CN103714389A - 智能电网的优化方法和优化设备 - Google Patents
智能电网的优化方法和优化设备 Download PDFInfo
- Publication number
- CN103714389A CN103714389A CN201210370967.XA CN201210370967A CN103714389A CN 103714389 A CN103714389 A CN 103714389A CN 201210370967 A CN201210370967 A CN 201210370967A CN 103714389 A CN103714389 A CN 103714389A
- Authority
- CN
- China
- Prior art keywords
- relation
- layer
- optimizing
- feature
- cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能电网的优化方法和优化设备。该方法包括如下步骤:收集智能电网中的各个装置的信息;各个装置以特征和操作来表征;根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
Description
技术领域
本发明一般地涉及智能电网的优化方法和优化设备。具体而言,本发明涉及一种能够充分利用所收集的智能电网中的各个装置的信息来优化装置的操作的优化方法和优化设备。
背景技术
随着社会的发展和技术的进步,传统电网正朝着智能电网的方向发展。在智能电网中,存在分布式的供电单位。此外,在智能电网各处设置有智能设备,如智能电表、传感器,智能开关等,从智能设备可以收集大量的信息,这些信息有助于对电网进行更细致的监测和控制。然而,如何对大量的信息进行有效地分析和利用,以优化智能电网中的装置的操作,是本领域技术人员面对的问题。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
本发明的目的是针对现有技术的上述问题,提出了一种智能电网的优化方法和优化设备。本发明对收集的智能电网中的各个装置的信息进行分析,能够通过对各个装置的工作情况进行预测,根据预测结果对故障进行定位,并且能够通过建立包括装置层、特征层、操作层、代价层的四层模型对智能电网进行描述,从中挖掘各个装置之间在各个层次上的关系,利用挖掘的关系并结合约束条件,对智能电网中各个装置的操作进行优化。本发明的有益效果是:通过对电网中的节点在装置、特征、操作、代价等层面上的分离和描述,可以更有效地利用从智能电网中收集来的大量信息,并更能体现电网的真实运行情况,在优化的过程中可以达到更细粒度的调控。当优化目标为电网的损耗最小时,根据本发明的优化方法和优化设备获得的优化方案对应的总代价即电网的损耗最小。
为了实现上述目的,根据本发明的一个方面,提供了一种智能电网的优化方法,所述优化方法包括:收集智能电网中的各个装置的信息;各个装置以特征和操作来表征;根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
根据本发明的另一个方面,提供了一种智能电网的优化设备,所述优化设备包括:信息收集单元,被配置为收集智能电网中的各个装置的信息;关系确定单元,被配置为根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及优化单元,被配置为针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
另外,根据本发明的另一方面,还提供了一种存储介质。所述存储介质包括机器可读的程序代码,当在信息处理设备上执行所述程序代码时,所述程序代码使得所述信息处理设备执行根据本发明的上述方法。
此外,根据本发明的再一方面,还提供了一种程序产品。所述程序产品包括机器可执行的指令,当在信息处理设备上执行所述指令时,所述指令使得所述信息处理设备执行根据本发明的上述方法。
附图说明
参照下面结合附图对本发明实施例的说明,会更加容易地理解本发明的以上和其它目的、特点和优点。附图中的部件只是为了示出本发明的原理。在附图中,相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。附图中:
图1示出了根据本发明的智能电网的优化方法的流程图;
图2示出了用于描述智能电网的四层模型的示意图;
图3示出了根据本发明的一个实施例的智能电网的优化设备300的示意图;
图4示出了根据本发明的一个实施例的智能电网的优化设备300的示意图;
图5示出了根据本发明的一个实施例的智能电网的优化设备300的示意图;
图6示出了可用于实施根据本发明实施例的方法和设备的计算机600的示意性框图。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行详细描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。另外,还需要指出的是,在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。
下面将参照图1描述根据本发明的智能电网的优化方法的流程。
图1示出了根据本发明的智能电网的优化方法的流程图。如图1所示,根据本发明的智能电网的优化方法包括如下步骤:收集智能电网中的各个装置的信息(步骤S1);各个装置以特征和操作来表征(步骤S2);根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系(步骤S3);以及针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作(步骤S4)。
在步骤S1中,收集智能电网中的各个装置的信息。如上所述,在智能电网的各个节点处设置有大量的智能设备,如智能电表、传感器、智能开关等,可以从智能设备获取各种信息,如智能电表的抄表信息、传输网络的传感器信息、智能开关的参数信息等。
此外,由于各个智能设备的信息格式并不统一,因此,在收集到来自各种智能设备的信息之后,还会对所收集的信息进行格式转换,以统一数据格式,方便后续处理。
此外,所收集的信息都标记有时间戳,以表明该数据的采集时间。然而,由于网络传输等原因,数据到达根据本发明的优化设备的信息收集单元的时间并不遵循数据采集时间的时间顺序。因此,还需对数据进行同步处理,按照时间戳的顺序进行排序。
在步骤S2中,各个装置以特征和操作来表征。
智能电网中的装置可以被标识以特征。装置的特征包括装置的角色、电压等级、装置的社会属性等。装置的角色例如是作为供电单位的电力公司、分布式供电者、用电单位等。电压等级例如是10KV、60KV等。装置的社会属性例如是居民区、商业区、医院、工厂等。
智能电网中的装置还可以被标识以操作。操作描述对装置可能采取的动作或装置可能进行的动作,例如是持续供电、开启发电、停止发电、限电、开启供电、断电等。
应注意,装置的操作与装置的特征(如角色)是相关的,例如,只有装置作为供电单位才会具有发电相关的操作,只有装置作为用电单位才会具有被供电相关的操作。
装置的操作往往会产生相应的代价,如作为供电单位供电会有发电成本、供电波动性等代价,作为用电单位会有电费等代价。
在本发明中,将装置表征为装置本身、装置的特征、装置的操作(与装置的特征相关),装置的操作关联有操作的代价。
为了随后深入地挖掘装置之间的各个层次的关系,以四层模型表征智能电网。图2示出了四层模型的示意图。如图2所示,该四层模型包括:装置层、特征层、操作层以及代价层。其中,装置层包括智能电网中的各个装置,特征层包括装置的特征,操作层包括装置的操作,代价层包括操作的代价。装置层、特征层、操作层以及代价层之间的层间关系(连线)表明装置、特征、操作、代价之间的对应关系,装置层、特征层以及操作层内部的层内关系(连线)分别表明装置本身之间的关系、特征之间的关系、操作之间的关系。
应注意,当以四层模型描述智能电网时,装置层包括该智能电网的所有装置。特征层、操作层、代价层可能不仅包括该智能电网中的装置的特征、操作、代价。例如,以特征为电压等级的情况为示例。假设智能电网中的装置只具有10KV、60KV的电压等级属性,但特征层可能包含100KV的电压等级特征。因此,存在一些特征并不与装置层中的装置相连。这些特征与其它特征、操作也具有关系,因此也可能会产生一定影响。
在四层模型中还包括有约束条件。约束条件例如是相关的物理准则、供电配额、社会规则、阶梯或分时供电价格表等。相关的物理准则例如是三相平衡,社会规则例如是医院不能停电等。
装置层中装置本身之间的关系例如是成对或互补。例如,某两个装置总是成对出现,或者某三个装置总是与另外三个装置存在互补关系。装置本身之间的关系可以在下面的确定步骤S3中挖掘,也可以根据先验知识获得。例如,同一条供电线上串联的装置同时停供电,因此,串联的装置存在成对出现的关系。
可以预见,装置本身之间的关系、装置的特征之间的关系、装置的操作之间的关系有很多,然而这些关系并不能仅凭先验知识、线路结构等获取。这些关系又对优化装置操作有重要作用。因此,希望通过对所收集的数据进行分析,以获取这些关系。
在步骤S3中,根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系。
可以基于所收集的数据采用适当的数据挖掘方法,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系。
作为示例,给出如下的方法。
基于所收集的数据,形成三个数据库,分别记录装置本身、装置的特征、装置的操作。数据库中的一条记录称为一个项集,即项的集合,记录智能电网中若干装置的状态,项即装置。例如,根据所收集的信息,已知装置a、b均在9:00-17:00的时间段内持续消耗电力,则可将(a,b)作为一条记录。
基于四层模型中分层的思想,可以分别基于三个数据库,分别从装置本身、装置的特征、装置的操作三个方面挖掘彼此的关系。即,在装置层,仅考虑装置本身,挖掘各个装置本身之间的关系;在特征层,仅从装置的特征方面,挖掘装置的特征之间的关系;在操作层,仅从装置的操作方面,挖掘装置的操作之间的关系。
对于每个数据库,首先,计算满足预定的最小支持度的所有的频繁项集。
具体地,首先产生频繁一项集L1,然后基于频繁一项集产生频繁二项集L2,直至不能产生更高阶的频繁项集Lr。
在每次产生更高阶的项集时(如产生频繁项集Lk时),首先产生候选k项集Ck(Lk是Ck的子集),Ck中的每一个项集是对两个只有一个项不同的Lk-1频繁项集进行(k-2)阶连接产生的。根据数据库计算Ck中的项集的支持度,如果Ck中的项集的支持度大于预定的最小支持度,且该项集的所有k-1项子集都是频繁项集,则将该项集作为频繁项集Lk。
作为示例,假设有表1所示的数据库,预定的最小支持度为2。
表1.数据库
编号 | 项集 |
1 | {a,b,e} |
2 | {b,d} |
3 | {b,c} |
4 | {a,b,d} |
5 | {a,c} |
6 | {b,c} |
7 | {a,c} |
8 | {a,b,c,e} |
9 | {a,b,c} |
首先产生频繁一项集L1,即a、b、c、d和e,其支持数,即数据库中支持(出现)该频繁一项集的记录条目数,分别是6、7、6、2和2。这些项集的支持数均大于或等于最小支持数2。然后组合这些频繁一项集,产生候选二项集,即{a,b}、{a,c}、{a,d}、{a,e}、{b,c}、{b,d}、{b,e}、{c,d}、{c,e}和{e,d},并计算每个候选二项集的支持数,结果如表2所示。
表2.候选二项集及其支持数
项集 | {a,b} | {a,c} | {a,d} | {a,e} | {b,c} | {b,d} | {b,e} | {c,d} | {c,e} | {c,d} |
支持数 | 4 | 4 | 1 | 2 | 4 | 2 | 2 | 0 | 1 | 0 |
其中支持数大于或等于2的候选二项集为{a,b}、{a,c}、{a,e}、{b,c}、{b,d}和{b,e},且它们的所有一项子集都是频繁项集,因此这些候选二项集为频繁二项集。此后,用频繁二项集生成候选三项集,如表3所示。
表3.候选三项集及其支持数
{a,b} | {a,c} | {a,e} | {b,c} | {b,d} | {b,e} | 支持数 | |
{a,b,c} | √ | √ | √ | 2 | |||
{a,b,e} | √ | √ | √ | 2 | |||
{a,b,d} | √ | √ | |||||
{a,c,e} | √ | √ | |||||
{b,c,d} | √ | √ | |||||
{b,c,e} | √ | √ | |||||
{b,d,e} | √ | √ |
表3的第一列列出产生的候选三项集,第一行列出频繁二项集,如果某个候选三项集的某个二项子集是频繁二项集,则行与列的交叉单元格标为√,反之则为空白;每个候选三项集都有三个二项子集,因此,对应于一个候选三项集,只有三个二项子集都为频繁项集,即,行与列交叉单元格有三个√时,才保留该候选三项集,作为频繁三项集。因此,频繁三项集应为{a,b,c}和{a,b,e},支持数都是2。由于无法产生候选四项集,候选项集全部被找到。最终挖掘出来的频繁项集及其支持数如表4所示。
表4.所有频繁项集及支持数
至此,找到了所有满足预定的最小支持数2的频繁项集。其后,根据预定义的最小置信度来筛选频繁项集,作为关联规则,即挖掘到的关系。如预定义的最小置信度为4,则支持数大于或等于4的二项集为{a,b}、{a,c}、{b,c}。
举例来说,假如a、b分别表示装置1和装置2作为供电单位开始供电(操作),则{a,b}表明装置1和装置2具有成对同时开始供电的关系(操作之间的关系)。
这些隐式关系通过数据挖掘而获得,能够在下面的优化步骤中利用所挖掘的关系。
在步骤S4中,针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
利用所确定的关系和约束条件,可以对于特定的优化目标,获得装置及其操作的优化方案。
优化目标例如是电力公司的供电平稳性、用电单位的电费最低、电网的损耗最小等。例如,当以用电单位的电费最低为优化目标时,相关约束条件包括阶梯或分时供电价格表、医院不能停电的社会规则等。
作为示例,可以采取如下的步骤确定优化方案。
首先,针对特定的优化目标,根据约束条件和所确定的关系,初始化多条寻优路径及其对应的可行候选集。
初始化的方法例如是随机将装置及其操作(与特征相关)放入寻优路径,其中,放入到寻优路径中的装置及其操作(本质上是装置及其特征和操作)应满足相关约束条件和所确定的关系。例如,放入寻优路径中的装置及其操作应不是互补出现的(关系的示例)。将与初始化寻优路径中的装置及其操作满足约束条件和所确定的关系的候选装置及其操作放入与该寻优路径对应的可行候选集中。从而,在初始化阶段,排除了部分与寻优路径中现有装置及其操作不满足约束条件和所确定的关系的装置及其操作。也就是说,可行候选集中包括候选放入对应的寻优路径的装置及其操作。
为了提高寻优效率,设置多条寻优路径同时进行。
然后,针对每条寻优路径,根据约束条件和所确定的关系计算对应的可行候选集中的装置及其操作被放入该寻优路径中的选择概率,并根据所述选择概率和约束条件,从对应的可行候选集中选择装置及其操作放入该寻优路径,直至可行候选集为空集。
选择概率的计算例如采用如下方式。
利用ξij=Dist(Rij)计算项i(装置及其操作)与项j之间的距离。Dist()为距离函数,Rij为项i和项j之间的关系。作为示例,其中Rij k为项i和j之间的第k个关系,wk为该关系的权重。关系例如可取值为上文中计算的支持数。
其中,α为距离的阻尼系数,可以通过根据经验设置不同的阻尼系数,对不同的关系给予不同的权重。为寻优路径k中第m项满足的第i个约束,例如,如果满足约束则取值为1,如果不满足约束则取值为0。n是寻优路径k对应的可行候选集ack中的第n项。可见,选择概率与项之间的关系相关,因此,如下面将更详细地描述的那样,每次迭代获得本次迭代的最优路径后,根据该最优路径更新项之间的关系,从而影响项之间的距离,进而影响选择概率的值,使得本次迭代的最优路径所表征的关系信息会在之后的迭代过程中被各条寻优路径利用以提高寻优的效率。
计算选择概率后,例如,可判断具有最高选择概率的装置及其操作是否满足约束条件(如是否与寻优路径中已有的装置及其操作互斥);如果判断为是,则将满足约束条件的装置及其操作放入该寻优路径。
重复执行上述放入步骤直至可行候选集为空集。
此时,对于所获得的若干寻优路径,根据四层模型中操作与代价的对应关系,计算寻优路径中包括的装置的操作对应的代价之和,并将代价之和最小的寻优路径作为本次迭代的最优路径。
这里,代价应是针对优化目标的代价。例如,当优化目标是电费最少时,代价是电费;当优化目标是供电平稳性时,代价是电力波动,电力波动函数例如可以表达为后一时刻的供应电量与前一时刻的供应电量的差值的平方。
根据本次迭代的最优路径更新该路径中包括的装置及其操作的关系(包括装置之间的关系、特征之间的关系、操作之间的关系)。例如,假设本次迭代的最优路径中包括两个装置,则这两个装置成对出现的关系被更新,如支持数递增1次。
应注意,在每次迭代过程中,根据本次迭代的最优路径更新该路径中包括的装置及其操作的关系。由于关系被更新,所以在下次迭代过程中,项(装置及其操作)与项之间的距离发生变化,从而导致选择概率的值发生改变。故而,本次迭代的最优路径所表征的关系信息会在之后的迭代过程中被各条寻优路径利用以提高寻优的效率。
重复迭代上述步骤直至满足预定的停止条件。预定的停止条件包括:所述迭代达到预定次数、或连续N次迭代中代价之和最小的寻优路径(即每次迭代的最优路径)不变,其中N为预定的自然数。
达到停止条件后,将当前代价之和最小的寻优路径作为优化方案。
如上所述,寻优路径中包括装置及其操作,因此,代价之和最小的寻优路径中包括的是符合约束条件和所确定的关系的、针对优化目标代价之和最小的一组装置及其操作。
例如,假设优化目标为一个包括医院和工厂的区域的电费最小,约束条件包括分时电价表、医院不能停电等,则优化获得的方案可能是医院24小时供电、工厂在电价低廉的夜间供电为主且白天某些时段限电。
优选地,对装置按类别进行分组,以类别为单位对装置进行优化。
除了进行优化,根据本发明的方法还可根据所收集的信息,如用电量、供电量、装置的操作,对智能电网中的各个装置的工作情况进行预测,如基于历史数据,生成关于用电量、供电量或装置的操作的趋势曲线,获得趋势曲线的峰值和波谷。在生成趋势曲线前,可选地对历史数据进行筛选,去除偏离其它数据过多的奇异点等。
根据预测结果,可调整供电或用电计划。如根据预测结果,某一地区的用电量将在某天显著增大而超过该地区平常的供电能力,则可相应增大该地区附近的分布式发电设备的发电量(操作),或启动备用发电设备(操作)。
通过将预测结果与实际情况进行比较,也可判断异常的发生。如某装置在某一时段的用电量明显偏离趋势曲线,则可能发生了异常。或根据预测结果某装置在某一时段内应连续用电,但实际并未用电,则也可能发生了异常。
下面将参照图3描述根据本发明的智能电网的优化设备300的结构。
图3示出了根据本发明的一个实施例的智能电网的优化设备300的示意图。所述优化设备300包括:信息收集单元301,被配置为收集智能电网中的各个装置的信息;关系确定单元302,被配置为根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及优化单元303,被配置为针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
在一个实施例中,以四层模型表征智能电网,所述四层模型包括:装置层、特征层、操作层以及代价层;其中装置层包括智能电网中的各个装置,特征层包括装置的特征,操作层包括装置的操作,代价层包括操作的代价;装置层、特征层、操作层以及代价层之间的层间关系表明装置、特征、操作、代价之间的对应关系;装置层、特征层以及操作层内部的层内关系分别表明装置本身之间的关系、特征之间的关系、操作之间的关系。
所述关系确定单元302被进一步配置为:根据所收集的信息,在装置层,仅考虑装置本身,挖掘各个装置本身之间的关系;在特征层,仅从装置的特征方面,挖掘装置的特征之间的关系;在操作层,仅从装置的操作方面,挖掘装置的操作之间的关系。
所述优化单元303包括:初始化单元,被配置为针对特定的优化目标,根据约束条件和所确定的关系,初始化多条寻优路径及其对应的可行候选集,其中每条寻优路径中包括满足约束条件和所确定的关系的装置及其操作,对应的可行候选集中包括候选放入寻优路径的装置及其操作;寻优路径调整单元,被配置为针对每条寻优路径,根据约束条件和所确定的关系计算对应的可行候选集中的装置及其操作被放入该寻优路径中的选择概率,并根据所述选择概率和约束条件,从对应的可行候选集中选择装置及其操作放入该寻优路径,直至可行候选集为空集;最佳路径选择单元,被配置为计算各条寻优路径中包括的装置的操作对应的代价之和的代价,利用代价之和最小的寻优路径更新该寻优路径中包括的装置及其操作的关系;最佳路径获得单元,被配置为指令所述初始化单元、寻优路径调整单元、最佳路径选择单元进行操作直至满足预定的停止条件,并将当前代价之和最小的寻优路径作为优化方案。
根据一个实施例,所述寻优路径调整单元被进一步配置为:判断具有最高选择概率的装置及其操作是否满足约束条件;将满足约束条件的装置及其操作放入该寻优路径。
根据一个实施例,所述预定的停止条件包括:所述迭代达到预定次数、或连续N次迭代中代价之和最小的寻优路径不变,其中N为预定的自然数。
根据一个实施例,所述优化单元303被进一步配置为对装置按类别进行分组,以类别为单位对装置进行优化。
图4示出了根据本发明的一个实施例的智能电网的优化设备300的示意图。根据该实施例,根据本发明的智能电网的优化设备300还包括:趋势预测单元304,被配置为根据所收集的信息,对各个装置的工作情况进行预测;以及调整单元305,被配置为根据预测结果,调整供电或用电计划。
图5示出了根据本发明的一个实施例的智能电网的优化设备300的示意图。根据该实施例,根据本发明的智能电网的优化设备300还包括:异常判断单元306,被配置为根据趋势预测单元304的预测结果与实际情况的比较,判断异常的发生。
所收集的信息包括用电量、供电量、装置的操作等。所述预测结果包括用电量、供电量、装置的操作的趋势曲线、峰值、波谷等。
由于在根据本发明的智能电网的优化设备300中所包括的各个单元中的处理分别与上面描述的智能电网的优化方法的步骤中的处理类似,因此为了简洁起见,在此省略这些单元的详细描述。
此外,这里尚需指出的是,上述装置中各个组成模块、单元可以通过软件、固件、硬件或其组合的方式进行配置。配置可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。在通过软件或固件实现的情况下,从存储介质或网络向具有专用硬件结构的计算机(例如图6所示的通用计算机600)安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
图6示出可用于实施根据本发明实施例的方法和设备的计算机的示意性框图。
在图6中,中央处理单元(CPU)601根据只读存储器(ROM)602中存储的程序或从存储部分608加载到随机存取存储器(RAM)603的程序执行各种处理。在RAM 603中,还根据需要存储当CPU 601执行各种处理等等时所需的数据。CPU 601、ROM 602和RAM 603经由总线604彼此连接。输入/输出接口605也连接到总线604。
下述部件连接到输入/输出接口605:输入部分606(包括键盘、鼠标等等)、输出部分607(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分608(包括硬盘等)、通信部分609(包括网络接口卡比如LAN卡、调制解调器等)。通信部分609经由网络比如因特网执行通信处理。根据需要,驱动器610也可连接到输入/输出接口605。可拆卸介质611比如磁盘、光盘、磁光盘、半导体存储器等等可以根据需要被安装在驱动器610上,使得从中读出的计算机程序根据需要被安装到存储部分608中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质611安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图6所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质611。可拆卸介质611的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 602、存储部分608中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本发明实施例的方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
此外,本发明的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露,但是,应该理解,上述的所有实施例和示例均是示例性的,而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
附记
1.一种智能电网的优化方法,包括:
收集智能电网中的各个装置的信息;
各个装置以特征和操作来表征;
根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及
针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作
2.如附记1所述的方法,还包括:
根据所收集的信息,对各个装置的工作情况进行预测;以及
根据预测结果,调整供电或用电计划。
3.如附记1所述的方法,还包括:
根据所收集的信息,对各个装置的工作情况进行预测;以及
根据预测结果与实际情况的比较,判断异常的发生。
4.如附记2或3所述的方法,其中
所收集的信息包括用电量、供电量、装置的操作,
所述预测结果包括用电量、供电量、装置的操作的趋势曲线、峰值、波谷。
5.如附记1所述的方法,其中
以四层模型表征智能电网,所述四层模型包括:装置层、特征层、操作层以及代价层;
其中装置层包括智能电网中的各个装置,特征层包括装置的特征,操作层包括装置的操作,代价层包括操作的代价;
装置层、特征层、操作层以及代价层之间的层间关系表明装置、特征、操作、代价之间的对应关系;
装置层、特征层以及操作层内部的层内关系分别表明装置本身之间的关系、特征之间的关系、操作之间的关系。
6.如附记5所述的方法,其中所述确定步骤包括:
根据所收集的信息,
在装置层,仅考虑装置本身,挖掘各个装置本身之间的关系;
在特征层,仅从装置的特征方面,挖掘装置的特征之间的关系;
在操作层,仅从装置的操作方面,挖掘装置的操作之间的关系。
7.如附记1所述的方法,其中所述优化步骤包括:
针对特定的优化目标,根据约束条件和所确定的关系,初始化多条寻优路径及其对应的可行候选集,其中每条寻优路径中包括满足约束条件和所确定的关系的装置及其操作,对应的可行候选集中包括候选放入寻优路径的装置及其操作;
针对每条寻优路径,根据约束条件和所确定的关系计算对应的可行候选集中的装置及其操作被放入该寻优路径中的选择概率,并根据所述选择概率和约束条件,从对应的可行候选集中选择装置及其操作放入该寻优路径,直至可行候选集为空集;
计算各条寻优路径中包括的装置的操作对应的代价之和的代价,利用代价之和最小的寻优路径更新该寻优路径中包括的装置及其操作的关系;
重复迭代上述步骤直至满足预定的停止条件;
将当前代价之和最小的寻优路径作为优化方案。
8.如附记7所述的方法,其中所述放入步骤包括:
判断具有最高选择概率的装置及其操作是否满足约束条件;
将满足约束条件的所述装置及其操作放入该寻优路径。
9.如附记7所述的方法,其中所述预定的停止条件包括:所述迭代达到预定次数、或连续N次迭代中代价之和最小的寻优路径不变,其中N为预定的自然数。
10.如附记1所述的方法,其中对装置按类别进行分组,以类别为单位对装置进行优化。
11.一种智能电网的优化设备,包括:
信息收集单元,被配置为收集智能电网中的各个装置的信息;
关系确定单元,被配置为根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及
优化单元,被配置为针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
12.如附记11所述的设备,还包括:
趋势预测单元,被配置为根据所收集的信息,对各个装置的工作情况进行预测;以及
调整单元,被配置为根据预测结果,调整供电或用电计划。
13.如附记11所述的设备,还包括:
趋势预测单元,被配置为根据所收集的信息,对各个装置的工作情况进行预测;以及
异常判断单元,被配置为根据预测结果与实际情况的比较,判断异常的发生。
14.如附记12或13所述的设备,其中
所收集的信息包括用电量、供电量、装置的操作,
所述预测结果包括用电量、供电量、装置的操作的趋势曲线、峰值、波谷。
15.如附记11所述的设备,其中
以四层模型表征智能电网,所述四层模型包括:装置层、特征层、操作层以及代价层;
其中装置层包括智能电网中的各个装置,特征层包括装置的特征,操作层包括装置的操作,代价层包括操作的代价;
装置层、特征层、操作层以及代价层之间的层间关系表明装置、特征、操作、代价之间的对应关系;
装置层、特征层以及操作层内部的层内关系分别表明装置本身之间的关系、特征之间的关系、操作之间的关系。
16.如附记15所述的设备,其中所述关系确定单元被进一步配置为:
根据所收集的信息,
在装置层,仅考虑装置本身,挖掘各个装置本身之间的关系;
在特征层,仅从装置的特征方面,挖掘装置的特征之间的关系;
在操作层,仅从装置的操作方面,挖掘装置的操作之间的关系。
17.如附记11所述的设备,其中所述优化单元包括:
初始化单元,被配置为针对特定的优化目标,根据约束条件和所确定的关系,初始化多条寻优路径及其对应的可行候选集,其中每条寻优路径中包括满足约束条件和所确定的关系的装置及其操作,对应的可行候选集中包括候选放入寻优路径的装置及其操作;
寻优路径调整单元,被配置为针对每条寻优路径,根据约束条件和所确定的关系计算对应的可行候选集中的装置及其操作被放入该寻优路径中的选择概率,并根据所述选择概率和约束条件,从对应的可行候选集中选择装置及其操作放入该寻优路径,直至可行候选集为空集;
最佳路径选择单元,被配置为计算各条寻优路径中包括的装置的操作对应的代价之和的代价,将代价之和最小的寻优路径更新该寻优路径中包括的装置及其操作的关系;
最佳路径获得单元,被配置为指令所述初始化单元、寻优路径调整单元、最佳路径选择单元进行操作直至满足预定的停止条件,并将当前代价之和最小的寻优路径作为优化方案。
18.如附记17所述的设备,其中所述寻优路径调整单元被进一步配置为:
判断具有最高选择概率的装置及其操作是否满足约束条件;
将满足约束条件的装置及其操作放入该寻优路径。
19.如附记17所述的设备,其中所述预定的停止条件包括:所述迭代达到预定次数、或连续N次迭代中代价之和最小的寻优路径不变,其中N为预定的自然数。
20.如附记11所述的设备,其中所述优化单元被进一步配置为对装置按类别进行分组,以类别为单位对装置进行优化。
Claims (10)
1.一种智能电网的优化方法,包括:
收集智能电网中的各个装置的信息;
各个装置以特征和操作来表征;
根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及
针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
2.如权利要求1所述的方法,还包括:
根据所收集的信息,对各个装置的工作情况进行预测;以及
根据预测结果与实际情况的比较,判断异常的发生。
3.如权利要求1所述的方法,其中
以四层模型表征所述智能电网,所述四层模型包括:装置层、特征层、操作层以及代价层;
其中装置层包括智能电网中的各个装置,特征层包括装置的特征,操作层包括装置的操作,代价层包括操作的代价;
装置层、特征层、操作层以及代价层之间的层间关系表明装置、特征、操作、代价之间的对应关系;
装置层、特征层以及操作层内部的层内关系分别表明装置本身之间的关系、特征之间的关系、操作之间的关系。
4.如权利要求3所述的方法,其中所述确定步骤包括:
根据所收集的信息,
在装置层,仅考虑装置本身,挖掘各个装置本身之间的关系;
在特征层,仅从装置的特征方面,挖掘装置的特征之间的关系;
在操作层,仅从装置的操作方面,挖掘装置的操作之间的关系。
5.如权利要求1所述的方法,其中所述优化步骤包括:
针对特定的优化目标,根据约束条件和所确定的关系,初始化多条寻优路径及其对应的可行候选集,其中每条寻优路径中包括满足约束条件和所确定的关系的装置及其操作,对应的可行候选集中包括候选放入寻优路径的装置及其操作;
针对每条寻优路径,根据约束条件和所确定的关系计算对应的可行候选集中的装置及其操作被放入该寻优路径中的选择概率,并根据所述选择概率和约束条件,从对应的可行候选集中选择装置及其操作放入该寻优路径,直至可行候选集为空集;
计算各条寻优路径中包括的装置的操作对应的代价之和,利用代价之和最小的寻优路径更新该寻优路径中包括的装置及其操作的关系;
重复迭代上述步骤直至满足预定的停止条件;
将当前代价之和最小的寻优路径作为优化方案。
6.如权利要求5所述的方法,其中所述放入步骤包括:
判断具有最高选择概率的装置及其操作是否满足约束条件;
将满足约束条件的所述装置及其操作放入该寻优路径。
7.如权利要求5所述的方法,其中所述预定的停止条件包括:所述迭代达到预定次数、或连续N次迭代中代价之和最小的寻优路径不变,其中N为预定的自然数。
8.如权利要求1所述的优化方法,其中对装置按类别进行分组,以类别为单位对装置进行优化。
9.一种智能电网的优化设备,包括:
信息收集单元,被配置为收集智能电网中的各个装置的信息;
关系确定单元,被配置为根据所收集的信息,确定各个装置本身之间的关系、特征之间的关系和操作之间的关系;以及
优化单元,被配置为针对特定的优化目标,利用所确定的关系,结合约束条件,优化各个装置的操作。
10.如权利要求9所述的设备,还包括:
趋势预测单元,被配置为根据所收集的信息,对各个装置的工作情况进行预测;以及
异常判断单元,被配置为根据预测结果与实际情况的比较,判断异常的发生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210370967.XA CN103714389B (zh) | 2012-09-28 | 2012-09-28 | 智能电网的优化方法和优化设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210370967.XA CN103714389B (zh) | 2012-09-28 | 2012-09-28 | 智能电网的优化方法和优化设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103714389A true CN103714389A (zh) | 2014-04-09 |
CN103714389B CN103714389B (zh) | 2017-08-01 |
Family
ID=50407344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210370967.XA Expired - Fee Related CN103714389B (zh) | 2012-09-28 | 2012-09-28 | 智能电网的优化方法和优化设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103714389B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104535893A (zh) * | 2014-12-23 | 2015-04-22 | 国家电网公司 | 一种基于细粒度模型的电网故障处理装置及其处理方法 |
CN106209460A (zh) * | 2016-07-14 | 2016-12-07 | 国网江苏省电力公司电力科学研究院 | 基于网络流理论的停电系统恢复路径优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102545258A (zh) * | 2012-01-12 | 2012-07-04 | 西安交通大学 | 一种大规模风电并网的电网优化规划方法 |
-
2012
- 2012-09-28 CN CN201210370967.XA patent/CN103714389B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102545258A (zh) * | 2012-01-12 | 2012-07-04 | 西安交通大学 | 一种大规模风电并网的电网优化规划方法 |
Non-Patent Citations (3)
Title |
---|
MANIEZZO, V.: "Exact and approximate nonditerministic tree search procedures for the", 《INFORMS JOURNAL OF COMPUTER》 * |
刘春水: "数据挖掘技术及其在电网调度自动化系统的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐劲松: "基于数据挖掘的变电站无功优化算法设计", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104535893A (zh) * | 2014-12-23 | 2015-04-22 | 国家电网公司 | 一种基于细粒度模型的电网故障处理装置及其处理方法 |
CN104535893B (zh) * | 2014-12-23 | 2017-08-01 | 国家电网公司 | 一种基于细粒度模型的电网故障处理装置及其处理方法 |
CN106209460A (zh) * | 2016-07-14 | 2016-12-07 | 国网江苏省电力公司电力科学研究院 | 基于网络流理论的停电系统恢复路径优化方法 |
CN106209460B (zh) * | 2016-07-14 | 2019-06-11 | 国网江苏省电力公司电力科学研究院 | 基于网络流理论的停电系统恢复路径优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103714389B (zh) | 2017-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jing et al. | Distributed or centralized? Designing district-level urban energy systems by a hierarchical approach considering demand uncertainties | |
CN104008430B (zh) | 一种构建拟境挖掘动态智能负荷预测模型的方法 | |
Papadopoulos et al. | Application of the multi-criteria analysis method Electre III for the optimisation of decentralised energy systems | |
CN106504116A (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
CN105354646A (zh) | 一种混合粒子群优化与极限学习机的电力负荷预测方法 | |
Wu et al. | Applications of wireless sensor networks for area coverage in microgrids | |
CN104008432A (zh) | 基于emd-kelm-ekf的微网短期负荷预测方法 | |
CN103699941A (zh) | 一种电力系统调度运行年方案的制定方法 | |
CN108448620A (zh) | 基于综合性能指标的高渗透率分布式电源集群划分方法 | |
CN103036231A (zh) | 一种电力负荷预测方法、装置及上位机 | |
CN104239963A (zh) | 基于灰色gm(1,1)模型查找异常电能表的方法 | |
Krishnan et al. | An IOT based efficient energy management in smart grid using DHOCSA technique | |
US20150084432A1 (en) | Power System Management Device and Method | |
Agostinelli et al. | The potential of digital twin model integrated with artificial intelligence systems | |
Al Karim et al. | A machine learning based optimized energy dispatching scheme for restoring a hybrid microgrid | |
Yi et al. | Intelligent prediction of transmission line project cost based on least squares support vector machine optimized by particle swarm optimization | |
CN109583655A (zh) | 一种发输电多阶段联合扩展规划方法及系统 | |
CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
Li et al. | Optimal design and operation method of integrated energy system based on stochastic scenario iteration and energy storage attribute evaluation | |
Miraftabzadeh et al. | K-means and alternative clustering methods in modern power systems | |
CN103150605A (zh) | 电网规划辅助系统 | |
CN103020290B (zh) | 电网信息校验方法及系统 | |
CN103714389A (zh) | 智能电网的优化方法和优化设备 | |
KR102467537B1 (ko) | 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170801 Termination date: 20180928 |
|
CF01 | Termination of patent right due to non-payment of annual fee |