠性降低用户数量。

其中：

$V_j^{\lim }=\left\{\begin{array}{cc}{V}_{j,\max }& V_j>V_{j,\max }\\ V_{j,\min }& V_j<V_{j,\min }\\ V_j& V_{j,\min }\&le;V_j\&le;V_{j,\max }\end{array}\right.$

$S_j^{\lim }=\left\{\begin{array}{cc}{S}_{j,\max }& S_j>S_{j,\max }\\ S_j& S_j\&le;S_{j,\max }\end{array}\right.$

式中，V_j为第j点电压幅值，V_j,max和V_j,min分别为第j点电压幅值上下限，S_j为第j条线路当前视在功率，S_j,max为其功率上限。λ_p，λ_n，λ_u，λ_s，λ_il分别为各项在目标函数中的权重系数，取值与各项在目标中的重要性和整个网络的规模有关。相应的约束为拓扑结构、切除负荷量、负荷可控性及潮流约束。

步骤4：在需要进行倒闸操作时，调度员在配电调度辅助决策系统终端上向配网管理系统提出申请，配网管理系统使用配电网转供负荷数学模型进行分析计算，并在配电调度辅助决策系统终端上生成具有五维度的雷达图，图3及图4分别给出有保电任务雷达图和负荷高峰雷达图，从而为调度员提供辅助决策依据，便于制定最优操作方案，最终由调度员在终端或命令现场人员进行倒闸操作。

需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (5)

1.一种基于多维度的配电调度辅助决策方法，其特征在于：包括以下步骤：

步骤1：将能量管理系统、配网管理系统及配电调度辅助决策系统终端通过调度通信网络连接在一起；

步骤2：能量管理系统对配网实时监视并进行数据采集，获取当前配电网运行状态及线路实时数据信息；

步骤3：配网管理系统采用自适应免疫算法对配电网运行状态及线路数据进行处理，建立配电网转供负荷的数学模型，用于转供负荷计算；

步骤4：在需要进行倒闸操作时，调度员在配电调度辅助决策系统终端上向配网管理系统提出申请，配网管理系统使用配电网转供负荷数学模型进行分析计算，并在配电调度辅助决策系统终端上生成具有五维度的雷达图，为调度员提供辅助决策依据；

所述步骤3配电网转供负荷的数学模型为：

$\min C={\mathrm{\&lambda;}}_p\underset{j=1}{\overset{m_1}{\&Sigma;}}{d}_j{P}_{j,cut}+{\mathrm{\&lambda;}}_n\underset{j=1}{\overset{s}{\&Sigma;}}{T}_j+{\mathrm{\&lambda;}}_u\underset{j=1}{\overset{m}{\&Sigma;}}{\left(\frac{V_j-V_j^{\lim }}{V_{j,\max }-V_{j,\min }}\right)}^2+{\mathrm{\&lambda;}}_s\underset{j=1}{\overset{n}{\&Sigma;}}{\left(\frac{S_j-S_j^{\lim }}{S_{j,\max }}\right)}^2+{\mathrm{\&lambda;}}_{il}\underset{p=1}{\overset{p}{\&Sigma;}}{T}_{il}$

上式中，第1项为失电区内各负荷有功切除量之和，d_j为第j个负荷的权重系数，取决于负荷的种类，P_j,cut为负荷点切除的负荷量；第2项为开关动作总次数；第3项为电压越限惩罚项；第4项为功率越限惩罚项；第5项为供电可靠性降低用户数量；

上式中：

$V_j^{\lim }=\left\{\begin{array}{cc}{V}_{j,\max }& V_j>V_{j,\max }\\ V_{j,\min }& V_j<V_{j,\min }\\ V_j& V_{j,\min }\&le;V_j\&le;V_{j,\max }\end{array}\right.$

$S_j^{\lim }=\left\{\begin{array}{cc}{S}_{j,max}& S_j>S_{j,max}\\ S_j& S_j\&le;S_{j,max}\end{array}\right.$

其中，V_j为第j点电压幅值，V_j,max和V_j,min分别为第j点电压幅值上下限，S_j为第j条线路当前视在功率，S_j,max为其功率上限；λ_p，λ_n，λ_u，λ_s，λ_il分别为各项在目标函数中的权重系数，取值与各项在目标中的重要性和整个网络的规模有关；相应的约束为拓扑结构、切除负荷量、负荷可控性及潮流约束。

2.根据权利要求1所述的基于多维度的配电调度辅助决策方法，其特征在于：所述步骤3采用自适应免疫算法对配电网运行状态及线路数据进行处理的具体过程包括以下步骤：

⑴根据网络的初始信息和故障信息划分出目标转供区域，并搜索可用联络开关，确定故障信息；

⑵随机生成参考群体和初始群体，并计算参考群体中个体的适应值，作为参考目标；

⑶按照选择、扩展、突变操作进行种群的进化，对于新生成的个体，使用基本树法判断该个体是否为可行解，如果不满足拓扑约束，则使用不可行解修复方法对其修复为可行解；

⑷当种群进化到已设定的代数后结束迭代过程，将适应值最优的个体解码后输出，作为最终恢复方案。

3.根据权利要求2所述的基于多维度的配电调度辅助决策方法，其特征在于：所述不可行解修复方法的处理流程为：对于随机生成的一个解P，如果为不可行解，通过修复使其成为可行解；构造一个参考种群P_re，该种群中的每个个体均为可行解；从P_re中随机选取一个解r∈P_re，然后随机生成一个从0到1之间的随机数a，按照zi＝ap+(1-a)r产生位于p和r线段上的一系列点zi，直到得到一个zi满足约束；此时，如果zi的适应值大于r的适应值，则将zi替换r，作为P_re中的一个新参考个体，从而使p被修复为可行解。

4.根据权利要求1所述的基于多维度的配电调度辅助决策方法，其特征在于：所述的配电网转供负荷的数学模型是依据以下因素建立的：有无保电任务、操作复杂性、双电源用户数量、是否会过载、能否合环因素。

5.根据权利要求1所述的基于多维度的配电调度辅助决策方法，其特征在于：所述雷达图包括保电任务雷达图和负荷高峰雷达图。