CN107404122A - 一种基于遗传调相算法的不平衡台区的调相方法及装置 - Google Patents
一种基于遗传调相算法的不平衡台区的调相方法及装置 Download PDFInfo
- Publication number
- CN107404122A CN107404122A CN201710581752.5A CN201710581752A CN107404122A CN 107404122 A CN107404122 A CN 107404122A CN 201710581752 A CN201710581752 A CN 201710581752A CN 107404122 A CN107404122 A CN 107404122A
- Authority
- CN
- China
- Prior art keywords
- phase
- phase modulation
- sample plan
- point
- primary sample
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase 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
- 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
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种基于遗传调相算法的不平衡台区的调相方法及装置,根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。可见,本申请提供的技术方案,不仅采用数据采集点的三相电流作为数据基础,还利用遗传调相算法进行迭代,最终确定的最优调相方案能够快速准确地保证配电台区的三相平衡。
Description
技术领域
本发明涉及配电技术领域,更具体的说,是涉及一种基于遗传调相算法的不平衡台区的调相方法及装置。
背景技术
随着特高压电网建设的完善,配网运行情况逐渐成为了人们关注的重点,配网的台区三相不平衡问题也受到越来越多的关注。三相不平衡一方面会造成配电变压器损耗增大,零序电流增大,影响配变的安全稳定运行;另一方面会加大配网线路损耗,导致用户高、低电压问题,影响用户的供电电压质量。因此,对三相不平衡问题的治理就显得尤为重要。
在现有技术中,可以采用相序调整的方法来治理配电台区内所存在的三相不平衡问题。相序调整简称为调相,是通过分析台区所有用户或支线一段时间内三相负荷随时间的变化情况,通过一定的用户调整算法,获得用户或支线的调整方式并进行调整,从而达到三相负荷基本平衡的目标。
但是,已有的不平衡台区的调相方法通常是简单的以三相不平衡度在合格范围内为调整目标,采用用户一段时间的电量累积作为数据基础进行三相调整,没有考虑负荷变化对三相不平衡度的影响,可能使台区在某些时段的三相不平衡情况更为严重。
发明内容
有鉴于此,本发明提供了一种基于遗传调相算法的不平衡台区的调相方法及装置,能够快速准确地保证配电台区的三相平衡。
为实现上述目的,本发明提供如下技术方案:
一种基于遗传调相算法的不平衡台区的调相方法,包括:
根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;
根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;
根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。
优选地,所述根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案,包括:
将每个所述数据采集点采集的三相电流确定为三个对应的负荷;
遍历每个所述负荷在任意一相上运行时的相序分配方式,并删除三个所述负荷在同一相上运行的相序分配方式和任意两个所述负荷在同一相上运行的相序分配方式,保留剩余的至少一个相序分配方式;
根据剩余的至少一个相序分配方式,为所述配电台区生成X个初代样本方案;每个所述初代样本方案均为每个所述分区安排了一种不同的相序分配方式。
优选地,所述根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,包括:
根据每个所述初代样本方案的综合不平衡度指标以及调整接线点比例,分别计算每个所述初代样本方案的适应度值;
以所述适应度值大小占所有所述适应度值之和的比例概率,从X个所述初代样本方案中选择X/2个方案;
将X/2个所述方案两两分组,在每一组的两个所述方案中随机选择一个点,并交换每一组的两个所述方案在选择的点之后的相位排列,生成X个子代样本方案;
按照预设的变异概率k随机挑选所述子代样本方案,并随机选择挑选出的所述子代样本方案中的一个点,改变挑选出的所述子代样本方案中在选择的点及之后的变异步长z点的排列方式,完成一次迭代过程。
优选地,所述在达到预设迭代次数后,确定历次迭代后得到的最优调相方案,包括:
重复所述迭代过程,判断是否达到预设迭代次数;
在达到所述预设迭代次数后,确定历次迭代后得到的所述适应度值最高的样本方案,作为所述最优调相方案。
一种基于遗传调相算法的不平衡台区的调相装置,包括:
获取模块,用于根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;
生成模块,用于根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;
确定模块,用于根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。
优选地,所述生成模块,包括:
确定单元,用于将每个所述数据采集点采集的三相电流确定为三个对应的负荷;
遍历单元,用于遍历每个所述负荷在任意一相上运行时的相序分配方式,并删除三个所述负荷在同一相上运行的相序分配方式和任意两个所述负荷在同一相上运行的相序分配方式,保留剩余的至少一个相序分配方式;
生成单元,用于根据剩余的至少一个相序分配方式,为所述配电台区生成X个初代样本方案;每个所述初代样本方案均为每个所述分区安排了一种不同的相序分配方式。
优选地,所述确定模块,包括:
计算单元,用于根据每个所述初代样本方案的综合不平衡度指标以及调整接线点比例,分别计算每个所述初代样本方案的适应度值;
选择单元,用于以所述适应度值大小占所有所述适应度值之和的比例概率,从X个所述初代样本方案中选择X/2个方案;
分组单元,用于将X/2个所述方案两两分组,在每一组的两个所述方案中随机选择一个点,并交换每一组的两个所述方案在选择的点之后的相位排列,生成X个子代样本方案;
迭代单元,用于按照预设的变异概率k随机挑选所述子代样本方案,并随机选择挑选出的所述子代样本方案中的一个点,改变挑选出的所述子代样本方案中在选择的点及之后的变异步长z点的排列方式,完成一次迭代过程。
优选地,所述确定模块,还包括:
判断单元,用于重复所述迭代过程,判断是否达到预设迭代次数;
调相单元,用于在达到所述预设迭代次数后,确定历次迭代后得到的所述适应度值最高的样本方案,作为所述最优调相方案。
经由上述的技术方案可知,与现有技术相比,本申请提供的基于遗传调相算法的不平衡台区的调相方法及装置,根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。可见,本申请提供的技术方案,不仅采用数据采集点的三相电流作为数据基础,还利用遗传调相算法进行迭代,最终确定的最优调相方案能够快速准确地保证配电台区的三相平衡。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于遗传调相算法的不平衡台区的调相方法的流程示意图;
图2为本发明实施例提供的生成X个初代样本方案的方法的示意图;
图3为本发明实施例提供的一种基于遗传调相算法的不平衡台区的调相装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例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。
本发明实施例公开了一种基于遗传调相算法的不平衡台区的调相方法,请参见附图1,所述方法具体包括以下步骤:
S101:根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;
本申请实施例中,会根据台区线路拓扑结构及数据采集点的位置对台区进行分区,并按照预设的时间间隔获取各分区在预设时间周期内的三相电流数据;比如,在将台区分为3个分区时,每个分区5分钟一个采集一个三相电流数据,则一天可以收集3(分区)*3(相)*288(数据/天)=2592个数据值。
具体的,预设时间间隔和预设时间周期都可以是预先设定的,如预设时间间隔为“30分钟”,预设时间周期为“7天”,则在开始时,每经过“30分钟”就获取一次配电台区的三相电流数据,直到获取次数达到“336次”时,完成了对预设时间周期为“7天”的配电台区所产生的全部三相电流数据的获取。其中,预设时间周期还可以是一个星期,两个星期或一个月等。
在本申请实施例中,不平衡台区是指已产生三相负荷不平衡问题的配电台区,而不平衡台区的三相电流数据主要包含A相电流数据、B相电流数据和C相电流数据这三相的电流数据。
另外,采集的数据还可以包括各分区功率数据、各分区相序,各分区是否可调、各分区分组情况,该数据均按固定格式有记录仪生产导出,并可以对数据进行删除数据中负荷低于30%的时间点、对数据进行分组合并标记、将同组分区合并、将不可调分区标记等预处理,从而能够提高配电台区调相的精度,有效降低因受不合理数据的影响而导致配电台区调相出现误差的机率。
S102:根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;
优选地,所述根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案,包括:将每个所述数据采集点采集的三相电流确定为三个对应的负荷;遍历每个所述负荷在任意一相上运行时的相序分配方式,并删除三个所述负荷在同一相上运行的相序分配方式和任意两个所述负荷在同一相上运行的相序分配方式,保留剩余的至少一个相序分配方式;根据剩余的至少一个相序分配方式,为所述配电台区生成X个初代样本方案;每个所述初代样本方案均为每个所述分区安排了一种不同的相序分配方式。
由于数据采集点均设置在三相节点,采集三相电流,由数据采集点分割出的台区分区理论上存在27种运行方式,即将采集到的三相电流看作三个负荷,每个负荷均可选择任意一相运行,因此每个分区存在3^3=27种运行方式。考虑三个负荷选择同一相或两个负荷选择同一相的运行方式如AAA,BBC等明显不经济,因此三个负荷必须分别选择三相,即剔除不符合经济性的运行方式,剩余6种运行方式,至少一个所述调相方案的排列方式如下:
ABC | CAB | BCA | CBA | BAC | ACB |
三个负荷的经济分配方式
可见,如某台区有3个分区,则包括3*6=18种方案。
定义某个台区的样本方案的基因编码方式为所有分区的负荷相序的顺序排列。如某台区被分割为3个分区,则按照分区1、2、3的顺序对本分区的三相负荷进行排列,如图2所示,将从各分区采集到的三相负荷数据看成三个独立可调整负荷,根据前文分析,每个分区均存在6种经济的相序分配方式。如果分区数为n,则所有调整方案为6n。随机对每个分区安排一种相序分配方式,可以生成一个样本方案,则可以以这种随机方式生成X个初代样本方案。
S103:根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。
方案给定后,该台区出口在某一时刻的三相电流不平衡度即可计算获得。由于家用电器设备功率因数一般较高,忽略无功影响,各采集点各相电流代数和即为台区出口各相电流值。考虑电流较大时,其不平衡度指标应在综合不平衡度指标中占有较大权重。因此台区一段时间内某种初代样本方案的综合不平衡度=Σ(该段时间内台区出口所有采集点三相电流之和*三相电流不平衡度)/Σ台区出口三相电流之和。其中,0<=综合不平衡度指标<=1。
在实际应用中,某个台区需要调整的接线点比例是三相不平衡台区调整方案实施难度的直接体现,因此计算样本方案与原接线方式相比需要调整的接线点数与所有接线点数的比例,也是算法需要考虑的问题之一。其中,原接线点数=分区数*3;0<=调整接线点比例<=1。
优选地,所述根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,包括:根据每个所述初代样本方案的综合不平衡度指标以及调整接线点比例,分别计算每个所述初代样本方案的适应度值;以所述适应度值大小占所有所述适应度值之和的比例概率,从X个所述初代样本方案中选择X/2个方案;将X/2个所述方案两两分组,在每一组的两个所述方案中随机选择一个点,并交换每一组的两个所述方案在选择的点之后的相位排列,生成X个子代样本方案;按照预设的变异概率k随机挑选所述子代样本方案,并随机选择挑选出的所述子代样本方案中的一个点,改变挑选出的所述子代样本方案中在选择的点及之后的变异步长z点的排列方式,完成一次迭代过程。
本申请实施例中,在挑选子代样本方案时,采用轮盘赌算法,以适应值大小占所有适应值之和的比例概率选择其中X/2的子代样本方案,适应值大的样本方案有更大的概率被选中。
然后通过染色体交叉补齐子代样本方案。在子代样本方案中随机选择2个样本方案,随机在样本方案中选择一个点,交换这2个样本方案该点之后的相位排列,如某台区分割为三个分区,样本方案1(ABC.CAB.BAC)和样本方案2(CBA.BAC.BCA)交叉,随机选择2号点,则交叉后的样本方案1(ABC.BAC.BCA)和样本方案2(CBA.CAB.BAC),通过这样的方式补齐X个子代样本方案。
在补齐X个子代样本方案后,通过子代样本方案变异,按照变异概率k随机选择子代样本方案,随机选择子代样本方案中的一个点,改变该点及其之后的变异步长z(变异步长)点的排列方式。如样本方案1(ABC.BAC.BCA),随机选择2号点,改变该点及其之后的1个点,则样本方案1(ABC.BAC.BCA)可能变成(ABC.CAB.ACB),每个分区相序排列变成其他5个的概率均为1/5,如样本方案1(ABC.BAC.BCA),随机选择3号点,则BCA变成ABC/CAB/CBA/BAC/ACB的概率均为1/5。变异概率和变异步长在算法运行前期可以设置较大,有利于算法快速到达高适应值点;算法运行后期将逐步减小,有利于算法快速收敛到附近适应值极大值点。
优选地,所述在达到预设迭代次数后,确定历次迭代后得到的最优调相方案,包括:重复所述迭代过程,判断是否达到预设迭代次数;在达到所述预设迭代次数后,确定历次迭代后得到的所述适应度值最高的样本方案,作为所述最优调相方案。
本申请实施例中,以方案的综合不平衡度指标和调整接线点比例加权之后的适应度值作为历次迭代得到的样本方案优劣的评判标准,遍历所有样本方案,得到所有方案的适应度值,按得分从大到小排列所有样本方案,兼顾调整效果和实施难度,可以选取历次迭代后排名靠前的样本方案比如前10个样本方案作为最优调整方案。其中,适应度值=100-综合不平衡度*70%-调整接线比例*30%。
本申请实施例提供的基于遗传调相算法的不平衡台区的调相方法,根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。可见,本申请提供的技术方案,不仅采用数据采集点的三相电流作为数据基础,还利用遗传调相算法进行迭代,最终确定的最优调相方案能够快速准确地保证配电台区的三相平衡。
本申请实施例采用的遗传调相算法,是一种模拟进化理论的智能算法,具有计算速度快,进化方向可控等优点,并针对三相不平衡计算中的初始样本、新基因引入以及可能出现的收敛性问题都进行了改进。
本发明实施例公开了一种基于遗传调相算法的不平衡台区的调相装置,请参见附图3,包括:
获取模块1,用于根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;
本申请实施例中,会根据台区线路拓扑结构及数据采集点的位置对台区进行分区,并按照预设的时间间隔获取各分区在预设时间周期内的三相电流数据;比如,在将台区分为3个分区时,每个分区5分钟一个采集一个三相电流数据,则一天可以收集3(分区)*3(相)*288(数据/天)=2592个数据值。
具体的,预设时间间隔和预设时间周期都可以是预先设定的,如预设时间间隔为“30分钟”,预设时间周期为“7天”,则在开始时,每经过“30分钟”就获取一次配电台区的三相电流数据,直到获取次数达到“336次”时,完成了对预设时间周期为“7天”的配电台区所产生的全部三相电流数据的获取。其中,预设时间周期还可以是一个星期,两个星期或一个月等。
在本申请实施例中,不平衡台区是指已产生三相负荷不平衡问题的配电台区,而不平衡台区的三相电流数据主要包含A相电流数据、B相电流数据和C相电流数据这三相的电流数据。
另外,采集的数据还可以包括各分区功率数据、各分区相序,各分区是否可调、各分区分组情况,该数据均按固定格式有记录仪生产导出,并可以对数据进行删除数据中负荷低于30%的时间点、对数据进行分组合并标记、将同组分区合并、将不可调分区标记等预处理,从而能够提高配电台区调相的精度,有效降低因受不合理数据的影响而导致配电台区调相出现误差的机率。
生成模块2,用于根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;
优选地,所述生成模块2,包括:
确定单元,用于将每个所述数据采集点采集的三相电流确定为三个对应的负荷;
遍历单元,用于遍历每个所述负荷在任意一相上运行时的相序分配方式,并删除三个所述负荷在同一相上运行的相序分配方式和任意两个所述负荷在同一相上运行的相序分配方式,保留剩余的至少一个相序分配方式;
生成单元,用于根据剩余的至少一个相序分配方式,为所述配电台区生成X个初代样本方案;每个所述初代样本方案均为每个所述分区安排了一种不同的相序分配方式。
由于数据采集点均设置在三相节点,采集三相电流,由数据采集点分割出的台区分区理论上存在27种运行方式,即将采集到的三相电流看作三个负荷,每个负荷均可选择任意一相运行,因此每个分区存在3^3=27种运行方式。考虑三个负荷选择同一相或两个负荷选择同一相的运行方式如AAA,BBC等明显不经济,因此三个负荷必须分别选择三相,即剔除不符合经济性的运行方式,剩余6种运行方式,至少一个所述调相方案的排列方式如下:
ABC | CAB | BCA | CBA | BAC | ACB |
三个负荷的经济分配方式
可见,如某台区有3个分区,则包括3*6=18种方案。
定义某个台区的样本方案的基因编码方式为所有分区的负荷相序的顺序排列。如某台区被分割为3个分区,则按照分区1、2、3的顺序对本分区的三相负荷进行排列,如图2所示,将从各分区采集到的三相负荷数据看成三个独立可调整负荷,根据前文分析,每个分区均存在6种经济的相序分配方式。如果分区数为n,则所有调整方案为6n。随机对每个分区安排一种相序分配方式,可以生成一个样本方案,则可以以这种随机方式生成X个初代样本方案。
确定模块3,用于根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。
方案给定后,该台区出口在某一时刻的三相电流不平衡度即可计算获得。由于家用电器设备功率因数一般较高,忽略无功影响,各采集点各相电流代数和即为台区出口各相电流值。考虑电流较大时,其不平衡度指标应在综合不平衡度指标中占有较大权重。因此台区一段时间内某种初代样本方案的综合不平衡度=Σ(该段时间内台区出口所有采集点三相电流之和*三相电流不平衡度)/Σ台区出口三相电流之和。其中,0<=综合不平衡度指标<=1。
在实际应用中,某个台区需要调整的接线点比例是三相不平衡台区调整方案实施难度的直接体现,因此计算样本方案与原接线方式相比需要调整的接线点数与所有接线点数的比例,也是算法需要考虑的问题之一。其中,原接线点数=分区数*3;0<=调整接线点比例<=1。
优选地,所述确定模块3,包括:
计算单元,用于根据每个所述初代样本方案的综合不平衡度指标以及调整接线点比例,分别计算每个所述初代样本方案的适应度值;
选择单元,用于以所述适应度值大小占所有所述适应度值之和的比例概率,从X个所述初代样本方案中选择X/2个方案;
分组单元,用于将X/2个所述方案两两分组,在每一组的两个所述方案中随机选择一个点,并交换每一组的两个所述方案在选择的点之后的相位排列,生成X个子代样本方案;
迭代单元,用于按照预设的变异概率k随机挑选所述子代样本方案,并随机选择挑选出的所述子代样本方案中的一个点,改变挑选出的所述子代样本方案中在选择的点及之后的变异步长z点的排列方式,完成一次迭代过程。
本申请实施例中,在挑选子代样本方案时,采用轮盘赌算法,以适应值大小占所有适应值之和的比例概率选择其中X/2的子代样本方案,适应值大的样本方案有更大的概率被选中。
然后通过染色体交叉补齐子代样本方案。在子代样本方案中随机选择2个样本方案,随机在样本方案中选择一个点,交换这2个样本方案该点之后的相位排列,如某台区分割为三个分区,样本方案1(ABC.CAB.BAC)和样本方案2(CBA.BAC.BCA)交叉,随机选择2号点,则交叉后的样本方案1(ABC.BAC.BCA)和样本方案2(CBA.CAB.BAC),通过这样的方式补齐X个子代样本方案。
在补齐X个子代样本方案后,通过子代样本方案变异,按照变异概率k随机选择子代样本方案,随机选择子代样本方案中的一个点,改变该点及其之后的变异步长z(变异步长)点的排列方式。如样本方案1(ABC.BAC.BCA),随机选择2号点,改变该点及其之后的1个点,则样本方案1(ABC.BAC.BCA)可能变成(ABC.CAB.ACB),每个分区相序排列变成其他5个的概率均为1/5,如样本方案1(ABC.BAC.BCA),随机选择3号点,则BCA变成ABC/CAB/CBA/BAC/ACB的概率均为1/5。变异概率和变异步长在算法运行前期可以设置较大,有利于算法快速到达高适应值点;算法运行后期将逐步减小,有利于算法快速收敛到附近适应值极大值点。
优选地,所述确定模块3,还包括:
判断单元,用于重复所述迭代过程,判断是否达到预设迭代次数;
调相单元,用于在达到所述预设迭代次数后,确定历次迭代后得到的所述适应度值最高的样本方案,作为所述最优调相方案。
本申请实施例中,以方案的综合不平衡度指标和调整接线点比例加权之后的适应度值作为历次迭代得到的样本方案优劣的评判标准,遍历所有样本方案,得到所有方案的适应度值,按得分从大到小排列所有样本方案,兼顾调整效果和实施难度,可以选取历次迭代后排名靠前的样本方案比如前10个样本方案作为最优调整方案。其中,适应度值=100-综合不平衡度*70%-调整接线比例*30%。
本申请实施例提供的基于遗传调相算法的不平衡台区的调相装置,根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。可见,本申请提供的技术方案,不仅采用数据采集点的三相电流作为数据基础,还利用遗传调相算法进行迭代,最终确定的最优调相方案能够快速准确地保证配电台区的三相平衡。
本申请实施例采用的遗传调相算法,是一种模拟进化理论的智能算法,具有计算速度快,进化方向可控等优点,并针对三相不平衡计算中的初始样本、新基因引入以及可能出现的收敛性问题都进行了改进。
本发明实施例提供的各个模块的工作过程,请参照附图1所对应的方法流程图,具体工作过程不再赘述。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,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。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。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于遗传调相算法的不平衡台区的调相方法,其特征在于,包括:
根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;
根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;
根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。
2.根据权利要求1所述的方法,其特征在于,所述根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案,包括:
将每个所述数据采集点采集的三相电流确定为三个对应的负荷;
遍历每个所述负荷在任意一相上运行时的相序分配方式,并删除三个所述负荷在同一相上运行的相序分配方式和任意两个所述负荷在同一相上运行的相序分配方式,保留剩余的至少一个相序分配方式;
根据剩余的至少一个相序分配方式,为所述配电台区生成X个初代样本方案;每个所述初代样本方案均为每个所述分区安排了一种不同的相序分配方式。
3.根据权利要求1所述的方法,其特征在于,所述根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,包括:
根据每个所述初代样本方案的综合不平衡度指标以及调整接线点比例,分别计算每个所述初代样本方案的适应度值;
以所述适应度值大小占所有所述适应度值之和的比例概率,从X个所述初代样本方案中选择X/2个方案;
将X/2个所述方案两两分组,在每一组的两个所述方案中随机选择一个点,并交换每一组的两个所述方案在选择的点之后的相位排列,生成X个子代样本方案;
按照预设的变异概率k随机挑选所述子代样本方案,并随机选择挑选出的所述子代样本方案中的一个点,改变挑选出的所述子代样本方案中在选择的点及之后的变异步长z点的排列方式,完成一次迭代过程。
4.根据权利要求3所述的方法,其特征在于,所述在达到预设迭代次数后,确定历次迭代后得到的最优调相方案,包括:
重复所述迭代过程,判断是否达到预设迭代次数;
在达到所述预设迭代次数后,确定历次迭代后得到的所述适应度值最高的样本方案,作为所述最优调相方案。
5.一种基于遗传调相算法的不平衡台区的调相装置,其特征在于,包括:
获取模块,用于根据配电台区的线路拓扑结构及数据采集点的位置,将所述配电台区划分为多个分区,并从所述数据采集点获取各个所述分区的三相电流;
生成模块,用于根据从各个所述分区采集到的三相电流,随机生成X个初代样本方案;
确定模块,用于根据X个所述初代样本方案以及预设的遗传调相算法进行迭代,并在达到预设迭代次数后,确定历次迭代后得到的最优调相方案。
6.根据权利要求5所述的装置,其特征在于,所述生成模块,包括:
确定单元,用于将每个所述数据采集点采集的三相电流确定为三个对应的负荷;
遍历单元,用于遍历每个所述负荷在任意一相上运行时的相序分配方式,并删除三个所述负荷在同一相上运行的相序分配方式和任意两个所述负荷在同一相上运行的相序分配方式,保留剩余的至少一个相序分配方式;
生成单元,用于根据剩余的至少一个相序分配方式,为所述配电台区生成X个初代样本方案;每个所述初代样本方案均为每个所述分区安排了一种不同的相序分配方式。
7.根据权利要求5所述的装置,其特征在于,所述确定模块,包括:
计算单元,用于根据每个所述初代样本方案的综合不平衡度指标以及调整接线点比例,分别计算每个所述初代样本方案的适应度值;
选择单元,用于以所述适应度值大小占所有所述适应度值之和的比例概率,从X个所述初代样本方案中选择X/2个方案;
分组单元,用于将X/2个所述方案两两分组,在每一组的两个所述方案中随机选择一个点,并交换每一组的两个所述方案在选择的点之后的相位排列,生成X个子代样本方案;
迭代单元,用于按照预设的变异概率k随机挑选所述子代样本方案,并随机选择挑选出的所述子代样本方案中的一个点,改变挑选出的所述子代样本方案中在选择的点及之后的变异步长z点的排列方式,完成一次迭代过程。
8.根据权利要求7所述的装置,其特征在于,所述确定模块,还包括:
判断单元,用于重复所述迭代过程,判断是否达到预设迭代次数;
调相单元,用于在达到所述预设迭代次数后,确定历次迭代后得到的所述适应度值最高的样本方案,作为所述最优调相方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710581752.5A CN107404122B (zh) | 2017-07-17 | 2017-07-17 | 一种基于遗传调相算法的不平衡台区的调相方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710581752.5A CN107404122B (zh) | 2017-07-17 | 2017-07-17 | 一种基于遗传调相算法的不平衡台区的调相方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107404122A true CN107404122A (zh) | 2017-11-28 |
CN107404122B CN107404122B (zh) | 2020-07-10 |
Family
ID=60400865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710581752.5A Active CN107404122B (zh) | 2017-07-17 | 2017-07-17 | 一种基于遗传调相算法的不平衡台区的调相方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107404122B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668117A (zh) * | 2020-12-28 | 2021-04-16 | 上海康恒环境股份有限公司 | 一种垃圾焚烧炉一次风母管的设计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337867A (zh) * | 2013-06-28 | 2013-10-02 | 国家电网公司 | 一种低压负荷在线调相装置及其调相方法 |
CN103368190A (zh) * | 2013-07-17 | 2013-10-23 | 国家电网公司 | 一种低压负荷在线调相控制方法 |
CN205104911U (zh) * | 2015-10-15 | 2016-03-23 | 扬州汇洁能电力电子设备有限公司 | 一种新型分布式三相无损耗平衡负荷装置 |
CN106033891A (zh) * | 2015-03-20 | 2016-10-19 | 中国电力科学研究院 | 一种低压负荷并行在线自动换相装置及其操作方法 |
CN106374511A (zh) * | 2016-10-09 | 2017-02-01 | 国网江苏省电力公司扬州供电公司 | 一种基于用户负荷实时测量的三相负荷平衡控制策略及智能换向系统 |
CN106849137A (zh) * | 2017-04-07 | 2017-06-13 | 武汉大学 | 一种降低网络损耗的三相不平衡调节方法 |
CN106877366A (zh) * | 2017-04-07 | 2017-06-20 | 武汉大学 | 配电网三相负荷不平衡自动调节方法 |
-
2017
- 2017-07-17 CN CN201710581752.5A patent/CN107404122B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337867A (zh) * | 2013-06-28 | 2013-10-02 | 国家电网公司 | 一种低压负荷在线调相装置及其调相方法 |
CN103368190A (zh) * | 2013-07-17 | 2013-10-23 | 国家电网公司 | 一种低压负荷在线调相控制方法 |
CN106033891A (zh) * | 2015-03-20 | 2016-10-19 | 中国电力科学研究院 | 一种低压负荷并行在线自动换相装置及其操作方法 |
CN205104911U (zh) * | 2015-10-15 | 2016-03-23 | 扬州汇洁能电力电子设备有限公司 | 一种新型分布式三相无损耗平衡负荷装置 |
CN106374511A (zh) * | 2016-10-09 | 2017-02-01 | 国网江苏省电力公司扬州供电公司 | 一种基于用户负荷实时测量的三相负荷平衡控制策略及智能换向系统 |
CN106849137A (zh) * | 2017-04-07 | 2017-06-13 | 武汉大学 | 一种降低网络损耗的三相不平衡调节方法 |
CN106877366A (zh) * | 2017-04-07 | 2017-06-20 | 武汉大学 | 配电网三相负荷不平衡自动调节方法 |
Non-Patent Citations (2)
Title |
---|
彭春华 等: "基于模拟结晶算法的长效三相平衡优化换相策略", 《中国电机工程学报》 * |
王春蘅 等: "基于负荷预测额定配电台区三相不平衡治理研究", 《电气技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668117A (zh) * | 2020-12-28 | 2021-04-16 | 上海康恒环境股份有限公司 | 一种垃圾焚烧炉一次风母管的设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107404122B (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muthukumar et al. | Optimal placement and sizing of distributed generators and shunt capacitors for power loss minimization in radial distribution networks using hybrid heuristic search optimization technique | |
Cossi et al. | Planning of secondary distribution circuits through evolutionary algorithms | |
CN105762818B (zh) | 一种基于贪心策略的用户三相不平衡调整方法 | |
CN106374513B (zh) | 一种基于主从博弈的多微网联络线功率优化方法 | |
CN107464048A (zh) | 一种基于研究态的日前计划安全校核方法 | |
CN105449675A (zh) | 优化分布式能源接入点和接入比例的电力网络重构方法 | |
CN110518605A (zh) | 一种台区三相平衡深度优化方法及系统 | |
CN109599896A (zh) | 一种10kV电网分布式光伏最大可开放容量的计算方法 | |
CN108462194A (zh) | 一种针对低压配电网三相负荷不平衡的广域优化方法 | |
CN110212548A (zh) | 多直流馈入受端系统statcom的配置方法及装置 | |
CN110716091A (zh) | 基于四级平衡调相算法的三相不平衡在线监测方法 | |
CN109742776A (zh) | 一种基于排序算法的三相不平衡台区用户调整方法 | |
CN107404122A (zh) | 一种基于遗传调相算法的不平衡台区的调相方法及装置 | |
CN109683816A (zh) | 一种回源树节点的磁盘配置方法及系统 | |
CN107230992A (zh) | 一种基于遍历调相算法的不平衡台区的调相方法及装置 | |
CN115796513A (zh) | 一种基于最优碳流的电网机组出力调度方法及系统 | |
CN110492481A (zh) | 考虑谐波的计及分布式电源的配电网网损分摊方法及系统 | |
Bhatt et al. | An intelligent water drop approach for simultaneous reconfiguration and DG integration in distribution system | |
CN112994050B (zh) | 一种基于标准差偏差度的台区不平衡治理方法及装置 | |
CN110135707A (zh) | 一种服装缝制流水线优化方法 | |
Wang et al. | Pareto optimization of power system reconstruction using NSGA-II algorithm | |
CN109193738A (zh) | 直流定功率定电压控制下miif分析方法、装置、设备及介质 | |
CN108092289A (zh) | 一种三相不平衡补偿装置及系统 | |
CN108599203A (zh) | 一种逐级调整负载的三相负荷不平衡调节方法 | |
El-Ela et al. | Harmonic mitigation by optimal allocation of tuned passive filter in distribution system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |