CN104217252B - 基于遗传算法的输电网潮流图自动布局优化算法及系统 - Google Patents

基于遗传算法的输电网潮流图自动布局优化算法及系统 Download PDF

Info

Publication number
CN104217252B
CN104217252B CN201410436530.0A CN201410436530A CN104217252B CN 104217252 B CN104217252 B CN 104217252B CN 201410436530 A CN201410436530 A CN 201410436530A CN 104217252 B CN104217252 B CN 104217252B
Authority
CN
China
Prior art keywords
node
population
chromosome
algorithm
arrangement
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.)
Expired - Fee Related
Application number
CN201410436530.0A
Other languages
English (en)
Other versions
CN104217252A (zh
Inventor
李卫国
王正风
戴长春
赵学会
王栋
王松
朱六璋
夏同飞
刘祥
余丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Anhui Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
Original Assignee
State Grid Anhui Electric Power Co Ltd
Anhui Jiyuan Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Anhui Electric Power Co Ltd, Anhui Jiyuan Software Co Ltd filed Critical State Grid Anhui Electric Power Co Ltd
Priority to CN201410436530.0A priority Critical patent/CN104217252B/zh
Publication of CN104217252A publication Critical patent/CN104217252A/zh
Application granted granted Critical
Publication of CN104217252B publication Critical patent/CN104217252B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks
    • 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

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于遗传算法的输电网潮流图自动布局优化算法及系统。该算法包括以下步骤：一，初始化电网拓扑信息，读取电网拓扑中与设备列表相关的节点集NC。二、创建初始种群P，并设定节点遍历计数i，从1遍历至x；生成随机数Rand，从节点集NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中。三、计算种群P中每个染色体Pi的适应度值。四、对种群P中的每个染色体Pi执行交叉操作和变异操作。五、判断分析员是否给出了结束生成的命令。六、展示最终排布结果。本发明的算法及系统能够解决现有的潮流分析过程中，需要花费大量时间对输电网络节点和线路进行手动调整而使电网网损分析效率低下的问题。

Description

基于遗传算法的输电网潮流图自动布局优化算法及系统
技术领域
本发明涉及电力系统技术领域，具体涉及一种基于变长染色体遗传算法的输电网潮流图自动布局优化算法及使用该算法实现的输电网潮流图自动布局优化系统。
背景技术
在电力市场环境下，为了掌握输电网络中节点的运营成本，需要对输电网络进行网损分析。由于输电网络网损分析过程涉及到省市级别潮流图显示以及1000kV、500kV、220kV、110kV与35kV等多个电压等级，使网损分析过程难度非常大。大大增加了网损分析的难度。因此，需要对一个网损的潮流分析方案进行可视化展示，并由分析人员对节点和线路进行动态调整。
目前，大量的线路和节点调整都是由分析人员手动完成的，手动进行线路布局不仅符合分析人员的使用习惯，还能使节点和线路布局在兼顾地理位置的情况下完成结构的抽象。但随着输电网节点数的不断增多，手动调整输电网络节点和线路，进行增加、删除、修改操作非常耗时耗力。因此，在潮流分析过程中，分析人员需要花费大量时间进行输电网络节点和线路的局部调整，这将导致电网网损分析效率低下。
发明内容
本发明的目的在于提供一种基于变长染色体遗传算法的输电网潮流图自动布局优化算法及使用该算法实现的输电网潮流图自动布局优化系统。该算法及系统能够解决现有的潮流分析过程中，需要花费大量时间对输电网络节点和线路进行手动调整而使电网网损分析效率低下的问题。
为实现上述目的，本发明采用了以下技术方案：一种基于遗传算法的输电网潮流图自动布局优化算法，该算法包括以下步骤：
(1)初始化电网拓扑信息，读取电网拓扑中与设备列表相关的节点集合NC，节点集合NC中的各节点用NCi表示。所述的站外电气拓扑为基于XML格式或者二进制格式。
(2)创建初始种群P，并设定节点遍历计数i，从1遍历至x；生成随机数Rand，从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中。
(3)设定迭代次数t，初始化迭代次数t＝0。
(4)根据公式计算种群P中每个染色体Pi的适应度值。
其中，Gi为一个特定供区，E(Gi)为该供区的能量值，n为Pi所包含的NCi的个数。
(5)判断迭代次数t是否大于m。
若是，则执行步骤(6)；
若否，则对种群P中的每个染色体Pi执行交叉操作和变异操作，迭代次数t＝t+1，返回步骤(4)。
(6)判断分析员是否给出了结束生成的命令，如果给出则停止自动生成过程，执行步骤(7)；若未给出则跳转至步骤(2)。
(7)输出自动排布结果，即输电网络局部拓扑图。
进一步的，步骤(1)中所述的初始化电网拓扑信息包括以下步骤：
(1.1)从数据库获取站外电气拓扑，包括节点集合NC和线路集合L；节点集合NC中的各节点用NCi表示，线路集合L中的各线路用Li表示。
(1.2)读取设备列表C，设备列表C中的各设备用Ci表示，且Ci的节点类型为母线或开关。
(1.3)读取供区列表G，供区列表G中的各供区用Gi表示，且Ci和Gi一一对应。
进一步的，步骤(2)中所述的“创建初始种群P，并设定节点遍历计数i，从1遍历至x；从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中”的具体过程为：
(2.1)创建初始种群P；
(2.2)设定节点遍历计数i，从1遍历至x；
(2.3)生成随机数Rand，从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中；
(2.4)节点遍历计数器i自加1，即i＝i+1；判断i是否等于x，如果不相等则跳转至步骤(2.3)。
进一步的，步骤(4)中所述的“根据公式计算种群P中每个染色体Pi的适应度值”具体过程为：
(4.1)遍历种群P中的每个染色体Pi，获取Pi中NCi的状态；
(4.2)对NCi的状态取反，将取反后的NCi的状态值设置到SCADA系统中；
(4.3)从SCADA系统返回该染色体状态下，根据公式计算种群P中每个染色体Pi的适应度值Fit(Pi)；其中，Gi为一个特定供区，E(Gi)为该供区的能量值，n为Pi所包含的NCi的个数。
进一步的，步骤(5)中所述的“对种群P中的每个染色体Pi执行交叉操作和变异操作”的具体过程为：
(5.1)设定节点遍历计数j，从1遍历至y；
(5.2)执行交叉操作，操作算子为Cross(Pi,Pj)，从种群P中任意选取两个染色体Pi和Pj，随机选取Pi中的一个NCi与Pj中的一个NCj进行互换；
(5.3)执行变异操作，操作算子为Mutate(Pi)，从种群P中任意选择一个染色体Pi，随机从节点集合NC中获取一个节点NCi加入到染色体Pi中。
(5.4)节点遍历计数器j自加1，即j＝j+1；判断j是否等于y，如果不相等则跳转至步骤(5.2)。
更进一步的，本发明还涉及一种根据上述基于遗传算法的输电网潮流图自动布局优化算法的优化系统，该优化系统包括布局计算子系统和人机交互子系统。
所述的布局计算子系统包括电网数据库交互模块、渐进式排布模块、动态排布的中间结果输出模块、最终排布结果输出模块。所述的电网数据库交互模块，用于和电网数据库进行交互，从电网数据库获得电网拓扑数据信息。所述的渐进式排布模块，用于通过基于遗传算法的输电网潮流图自动布局优化算法、对电网数据节点和线路进行排布。所述的动态排布的中间结果输出模块，用于在排布过程中，将渐进式排布的数据结果按特定的形式显示出来。所述的最终排布结果输出模块，用于将最终结果以图像方式显示出来。
所述的人机交互子系统包括排布节点与线路选择界面、中间布局显示模块、人工修正模块和最终结果显示模块。所述的排布节点与线路选择界面，用于为分析人员提供选择节点和线路的界面。所述的中间布局显示模块，用于将排布过程中产生的中间结果以动态图的形式显示出来。所述的人工修正模块，用于与分析员进行交互、人工选择排布的走向。所述的最终结果显示模块，用于将系统产生的最终结果数据以SVG图像的形式展示给分析人员。
由以上技术方案可知，本发明通过采用基于变长染色体遗传算法的输电网潮流图自动布局优化算法及系统，能够快速有效的依据当前可视化电网拓扑结果进行局部寻优，在1ms至10s的较短时间内给出一个相对合理的排布模式。从而能够大大提高电网网损分析效率。本发明所述的优化算法及优化系统具有渐进式布局生成、互动排布、快速自动生成等特点。
附图说明
图1是本发明输电网潮流图自动布局优化算法的流程图；
图2是本发明输电网潮流图自动布局优化系统的结构示意图。
具体实施方式
下面结合附图对本发明做进一步说明：
如图1所示，一种基于遗传算法的输电网潮流图自动布局优化算法，该算法包括以下步骤：
(1)从数据库获取站外电气拓扑，包括节点集合NC和线路集合L；节点集合NC中的各节点用NCi表示，线路集合L中的各线路用Li表示。
(2)从数据库读取设备列表C，设备列表C中的各设备用Ci表示，且Ci的节点类型为母线或开关。
(3)从数据库读取供区列表G，供区列表G中的各供区用Gi表示，且Ci和Gi一一对应。
(4)读取电网拓扑中与设备列表相关的节点集合NC，节点集合NC中的各节点用NCi表示。
(5)创建初始种群P。创建初始种群P后，要迭代30次，向初始种群P中添加元素。
(6)设定节点遍历计数i，从1遍历至x。优选的，x的取值为30。
(7)生成随机数Rand，从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中。随机数Rand的取值范围为：1至节点集合NC中节点NCi的个数。
(8)节点遍历计数器i自加1，即i＝i+1；判断i是否等于x，如果不相等则跳转至步骤(2.3)。
(9)设定迭代次数t，初始化迭代次数t＝0。迭代次数t表示当前种群是初始种群的第几代。
(10)遍历种群P中的每个染色体Pi，获取Pi中NCi的状态；
(11)对NCi的状态取反，将取反后的NCi的状态值设置到SCADA系统中。
(12)从SCADA系统返回该染色体状态下，根据公式计算种群P中每个染色体Pi的适应度值Fit(Pi)；其中，Gi为一个特定供区，E(Gi)为该供区的能量值，n为Pi所包含的NCi的个数。
(13)判断迭代次数t是否大于m。优选的，m的取值为100。若是，则执行步骤(19)；若否，则执行步骤(14)。
(14)设定节点遍历计数j，从1遍历至y。优选的，y的取值为30。
(15)执行交叉操作，操作算子为Cross(Pi,Pj)，从种群P中任意选取两个染色体Pi和Pj，随机选取Pi中的一个NCi与Pj中的一个NCj进行互换。
(16)执行变异操作，操作算子为Mutate(Pi)，从种群P中任意选择一个染色体Pi，随机从节点集合NC中获取一个节点NCi加入到染色体Pi中。
(17)节点遍历计数器j自加1，即j＝j+1；判断j是否等于y，如果不相等则跳转至步骤(15)。
(18)迭代次数t＝t+1，返回步骤(10)。
(19)判断分析员是否给出了结束生成的命令，如果给出则停止自动生成过程，执行步骤(20)；若未给出则跳转至步骤(5)。
(20)输出自动排布结果，即输电网络局部拓扑图。
如图2所示，本发明还涉及一种根据上述基于遗传算法的输电网潮流图自动布局优化算法的优化系统，该优化系统包括布局计算子系统和人机交互子系统。
所述的布局计算子系统包括电网数据库交互模块、渐进式排布模块、动态排布的中间结果输出模块、最终排布结果输出模块。所述的电网数据库交互模块，用于和电网数据库进行交互，从电网数据库获得电网拓扑数据信息。所述的渐进式排布模块，用于通过基于遗传算法的输电网潮流图自动布局优化算法、对电网数据节点和线路进行排布。所述的动态排布的中间结果输出模块，用于在排布过程中，将渐进式排布的数据结果按特定的形式显示出来。所述的最终排布结果输出模块，用于将最终结果以图像方式显示出来。
所述的人机交互子系统包括排布节点与线路选择界面、中间布局显示模块、人工修正模块和最终结果显示模块。所述的排布节点与线路选择界面，用于为分析人员提供选择节点和线路的界面。所述的中间布局显示模块，用于将排布过程中产生的中间结果以动态图的形式显示出来。所述的人工修正模块，用于与分析员进行交互、人工选择排布的走向。所述的最终结果显示模块，用于将系统产生的最终结果数据以SVG图像的形式展示给分析人员。
本发明的工作原理：
本发明在子系统中引入了遗传算法的概念，遗传算法是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。在本系统中对标准遗传算法进行了改进，使之更能适应电网拓扑布局的特别要求。其主要特点是直接对电气拓扑中的主站、母线、变压器、开关等结构以对象的方式进行操作，因此不存在求导和函数连续性的限定，那么子系统就具有内在的隐并行性和更好的全局寻优能力。之后，算法采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (2)

1.基于遗传算法的输电网潮流图自动布局优化算法，其特征在于：该算法包括以下步骤：
(1)初始化电网拓扑信息，读取电网拓扑中与设备列表相关的节点集合NC，节点集合NC中的各节点用NCi表示；
(2)创建初始种群P，并设定节点遍历计数i，从1遍历至x；生成随机数Rand，从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中；
(3)设定迭代次数t，初始化迭代次数t＝0；
(4)根据公式计算种群P中每个染色体Pi的适应度值；
其中，Gi为一个特定供区，E(Gi)为该供区的能量值，n为Pi所包含的NCi的个数；
(5)判断迭代次数t是否大于m；
若是，则执行步骤(6)；
若否，则对种群P中的每个染色体Pi执行交叉操作和变异操作，迭代次数t＝t+1，返回步骤(4)；
(6)判断分析员是否给出了结束生成的命令，如果给出则停止自动生成过程，执行步骤(7)；若未给出则跳转至步骤(2)；
(7)输出自动排布结果，即输电网络局部拓扑图；
步骤(1)中所述的初始化电网拓扑信息包括以下步骤：
(1.1)从数据库获取站外电气拓扑，包括节点集合NC和线路集合L；节点集合NC中的各节点用NCi表示，线路集合L中的各线路用Li表示；
(1.2)读取设备列表C，设备列表C中的各设备用Ci表示，且Ci的节点类型为母线或开关；
(1.3)读取供区列表G，供区列表G中的各供区用Gi表示，且Ci和Gi一一对应；
步骤(2)中所述的“创建初始种群P，并设定节点遍历计数i，从1遍历至x；生成随机数Rand，从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中”的具体过程为：
(2.1)创建初始种群P；
(2.2)设定节点遍历计数i，从1遍历至x；
(2.3)生成随机数Rand，从节点集合NC中随机选取Rand个NCi，组成染色体Pi，将Pi添加至种群P中；
(2.4)节点遍历计数器i自加1，即i＝i+1；判断i是否等于x，如果不相等则跳转至步骤(2.3)；
步骤(4)中所述的“根据公式计算种群P中每个染色体Pi的适应度值”具体过程为：
(4.1)遍历种群P中的每个染色体Pi，获取Pi中NCi的状态；
(4.2)对NCi的状态取反，将取反后的NCi的状态值设置到SCADA系统中；
(4.3)从SCADA系统返回该染色体状态下，根据公式计算种群P中每个染色体Pi的适应度值Fit(Pi)；其中，Gi为一个特定供区，E(Gi)为该供区的能量值，n为Pi所包含的NCi的个数；
步骤(5)中所述的“对种群P中的每个染色体Pi执行交叉操作和变异操作”的具体过程为：
(5.1)设定节点遍历计数j，从1遍历至y；
(5.2)执行交叉操作，操作算子为Cross(Pi,Pj)，从种群P中任意选取两个染色体Pi和Pj，随机选取Pi中的一个NCi与Pj中的一个NCj进行互换；
(5.3)执行变异操作，操作算子为Mutate(Pi)，从种群P中任意选择一个染色体Pi，随机从节点集合NC中获取一个节点NCi加入到染色体Pi中；
(5.4)节点遍历计数器j自加1，即j＝j+1；判断j是否等于y，如果不相等则跳转至步骤(5.2)。
2.根据权利要求1所述的基于遗传算法的输电网潮流图自动布局优化算法的优化系统，其特征在于：包括布局计算子系统和人机交互子系统；
所述的布局计算子系统包括电网数据库交互模块、渐进式排布模块、动态排布的中间结果输出模块、最终排布结果输出模块；所述的电网数据库交互模块，用于和电网数据库进行交互，从电网数据库获得电网拓扑数据信息；所述的渐进式排布模块，用于通过基于遗传算法的输电网潮流图自动布局优化算法、对电网数据节点和线路进行排布；所述的动态排布的中间结果输出模块，用于在排布过程中，将渐进式排布的数据结果按特定的形式显示出来；所述的最终排布结果输出模块，用于将最终结果以图像方式显示出来；
所述的人机交互子系统包括排布节点与线路选择界面、中间布局显示模块、人工修正模块和最终结果显示模块；所述的排布节点与线路选择界面，用于为分析人员提供选择节点和线路的界面；所述的中间布局显示模块，用于将排布过程中产生的中间结果以动态图的形式显示出来；所述的人工修正模块，用于与分析员进行交互、人工选择排布的走向；所述的最终结果显示模块，用于将系统产生的最终结果数据以SVG图像的形式展示给分析人员。
CN201410436530.0A 2014-08-29 2014-08-29 基于遗传算法的输电网潮流图自动布局优化算法及系统 Expired - Fee Related CN104217252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410436530.0A CN104217252B (zh) 2014-08-29 2014-08-29 基于遗传算法的输电网潮流图自动布局优化算法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410436530.0A CN104217252B (zh) 2014-08-29 2014-08-29 基于遗传算法的输电网潮流图自动布局优化算法及系统

Publications (2)

Publication Number Publication Date
CN104217252A CN104217252A (zh) 2014-12-17
CN104217252B true CN104217252B (zh) 2018-01-26

Family

ID=52098712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410436530.0A Expired - Fee Related CN104217252B (zh) 2014-08-29 2014-08-29 基于遗传算法的输电网潮流图自动布局优化算法及系统

Country Status (1)

Country Link
CN (1) CN104217252B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104618134B (zh) * 2014-12-25 2018-05-01 国家电网公司 一种配电通信网多级分光无源光网络优化方法
CN104809657A (zh) * 2015-04-14 2015-07-29 国网黑龙江省电力有限公司鹤岗供电公司 基于遗传算法的变电站图形建模自动校验方法
US10489713B1 (en) * 2015-08-26 2019-11-26 Psibernetix, Inc. Self-optimized system and method using a fuzzy genetic algorithm
CN109462493B (zh) * 2018-09-13 2021-12-28 国网浙江省电力有限公司丽水供电公司 一种基于ping的局域网络监测方法
CN112241812B (zh) * 2020-10-20 2023-10-03 江苏其厚智能电气设备有限公司 基于单边优化与遗传算法协作的低压配电网拓扑识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927377A (zh) * 2014-04-28 2014-07-16 国网浙江海盐县供电公司 基于虚拟关联能量的电网潮流图厂站节点排布方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927377A (zh) * 2014-04-28 2014-07-16 国网浙江海盐县供电公司 基于虚拟关联能量的电网潮流图厂站节点排布方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于模拟退火法的输电网潮流图的自动布局研究;王云;《中国优秀硕士学位论文全文数据库 程科技Ⅱ辑》;20120215;C042-474 *
基于遗传算法的城市中压配电网规划自动布线;闫大威;《中国优秀硕士学位论文全文数据库 程科技Ⅱ辑》;20060715;C042-88 *
能量管理系统中电网潮流单线图自动生成算法;沈伟 等;《电力系统自动化》;20100325;第34卷(第6期);第48-52页 *
输电网单线图自生成的新方法;王治华 等;《电力系统保护与控制》;20100916;第38卷(第18期);第156页第1节，第158页第3节 *

Also Published As

Publication number Publication date
CN104217252A (zh) 2014-12-17

Similar Documents

Publication Publication Date Title
CN104217252B (zh) 基于遗传算法的输电网潮流图自动布局优化算法及系统
Ha et al. A hybrid genetic particle swarm optimization for distributed generation allocation in power distribution networks
Jordehi Optimisation of electric distribution systems: A review
Rojas-Zerpa et al. Application of multicriteria decision methods for electric supply planning in rural and remote areas
Younes et al. Multi-objective economic emission dispatch solution using hybrid FFA (firefly algorithm) and considering wind power penetration
Mets et al. Integrated simulation of power and communication networks for smart grid applications
Kremers Modelling and simulation of electrical energy systems through a complex systems approach using agent-based models
Mahdavi et al. Test distribution systems: network parameters and diagrams of electrical structural
CN110348048B (zh) 基于考虑热岛效应负荷预测的配电网优化重构方法
Kumar et al. A hybrid multi-agent based particle swarm optimization algorithm for economic power dispatch
Unsihuay-Vila et al. Multistage expansion planning of generation and interconnections with sustainable energy development criteria: A multiobjective model
Mahdavi et al. Transmission expansion planning considering power losses, expansion of substations and uncertainty in fuel price using discrete artificial bee colony algorithm
Gupta et al. Reconfiguration of distribution systems for real power loss minimization using adaptive particle swarm optimization
Li et al. Design of a high capacity inter-regional transmission overlay for the US
Pflugradt et al. Analysing low-voltage grids using a behaviour based load profile generator
Lu et al. Robust economic/emission dispatch considering wind power uncertainties and flexible operation of carbon capture and storage
Bhattacharyya et al. Optimal reactive power management problem: A solution using evolutionary algorithms
Abbasi et al. Energy expansion planning by considering electrical and thermal expansion simultaneously
CN102403718A (zh) 基于Arcgis的电网拓扑关系生成方法
CN107742169A (zh) 一种基于复杂网络的城市公交网络系统构建方法及性能评估方法
Shi et al. A dynamic data-driven approach for operation planning of microgrids
CN107681655A (zh) 一种潮汐流能发电场协调规划方法
Gonidakis Application of flower pollination algorithm to multi-objective environmental/economic dispatch
CN104881708A (zh) 基于拓扑修正的配电网重构方法
Hertz et al. Design of a wind farm collection network when several cable types are available

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 230022 Mount Huangshan Road, Anhui, China, No. 9, No.

Applicant after: State Grid Anhui Electric Power Company

Applicant after: ANHUI JIYUAN SOFTWARE CO., LTD.

Address before: 230022 Mount Huangshan Road, Anhui, China, No. 9, No.

Applicant before: State Grid Anhui Electric Power Company

Applicant before: Anhui Nari Jiyuan Software Co., Ltd.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Li Weiguo

Inventor after: Yu Li

Inventor after: Wang Zhengfeng

Inventor after: Dai Changchun

Inventor after: Zhao Xuehui

Inventor after: Wang Dong

Inventor after: Wang Song

Inventor after: Zhu Liuzhang

Inventor after: Xia Tongfei

Inventor after: Liu Xiang

Inventor before: Wang Zhengfeng

Inventor before: Dai Changchun

Inventor before: Wang Song

Inventor before: Zhao Xuehui

Inventor before: Zhu Liuzhang

Inventor before: Xia Tongfei

Inventor before: Liu Xiang

Inventor before: Yu Li

Inventor before: Qin Ting

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180126

Termination date: 20200829