CN105550947A - 一种配电网络重构方法 - Google Patents
一种配电网络重构方法 Download PDFInfo
- Publication number
- CN105550947A CN105550947A CN201610080682.0A CN201610080682A CN105550947A CN 105550947 A CN105550947 A CN 105550947A CN 201610080682 A CN201610080682 A CN 201610080682A CN 105550947 A CN105550947 A CN 105550947A
- Authority
- CN
- China
- Prior art keywords
- time
- load balancing
- distribution network
- carry out
- chromosome
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000033228 biological regulation Effects 0.000 claims abstract description 3
- 210000000349 chromosome Anatomy 0.000 claims description 42
- 230000002759 chromosomal effect Effects 0.000 claims description 31
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 230000035772 mutation Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 11
- 230000008030 elimination Effects 0.000 claims description 11
- 238000003379 elimination reaction Methods 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000006378 damage Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种配电网络重构方法,采用时间递推合并法进行配电网络重构,将某一时间区间按照时间间隔i等分为若干时间段,对各个时间段进行静态重构,根据负荷均衡化目标对各个时间段的最佳运行方式进行开关切换,判断开关操作的总数是否满足约束条件,如果不满足,则调整时间间隔i,重新进行时间段划分,直至满足约束条件,则完成配电网络重构。本发明仅仅根据馈线终端装置的量测数据,以负荷均衡化为目标,采用时间递推合并法进行配电网络重构,对于调整负荷、实行均衡用电、降低线损、节约电能具有重要作用。
Description
技术领域
本发明涉及一种配电网络重构方法。
背景技术
配电网络重构问题是一个大规模、混合整形、非线性组合优化问题。配电网络重构的目的是通过改变线路开关的状态来变换网络结构,在实现电力供需平衡的前提下,减少网络的运行损耗,并满足容量和电压等约束。绝大多数对配电网重构的研究都是以降低线损为目标的,这需要大量的馈线配电变压器负荷数据,而我国配电网的各个供出负荷(即配电变压器)一般都不量测,只有在装设FTU(FeederTerminalUnit,馈线终端装置)的配电网节点处才能得到电压与流过的功率等数据,所以配电网严重缺乏量测数据。
但是只需知道FTU的量测数据,就可以进行以负荷均衡化为目标的配电网络重构,负荷均衡率与线损率之间有较强的相关性,所以可以用以负荷均衡化为目标的配电网重构近似代替以降低线损为目标的配电网重构,这样在只能量测FTU数据的情况下就可以进行配电网重构。
发明内容
本发明提供一种配电网络重构方法,仅仅根据馈线终端装置的量测数据,以负荷均衡化为目标,采用时间递推合并法进行配电网络重构,对于调整负荷、实行均衡用电、降低线损、节约电能具有重要作用。
为了到达上述目的,本发明提供一种配电网络重构方法,采用时间递推合并法进行配电网络重构,将某一时间区间按照时间间隔i等分为若干时间段,对各个时间段进行静态重构,根据负荷均衡化目标对各个时间段的最佳运行方式进行开关切换,判断开关操作的总数是否满足约束条件,如果不满足,则调整时间间隔i,重新进行时间段划分,直至满足约束条件,则完成配电网络重构。
所述的时间间隔i为自然数,i的初始值为1,i的单位是小时。
根据网络初始信息,利用改进遗传算法对各个时间段进行静态重构,得到各个时间段内的最佳运行方式。
所述的负荷均衡化目标为:判断相邻时间段的负荷均衡率关系A是否小于相邻时间段的负荷均衡率阈值ΔS,如果是,使相邻时间段中的后一时段继续采用前一时段的最佳运行方式,如果否,进行开关切换,使后一时段采用本时间段的最佳运行方式;
其中,相邻时间段的负荷均衡率阈值ΔS为定值0.05,相邻时间段的负荷均衡率关系A=(v1-v2)/v2,v1是相邻时段中,后一时段用前一时段的最佳运行方式运行得到的负荷均衡率,v2是后一时段用其自己的最佳运行方式运行得到的负荷均衡率。
较佳地,所述的配电网络重构方法包含以下步骤:
步骤S1、将某一时间区间按照时间间隔i等分为若干时间段;
其中,i为自然数,i的初始值为1,i的单位是小时;
步骤S2、对各个时间段进行负荷预测,根据负荷预测的结果,读入网络初始信息;
所述的网络初始信息包含:支路参数、各个时间段的负荷数据;
步骤S3、根据网络初始信息,利用改进遗传算法对各个时间段进行静态重构,得到各个时间段内的最佳运行方式;
步骤S4、判断相邻时间段的重构方式是否相同,如果是,进行步骤S5,如果否,进行步骤S6;
步骤S5、将该两个时间段合并为一个时间段,进行步骤S6;
步骤S6、依次计算相邻时间段的负荷均衡率关系A=(v1-v2)/v2,其中,v1是相邻时段中,后一时段用前一时段的最佳运行方式运行得到的负荷均衡率,v2是后一时段用其自己的最佳运行方式运行得到的负荷均衡率;
步骤S7、判断相邻时间段的负荷均衡率关系A是否小于负荷均衡率阈值ΔS,如果是,进行步骤S8,如果否,进行步骤S9;
其中,负荷均衡率阈值ΔS为定值0.05;
步骤S8、使相邻时间段中的后一时段采用前一时段的最佳运行方式,进行步骤S10;
步骤S9、进行开关切换,使后一时段采用本时间段的最佳运行方式,进行步骤S10;
步骤S10、统计开关操作的总次数,判断总次数是否满足开关约束条件,如果是,则结束,如果否,则令时间间隔i=i+1,返回进行步骤S1;
其中,开关约束条件是一个固定的数值。
所述的利用改进遗传算法对各个时间段进行静态重构包含以下步骤:
步骤S301、根据网络初始信息生成初始种群模块,产生初始种群;
将配电网络中的开关状态用0和1进行编码,0表示分闸状态,1表示合闸状态,每个开关占据染色体的一位,各开关状态组合在一起形成了一条染色体,染色体的长度即为网络中所有开关的数目,初始种群模块是得到的一个染色体个体,初始种群是若干个染色体组成的染色体群体;
步骤S302、计算初始种群中各个染色体的适应度值;
适应度函数是由目标函数变换而成;
适应度函数:F(x)=0,f(x)≥Cmax);
其中,
Cmax为一个给定的常量,数值为10;f(x)为目标函数;
以负荷均衡化为目标的配电网重构目标函数:f=minRLCa;
一个配电网中所有联络开关的馈线偶的负荷均衡率最大者为该配电网的负荷均衡率RLCa:
RLCa=max[RLC1,RLC21,……,RLC2i],i∈L;
联络开关TSi的馈线偶的负荷均衡率RLCi为:
RLCi=max[lm,m,ln,n]/min[lm,m,ln,n],m,n∈x;
其中,x为馈线偶中所有源点的集合,L表示配电网中所有联络开关的馈线偶的集合;
步骤S303、按照轮盘赌方法得到每个初始种群中染色体的选择个数,并对初始种群进行精英选择;
精英选择:为了防止由于选择误差或者交叉和变异的破坏作用而导致当前群体的最佳个体在下一代丢失,把群体中适应值最高按10%的个体直接复制到下一代而不进行交叉配对;
步骤S304、按照染色体的选择个数,对相应的染色体进行淘汰选择;
从经过精英选择的群体中淘汰10%的较差个体,形成新的群体;
步骤S305、计算自适应控制后的交叉概率,进行交叉操作;
自适应交叉概率Pc:
Pc=k1(fmax-f)/(fmax-favg),f≥favg
Pc=k2,f<favg
其中,fmax是群体中的最大适应值;favg是群体平均适应值;f是要交叉的两个个体中较大的适应度值;k1和k2是大于0小于1的常数;
交叉操作:在个体码串中随机设定一个交叉点,实行交叉时,该点之后的两个染色体部分结构进行互换,生成两个新的个体;
步骤S306、计算自适应控制后的变异概率,进行变异操作;
自适应变异概率Pm:
Pn=k3(fmax-f1)/(fmax-favg),f1≥favg
Pc=k4,f1<favg
其中,f1是要变异个体的适应度值;k3和k4是大于0小于1的常数;
变异操作:依靠变异概率指定变异点,将该位置进行改变,将二进制编码中“0”变为“1”,“1”变为“0”;
步骤S307、调用消除孤岛和闭环模块进行消除闭环或消除孤岛操作;
进行交叉或变异后产生的新个体可能为不可行解,即对应的配电网结构的孤岛或闭环模块;孤岛是网络中存在与电源点不相连接的部分,即无法获得供电的部分;
步骤S308、判断是否满足终止判据,如果是,结束,如果否,进行步骤S302。
在步骤S301中,在染色体编码时删除电源点上的开关节点、T节点上的开关节点、环路之外的孤立分支上的开关节点、以及末梢点上的开关节点,构成染色体的节点集合中不存在重复节点;
对于有N个联络开关的N节点配电系统,首先产生各位全为1的染色体,然后随机地将某一个环路中参与编码的某一个开关置为断开,即染色体中对应位置0,同时将所有含有该开关的环路中的相应位置断开,接着再在剩余的环中重复前面的操作,直到所有的环路都被打开为止,此时的染色体就对应一个个体。
在步骤S303中,轮盘赌选择法包含以下步骤:
1、计算各染色体适应函数值;
2、计算种群中所有染色体的适应函数值的和;
3、计算各染色体的选择概率;
4、计算各染色体的累积概率;
5、产生一随机数,该随机数落入轮盘的哪个区域,就选择相应个体进行繁殖。
在步骤S307中,消除闭环或消除孤岛包含以下步骤:
将交叉或变异后不可行的染色体x保留,然后生成一个等长度的染色体y,染色体y除了交叉或变异区域的信息与x相同外,其余位均为1,从y的低位开始,把与x相对应位的值不相等位变成与x相同,即把1变为0,如果此时对应的结构中打开的环路数变化,则做下一位,如果不变,则y中的相应位重置1,便可消除孤岛;如果此时还有没被打开的环路,则有闭环,再消除闭环;消除闭环是在交叉或变异区域外未打开的环路中选择一些开关断开,使所有环路打开。
在步骤S308中,采用最优个体最少保持代数与最大进化代数相结合的方式作为终止判据,即设置一个最小迭代次数阈值,只有在大于这个阈值后出现指定代数内最优个体不发生变化才认为是收敛了。
本发明仅仅根据馈线终端装置的量测数据,以负荷均衡化为目标,采用时间递推合并法进行配电网络重构,对于调整负荷、实行均衡用电、降低线损、节约电能具有重要作用。
附图说明
图1是本发明提供的配电网络重构方法的流程图。
图2和图3是以2小时为时间间隔等分时间区间的示意图。
图4~图6是以3小时为时间间隔等分时间区间的示意图。
图7是利用改进遗传算法对各个时间段进行静态重构的流程图。
具体实施方式
以下根据图1~图7,具体说明本发明的较佳实施例。
如图1所示,本发明提供一种配电网络重构方法,包含以下步骤:
步骤S1、将某一时间区间按照时间间隔i等分为若干时间段;
其中,i为自然数,i的初始值为1,i的单位是小时;
步骤S2、对各个时间段进行负荷预测,根据负荷预测的结果,读入网络初始信息;
所述的网络初始信息包含:支路参数、各个时间段的负荷数据等;
步骤S3、根据网络初始信息,利用改进遗传算法对各个时间段进行静态重构,得到各个时间段内的最佳运行方式;
步骤S4、判断相邻时间段的重构方式是否相同,如果是,进行步骤S5,如果否,进行步骤S6;
步骤S5、将该两个时间段合并为一个时间段,进行步骤S6;
步骤S6、依次计算相邻时间段的负荷均衡率关系A=(v1-v2)/v2,其中,v1是相邻时段中,后一时段用前一时段的最佳运行方式运行得到的负荷均衡率,v2是后一时段用其自己的最佳运行方式运行得到的负荷均衡率;
步骤S7、判断相邻时间段的负荷均衡率关系A是否小于负荷均衡率阈值ΔS,如果是,进行步骤S8,如果否,进行步骤S9;
其中,负荷均衡率阈值ΔS为定值0.05;
步骤S8、使相邻时间段中的后一时段采用前一时段的最佳运行方式,减少了不必要的开关切换,进行步骤S10;
步骤S9、进行开关切换,使后一时段采用本时间段的最佳运行方式,进行步骤S10;
步骤S10、统计开关操作的总次数,判断总次数是否满足开关约束条件,如果是,则结束,如果否,则令时间间隔i=i+1,返回进行步骤S1;
其中,开关约束条件是一个固定的数值,与开关的型号有关。
具体来说,在步骤S1中,按照时间间隔i对时间区间进行等分,有且只有i种等分的方案:以i=2小时为例,等分方案有2种,第一种方案如图2所示,按照0~2,2~4,4~6……进行等分,第二种方案如图3所示,按照1~3,3~5,5~7……进行等分;以i=3小时为例,等分方案有3中,第一种方案如图4所示,按照0~3,3~6,6~9……进行等分,第二种方案如图5所示,按照1~4,4~7,7~10……进行等分,第三种方案如图6所示,按照2~5,5~8,8~11……进行等分。
如图7所示,所述的步骤S3中,利用改进遗传算法对各个时间段进行静态重构包含以下步骤:
步骤S301、根据网络初始信息生成初始种群模块,产生初始种群;
染色体:将网络中的开关状态用0和1进行编码,0表示分闸状态,1表示合闸状态,每个开关占据染色体的一位,各开关状态组合在一起形成了一条染色体,染色体的长度即为网络中所有开关的数目,其中,由于电源点、T节点、环路之外的孤立分支上的开关节点均必须属于合闸位置,末梢点状态不必考虑,因此在染色体编码时删除以上四类节点,同时,构成染色体的节点集合中不存在重复节点;
对于有N个联络开关的N节点配电系统,首先产生各位全为1的染色体,然后随机地将某一个环路中参与编码的某一个开关置为断开(因为环中的开关均为可操作开关),即染色体中对应位置0,同时将所有含有该开关的环路中的相应位置断开,接着再在剩余的环中重复前面的操作,直到所有的环路都被打开为止,此时的染色体就对应一个个体,同理,生成与种群规模相同个数的染色体,得到初始种群,即,初始种群模块是得到的一个染色体个体,初始种群是若干个染色体组成的染色体群体;
步骤S302、计算初始种群中各个染色体的适应度值;
适应度函数是由目标函数变换而成;
适应度函数:F(x)=0,f(x)≥Cmax);
其中,
Cmax为一个给定的常量,数值为10;f(x)为目标函数;
以负荷均衡化为目标的配电网重构目标函数:f=minRLCa;
一个配电网中所有联络开关的馈线偶的负荷均衡率最大者为该配电网的负荷均衡率RLCa:
RLCa=max[RLC1,RLC21,……,RLC2i],i∈L;
联络开关TSi的馈线偶的负荷均衡率RLCi为:
RLCi=max[lm,m,ln,n]/min[lm,m,ln,n],m,n∈x;
其中,x为馈线偶中所有源点的集合,L表示配电网中所有联络开关的馈线偶的集合。
步骤S303、按照轮盘赌方法得到每个初始种群中染色体的选择个数,并对初始种群进行精英选择;
轮盘赌选择法:是一种回放式随机采样方法,每个个体进入下一代的概率就等于它的适应度值与整个种群中个体适应度值和的比例,适应度值越高,被选中的可能性就越大,进入下一代的概率就越大,这种选择方法的误差比较大,具体步骤如下:
1、计算各染色体适应函数值;
2、计算种群中所有染色体的适应函数值的和;
3、计算各染色体的选择概率;
4、计算各染色体的累积概率;
5、产生一随机数,该随机数落入轮盘的哪个区域,就选择相应个体进行繁殖;
精英选择:为了防止由于选择误差或者交叉和变异的破坏作用而导致当前群体的最佳个体在下一代丢失,把群体中适应值最高按10%的个体直接复制到下一代而不进行交叉配对;
步骤S304、按照染色体的选择个数,对相应的染色体进行淘汰选择;
从经过精英选择的群体中淘汰10%的较差个体,形成新的群体;
步骤S305、计算自适应控制后的交叉概率,进行交叉操作;
自适应交叉概率Pc:
Pc=k1(fmax-f)/(fmax-favg),f≥favg
Pc=k2,f<favg
其中,fmax是群体中的最大适应值;favg是群体平均适应值;f是要交叉的两个个体中较大的适应度值;k1和k2是大于0小于1的常数;
交叉操作:在个体码串中随机设定一个交叉点,实行交叉时,该点之后的两个染色体部分结构进行互换,生成两个新的个体;
步骤S306、计算自适应控制后的变异概率,进行变异操作;
自适应变异概率Pm:
Pm=k3(fmax-f1)/(fmax-favg),f1≥favg
Pc=k4,f1<favg
其中,f1是要变异个体的适应度值;k3和k4是大于0小于1的常数;
变异操作:依靠变异概率指定变异点,将该位置进行改变,将二进制编码中“0”变为“1”,“1”变为“0”;
步骤S307、调用消除孤岛和闭环模块进行消除闭环或消除孤岛操作;
进行交叉或变异后产生的新个体可能为不可行解,即对应的配电网结构的孤岛或闭环模块;
孤岛:网络中存在与电源点不相连接的部分,即无法获得供电的部分;
消除闭环或消除孤岛的处理方法如下:
将交叉或变异后不可行的染色体x保留,然后生成一个等长度的染色体y,染色体y除了交叉或变异区域的信息与x相同外,其余位均为1,从y的低位开始,把与x相对应位的值不相等位变成与x相同,即把1变为0,如果此时对应的结构中打开的环路数变化,则做下一位,如果不变,则y中的相应位重置1,便可消除孤岛;如果此时还有没被打开的环路,则有闭环,再消除闭环;消除闭环是在交叉或变异区域外未打开的环路中选择一些开关断开,使所有环路打开;
步骤S308、判断是否满足终止判据,如果是,结束,如果否,进行步骤S302。
采用最优个体最少保持代数与最大进化代数相结合的方式作为终止判据,即设置一个最小迭代次数阈值,只有在大于这个阈值后出现指定代数内最优个体不发生变化才认为是收敛了,代数一般是根据经验试算。
用改进遗传算法进行配电网重构,在群体规模、选择操作、交叉率和变异率的设定上都进行了改进,具体改进包含:
群体规模:由于电源点、T节点、环路之外的孤立分支上的开关节点均必须属于合闸位置,末梢点状态不必考虑,因此在染色体编码时删除以上四类节点,同时,构成染色体的节点集合中不存在重复节点;
选择操作:将适应度比例选择法(即轮盘赌方法)和精英选择法相结合。先用适应度比例法进行选择,经配对交叉产生下一代,再利用最优个体保留法将上一代的较优个体按10%复制下来。同时,为了保持群体规模不变,需要从这个新群体中淘汰10%的较差个体;
交叉率:按照自适应遗传算法的交叉概率公式计算出来的交叉概率进行交叉操作;
变异率:按照自适应遗传算法的变异概率公式计算出来的变异概率进行变异;
本发明采用改进的编码方式和遗传操作方式可以消除孤岛和闭环,去除不可行解,提高了遗传算法的寻优效率,使遗传算法的收敛性能得到改善。
对于以负荷均衡化为目标的配电网络重构,只需得到FTU的量测数据,而不必知道馈线配电变压器量测数据,同时调整网络结构使负荷均衡,可以改变电网的可变线损,即铜损。当负荷率在0.9以下,特别低于0.8时,调整负荷降损的效果明显。一般负荷率提高1%,相对线损率下降0.7%。负荷率低于0.9的电网和大的工业用户,进行负荷调整,实行均衡用电,对于降低线损,节约电能具有重要作用。特别在精细分段不能满足馈线间的负荷转移成组进行的情况下,负荷均衡化更能达到降低线损的目的。因此以负荷均衡为目标的配电网络重构对于发展我国配电自动化具有重要意义。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种配电网络重构方法,其特征在于,采用时间递推合并法进行配电网络重构,将某一时间区间按照时间间隔i等分为若干时间段,对各个时间段进行静态重构,根据负荷均衡化目标对各个时间段的最佳运行方式进行开关切换,判断开关操作的总数是否满足约束条件,如果不满足,则调整时间间隔i,重新进行时间段划分,直至满足约束条件,则完成配电网络重构。
2.如权利要求1所述的配电网络重构方法,其特征在于,所述的时间间隔i为自然数,i的初始值为1,i的单位是小时。
3.如权利要求1所述的配电网络重构方法,其特征在于,根据网络初始信息,利用改进遗传算法对各个时间段进行静态重构,得到各个时间段内的最佳运行方式。
4.如权利要求1所述的配电网络重构方法,其特征在于,所述的负荷均衡化目标为:判断相邻时间段的负荷均衡率关系A是否小于相邻时间段的负荷均衡率阈值ΔS,如果是,使相邻时间段中的后一时段继续采用前一时段的最佳运行方式,如果否,进行开关切换,使后一时段采用本时间段的最佳运行方式;
其中,相邻时间段的负荷均衡率阈值ΔS为定值0.05,相邻时间段的负荷均衡率关系A=(v1-v2)/v2,v1是相邻时段中,后一时段用前一时段的最佳运行方式运行得到的负荷均衡率,v2是后一时段用其自己的最佳运行方式运行得到的负荷均衡率。
5.如权利要求1-4中任意一个所述的配电网络重构方法,其特征在于,包含以下步骤:
步骤S1、将某一时间区间按照时间间隔i等分为若干时间段;
其中,i为自然数,i的初始值为1,i的单位是小时;
步骤S2、对各个时间段进行负荷预测,根据负荷预测的结果,读入网络初始信息;
所述的网络初始信息包含:支路参数、各个时间段的负荷数据;
步骤S3、根据网络初始信息,利用改进遗传算法对各个时间段进行静态重构,得到各个时间段内的最佳运行方式;
步骤S4、判断相邻时间段的重构方式是否相同,如果是,进行步骤S5,如果否,进行步骤S6;
步骤S5、将该两个时间段合并为一个时间段,进行步骤S6;
步骤S6、依次计算相邻时间段的负荷均衡率关系A=(v1-v2)/v2,其中,v1是相邻时段中,后一时段用前一时段的最佳运行方式运行得到的负荷均衡率,v2是后一时段用其自己的最佳运行方式运行得到的负荷均衡率;
步骤S7、判断相邻时间段的负荷均衡率关系A是否小于负荷均衡率阈值ΔS,如果是,进行步骤S8,如果否,进行步骤S9;
其中,负荷均衡率阈值ΔS为定值0.05;
步骤S8、使相邻时间段中的后一时段采用前一时段的最佳运行方式,进行步骤S10;
步骤S9、进行开关切换,使后一时段采用本时间段的最佳运行方式,进行步骤S10;
步骤S10、统计开关操作的总次数,判断总次数是否满足开关约束条件,如果是,则结束,如果否,则令时间间隔i=i+1,返回进行步骤S1;
其中,开关约束条件是一个固定的数值。
6.如权利要求5所述的配电网络重构方法,其特征在于,所述的利用改进遗传算法对各个时间段进行静态重构包含以下步骤:
步骤S301、根据网络初始信息生成初始种群模块,产生初始种群;
将配电网络中的开关状态用0和1进行编码,0表示分闸状态,1表示合闸状态,每个开关占据染色体的一位,各开关状态组合在一起形成了一条染色体,染色体的长度即为网络中所有开关的数目,初始种群模块是得到的一个染色体个体,初始种群是若干个染色体组成的染色体群体;
步骤S302、计算初始种群中各个染色体的适应度值;
适应度函数是由目标函数变换而成;
适应度函数:F(x)=0,f(x)≥Cmax);
其中,
Cmax为一个给定的常量,数值为10;f(x)为目标函数;
以负荷均衡化为目标的配电网重构目标函数:f=minRLCa;
一个配电网中所有联络开关的馈线偶的负荷均衡率最大者为该配电网的负荷均衡率RLCa:
RLCa=max[RLC1,RLC21,……,RLC2i],i∈L;
联络开关TSi的馈线偶的负荷均衡率RLCi为:
RLCi=max[lm,m,ln,n]/min[lm,m,ln,n],m,n∈x;
其中,x为馈线偶中所有源点的集合,L表示配电网中所有联络开关的馈线偶的集合;
步骤S303、按照轮盘赌方法得到每个初始种群中染色体的选择个数,并对初始种群进行精英选择;
精英选择:为了防止由于选择误差或者交叉和变异的破坏作用而导致当前群体的最佳个体在下一代丢失,把群体中适应值最高按10%的个体直接复制到下一代而不进行交叉配对;
步骤S304、按照染色体的选择个数,对相应的染色体进行淘汰选择;
从经过精英选择的群体中淘汰10%的较差个体,形成新的群体;
步骤S305、计算自适应控制后的交叉概率,进行交叉操作;
自适应交叉概率Pc:
Pc=k1(fmax-f)/(fmax-favg),f≥favg
Pc=k2,f<favg
其中,fmax是群体中的最大适应值;favg是群体平均适应值;f是要交叉的两个个体中较大的适应度值;k1和k2是大于0小于1的常数;
交叉操作:在个体码串中随机设定一个交叉点,实行交叉时,该点之后的两个染色体部分结构进行互换,生成两个新的个体;
步骤S306、计算自适应控制后的变异概率,进行变异操作;
自适应变异概率Pm:
Pm=k3(fmax-f1)/(fmax-favg),f1≥favg
Pc=k4,f1<favg
其中,f1是要变异个体的适应度值;k3和k4是大于0小于1的常数;
变异操作:依靠变异概率指定变异点,将该位置进行改变,将二进制编码中“0”变为“1”,“1”变为“0”;
步骤S307、调用消除孤岛和闭环模块进行消除闭环或消除孤岛操作;
进行交叉或变异后产生的新个体可能为不可行解,即对应的配电网结构的孤岛或闭环模块;孤岛是网络中存在与电源点不相连接的部分,即无法获得供电的部分;
步骤S308、判断是否满足终止判据,如果是,结束,如果否,进行步骤S302。
7.如权利要求6所述的配电网络重构方法,其特征在于,在步骤S301中,在染色体编码时删除电源点上的开关节点、T节点上的开关节点、环路之外的孤立分支上的开关节点、以及末梢点上的开关节点,构成染色体的节点集合中不存在重复节点;
对于有N个联络开关的N节点配电系统,首先产生各位全为1的染色体,然后随机地将某一个环路中参与编码的某一个开关置为断开,即染色体中对应位置0,同时将所有含有该开关的环路中的相应位置断开,接着再在剩余的环中重复前面的操作,直到所有的环路都被打开为止,此时的染色体就对应一个个体。
8.如权利要求6所述的配电网络重构方法,其特征在于,在步骤S303中,轮盘赌选择法包含以下步骤:
1、计算各染色体适应函数值;
2、计算种群中所有染色体的适应函数值的和;
3、计算各染色体的选择概率;
4、计算各染色体的累积概率;
5、产生一随机数,该随机数落入轮盘的哪个区域,就选择相应个体进行繁殖。
9.如权利要求6所述的配电网络重构方法,其特征在于,在步骤S307中,消除闭环或消除孤岛包含以下步骤:
将交叉或变异后不可行的染色体x保留,然后生成一个等长度的染色体y,染色体y除了交叉或变异区域的信息与x相同外,其余位均为1,从y的低位开始,把与x相对应位的值不相等位变成与x相同,即把1变为0,如果此时对应的结构中打开的环路数变化,则做下一位,如果不变,则y中的相应位重置1,便可消除孤岛;如果此时还有没被打开的环路,则有闭环,再消除闭环;消除闭环是在交叉或变异区域外未打开的环路中选择一些开关断开,使所有环路打开。
10.如权利要求6所述的配电网络重构方法,其特征在于,在步骤S308中,采用最优个体最少保持代数与最大进化代数相结合的方式作为终止判据,即设置一个最小迭代次数阈值,只有在大于这个阈值后出现指定代数内最优个体不发生变化才认为是收敛了。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610080682.0A CN105550947A (zh) | 2016-02-04 | 2016-02-04 | 一种配电网络重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610080682.0A CN105550947A (zh) | 2016-02-04 | 2016-02-04 | 一种配电网络重构方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105550947A true CN105550947A (zh) | 2016-05-04 |
Family
ID=55830125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610080682.0A Pending CN105550947A (zh) | 2016-02-04 | 2016-02-04 | 一种配电网络重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550947A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334950A (zh) * | 2018-04-17 | 2018-07-27 | 国网冀北电力有限公司唐山供电公司 | 一种应用单亲遗传算法的配电网络重构方法 |
CN110348048A (zh) * | 2019-05-31 | 2019-10-18 | 国网河南省电力公司郑州供电公司 | 基于考虑热岛效应负荷预测的配电网优化重构方法 |
CN114243711A (zh) * | 2021-12-23 | 2022-03-25 | 福州大学 | 基于变化支路影响域的大型电网电压暂降评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050010334A1 (en) * | 1999-09-13 | 2005-01-13 | Takashi Yabutani | Energy-saving service offering method and apparatus therefor |
CN105023069A (zh) * | 2015-08-10 | 2015-11-04 | 国网上海市电力公司 | 一种配电网络重构方法 |
-
2016
- 2016-02-04 CN CN201610080682.0A patent/CN105550947A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050010334A1 (en) * | 1999-09-13 | 2005-01-13 | Takashi Yabutani | Energy-saving service offering method and apparatus therefor |
CN105023069A (zh) * | 2015-08-10 | 2015-11-04 | 国网上海市电力公司 | 一种配电网络重构方法 |
Non-Patent Citations (1)
Title |
---|
铁继涛: "基于稀少量测数据下的配电网络动态重构研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334950A (zh) * | 2018-04-17 | 2018-07-27 | 国网冀北电力有限公司唐山供电公司 | 一种应用单亲遗传算法的配电网络重构方法 |
CN110348048A (zh) * | 2019-05-31 | 2019-10-18 | 国网河南省电力公司郑州供电公司 | 基于考虑热岛效应负荷预测的配电网优化重构方法 |
CN110348048B (zh) * | 2019-05-31 | 2022-09-30 | 国网河南省电力公司郑州供电公司 | 基于考虑热岛效应负荷预测的配电网优化重构方法 |
CN114243711A (zh) * | 2021-12-23 | 2022-03-25 | 福州大学 | 基于变化支路影响域的大型电网电压暂降评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103036234B (zh) | 一种配电网防误优化方法 | |
Miranda et al. | Evolutionary computation in power systems | |
CN108957226B (zh) | 一种适用于分布式电源接入配电网的故障馈线定位方法 | |
CN110490376B (zh) | 面向配电网可靠性和经济性提升的智能软开关规划方法 | |
CN108683186B (zh) | 一种面向供电能力提升的配电网双层扩展规划方法 | |
CN108154249B (zh) | 一种馈线终端优化配置方法及装置 | |
CN103136585B (zh) | 基于混沌遗传策略的加权Voronoi图变电站规划方法 | |
CN105550947A (zh) | 一种配电网络重构方法 | |
CN111709632A (zh) | 基于人工智能和多目标约束的停电计划自动编排方法 | |
CN104867062A (zh) | 一种基于遗传算法的低损耗配电网络的优化重构方法 | |
CN105719024A (zh) | 一种基于irp的配电网规划方法 | |
CN108155649A (zh) | 一种考虑dg不确定性的配电网网架模糊规划方法 | |
CN104866921A (zh) | 一种基于安全域的配电系统网络重构方法 | |
CN109449934A (zh) | 一种基于高压配电网分区重构的输电网阻塞管控方法 | |
Hong et al. | Genetic algorithm based network reconfiguration for loss minimization in distribution systems | |
CN107808256A (zh) | 一种基于机会约束规划的地区高压配电网转供方法 | |
CN107706907A (zh) | 一种配电网络重构方法和装置 | |
CN113673065A (zh) | 一种配电网络自动重构的降损方法 | |
CN110932270B (zh) | 一种包含柔性开关的配电网故障恢复方法和装置 | |
CN108683189A (zh) | 基于高维多目标演化算法的配电网重构方法、装置及设备 | |
CN110380407B (zh) | 一种考虑农业电排灌负荷的配电网运行优化方法 | |
Ganesan et al. | Regular paper distribution system reconfiguration for loss reduction using genetic algorithm | |
CN112001474A (zh) | 一种配电网的配电终端设备优化配置方法 | |
CN103116805B (zh) | 一种更新遗传种群的分段替换方法 | |
CN111884335B (zh) | 一种基于分段开关重要程度的馈线自动化终端优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160504 |
|
RJ01 | Rejection of invention patent application after publication |