CN108154249B - 一种馈线终端优化配置方法及装置 - Google Patents
一种馈线终端优化配置方法及装置 Download PDFInfo
- Publication number
- CN108154249B CN108154249B CN201611092875.4A CN201611092875A CN108154249B CN 108154249 B CN108154249 B CN 108154249B CN 201611092875 A CN201611092875 A CN 201611092875A CN 108154249 B CN108154249 B CN 108154249B
- Authority
- CN
- China
- Prior art keywords
- individual
- feeder
- remote
- population
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 claims abstract description 39
- 238000009434 installation Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 68
- 238000002955 isolation Methods 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000002068 genetic effect Effects 0.000 claims description 18
- 230000035772 mutation Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 12
- 238000011144 upstream manufacturing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007727 cost benefit analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种馈线终端优化配置方法及装置,所述方法包括:创建网络拓扑结构;对开关安装终端情况编码,随机生成初始种群矩阵,将迭代次数p和种群个体计数k分别设置为1;根据对种群中的个体作的最小二遥区域和最小三遥区域划分,得出该个体适应值;确定并更新全局最优个体。本发明提供的技术方案满足了用户年停电时间和系统的供电可靠性要求,使二遥馈线终端、三遥馈线终端的数量和位置配置得到最大优化,大大改进了架空线路的馈线终端的优化配置。
Description
技术领域
本发明涉及一种自适应遗传方法,具体涉及一种馈线终端优化配置方法及装置。
背景技术
智能电网的提出得到了世界上大部分国家的积极响应。智能电网是一个由配电网和输电网组成的电力系统,与传统电网相比具有可观测、可控制、自动化的特点。通过应用通信和计算机技术实现电网安全可靠的运行。我国作为一个电力大国,也积极发展智能电网,并提出了三点具体要求或目标:能够实现信息化,自动化,互动化。配网是电网的重要组成部分,如何满足智能电网发展的要求,对配网的改造将会是一个有意义的研究课题。
配电网是直接与用户相连的供电系统,随着社会经济的迅速发展,人民生活水平的提高用电量也随着增加,使得配网的结构也越来越复杂。配电网一旦发生故障,可能引发许多危害,电流过大时可能使设备烧坏,甚至引发大面积停电,造成极大的社会经济损失,影响人民的正常生活。因此快速的故障定位、故障隔离然后进行故障处理非常有必要,馈线终端为其提供了有力的技术保障,通过馈线终端上传的故障信息能够快速地定位区段和隔离区段,减少了停电时间,具有重要的工程实用意义。
电力系统开关作为整个配电系统的重要元件,对配电系统安全与供电可靠性有着重要作用。配电自动化与一次设备开关密切相关,配电自动化故障自动隔离与网络重构,都是通过计算机远方操作一次设备开关来实现的。配电自动化终端是实现配电自动化的基本环节,具有遥信、遥测、遥控、遥调等功能。二遥馈线终端是指具有遥测、遥信和故障信息上报功能的配电终端,由于不具备遥控功能,相应开关不需要电动操作机构。三遥馈线终端是指具有遥测、遥信、遥控和故障信息上报功能的配电终端,需要开关具备电动操作机构。引入二遥馈线终端、三遥馈线终端,可大大减少配电网故障停电时间,显著提高供电可靠性指标。对于配电网线路,安装二遥馈线终端可以缩小故障查找区域,从而缩短故障查找时间;由于三遥配电终端具备遥控功能,在缩短故障查找时间的基础上,还可缩短故障区域隔离时间。
配电网开关优化问题涉及的是配电网可靠性最优配置问题,其建模的思想常常以成本效益分析为基础,优化的目的是使其综合年费用最低,效益达到最大。目前主要采用搜索禁忌法、遗传算法、动态规划算法等优化方法解决该问题。鉴于已有网架,需要提供一种技术方案来对配电终端的数量、位置及类型的选择提供技术支持。
发明内容
为了克服上述现有技术的不足,本发明提供一种馈线终端优化配置方法及装置,本发明满足用户年停电时间和系统供电可靠性要求,解决了二遥馈线终端、三遥馈线终端的数量和位置配置问题,为架空线路的馈线终端优化配置提供一种改进方案。
为了实现上述发明目的,本发明采取如下技术方案:
一种馈线终端优化配置方法,所述方法包括如下步骤:
根据配电网网架创建拓扑结构图,计算区域等值参数并形成新网络拓扑;
根据开关配置馈线终端的类型进行编码,并生成初始种群;
计算配电系统的可靠性指标以及目标函数与约束条件,并根据目标函数与约束条件计算每个个体的适应值;
根据改进自适应遗传算法将个体的适应值生成当前最优个体,进而确定全局最优个体,解码后的全局最优个体即是馈线终端优化结果。
进一步地,所述根据预先设置的配电网网架的结构参数构建网络拓扑,包括如下步骤:
根据预先设置的配电网网架结构参数划分最小隔离区域;所述最小隔离区域以网络中的开关为边界;
λ=∑λili,λi是区域内第i条馈线段年平均故障率;
l=∑li,li是区域内第i条馈线段的长度;
根据所述等值参数构建以开关和最小隔离区域组成的网络拓扑结构。
进一步地,所述网络拓扑中的开关配置馈线终端的类型包括该开关不安装终端、该开关安装二遥馈线终端和该开关安装三遥馈线终端;所述初始种群对应的矩阵的列数为网架中终端可安装位置总数、行数为种群中的个体数量。
进一步地,所述计算个体的适应值包括如下步骤:
根据配电自动化下各最小隔离区域故障,对最小隔离区域的故障停电时间进行分类,计算各最小隔离区域内配电系统的可靠性指标;
根据所述可靠性指标以及预设的目标函数和约束条件计算个体的目标函数值与约束条件值,并计算该个体的适应值。
进一步地,所述故障停电时间分类包括:停电时间为0的区域和以下式表示的区域:T=kt2、T=t1+kt2、T=t1+t3、T=t1+kt2+t3,其中k为需要人工隔离的开关数量,t1=σ∑Li,δ为单位长度线路巡线时间,Li为查找所经过的第i个最小隔离区域馈线段长度之和,t2为单个开关人工隔离时间,t3为故障处理时间。
进一步地,所述配电系统可靠性指标包括:负荷点年停电时间U、配电系统平均供电可用度ASAI和配电系统总供电不足指标ENS:
ENS=∑LajUj
式中,Uj为负荷点j的年平均停电时间,Nj为负荷点j的用户数;Laj为负荷点j的平均负荷。
进一步地,所述根据所述可靠性指标以及预设的目标函数和约束条件计算个体的目标函数值与约束条件值,并计算该个体的适应值,包括步骤:
根据预设的目标函数和约束条件依次计算每个个体的目标函数值和约束条件值,所述目标函数:min C=mC2+nC3,其中C为一种方案下的安装终端总投资,m、n分别为该方案下二遥馈线终端和三遥馈线终端的数量,C2、C3分别为单个二遥馈线终端和单个三遥馈线终端的配置单价;
约束条件:①可靠性约束:R≥Rthr R0≤Rthr≤R3;②用户约束:Uh≤Uhthr Uh3≤Uhthr≤Uh0;其中,R为终端配置方案下的配电系统供电可靠性指标,Rthr为给定的配电系统最低可靠性指标,R0,R3分别为全部不安装和全部安装三遥馈线终端下的配电系统可靠性指标;Uh表示第h个区域用户年停电时间,Uhthr表示第h个区域用户年停电时间最低要求,Uh0,Uh3分别表示第h个区域用户全部不安装终端、全部安装三遥馈线终端下的年停电时间;
判断配电系统可靠性指标和负荷点年停电时间是否满足约束条件,
若不满足约束条件,则该个体适应值Fitvalue=WfC,其中Wf为预设的惩罚因子,
若满足约束条件,则适应值Fitvalue=CΔ,其中Δ为个体在群体中的占比,当C=Cmax时,个体为最佳个体,Δ=1,当C≠Cmax时,并且Δ的最大值为1,Cmax为目标函数的最佳值,Cavg为目标函数的平均值。
进一步地,所述根据个体的适应值确定全局最优个体,包括如下步骤:
根据个体的适应值确定当前种群中的最优个体,并将其作为初始全局最优个体;
判断是否达到遗传算法的预设迭代次数;
如果没有达到预设的迭代次数p,则根据自适应遗传算法对种群交叉变异生成新种群,计算新种群中个体的适应值,确定新种群中的最优个体,更新全局最优个体;直至达到预设的迭代次数,得到最终的全局最优个体。
进一步地,所述馈线终端优化结果包括:安装二遥馈线终端、安装三遥馈线终端以及不安装终端的开关位置;每一个开关位置都有相应的馈线终端类型。
进一步地,所述根据自适应遗传算法对种群交叉变异生成新种群,包括如下步骤:
选择出大小为Pz的种群,并以交叉概率Pc、变异概率Pm进行交叉和变异,其中Pc2≤Pc≤Pc1,Pm2≤Pm≤Pm1,Pc1、Pc2分别为交叉概率上下限,Pm1、Pm2分别为变异概率上下限;
本发明还提供了一种馈线终端优化配置装置,所述装置包括:
网络拓扑生成模块,用于根据配电网网架创建拓扑结构图,计算区域等值参数并形成新网络拓扑;
种群生成模块,用于根据开关配置馈线终端的类型进行编码,并生成初始种群;
计算模块,用于计算配电系统的可靠性指标以及目标函数与约束条件,并根据目标函数与约束条件计算每个个体的适应值;
馈线终端优化模块,用于根据改进自适应遗传算法将个体的适应值生成当前最优个体,进而确定全局最优个体,解码后的全局最优个体即是馈线终端优化结果。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
本发明所提供的馈线终端优化配置方法及装置,解决了二遥馈线终端、三遥馈线终端数量和位置的配置问题,为科学合理进行配电自动化系统规划设计和改造提供了参考,利用改进的自适应遗传算法解决了该问题,比普通遗传算法和自适应遗传算法能够更快更好地搜索到最优解决方案。
附图说明
图1是一种馈线终端优化配置方法实施的流程示意图。
图2是原始网架及其各类区域划分拓扑图
图3是个体交叉概率随适应度变化曲线图
图4是变异概率随相似度变化曲线图
具体实施方式
下面结合附图对本发明作进一步详细说明。
提供一种能满足用户年停电时间和系统供电可靠性要求,解决二遥馈线终端、三遥馈线终端的数量和位置配置问题,为架空线路的馈线终端优化配置提供一种改进的参考方法。
如图1所示,本发明主要包括以下步骤:
步骤1、创建新网络拓扑结构;
输入描述配电网网架的结构参数;同时根据配电网网架结构数据,形成最小隔离区域,文中简称区域,同时计算区域等值参数;最后形成以区域和开关为基本元件形成新网络拓扑结构。
如图2所示的原始网架及其各类区域划分拓扑图中,CB为出口断路器,S1-S4为分段开关,LS为联络开关,LP1-LP5为负荷点,1-5为最小隔离区域,在给定如图2所示的一种终端安装情况下,虚线框为最小二遥区域,实线框为最小三遥区域。
步骤2、对开关安装终端情况进行编码,随机生成初始种群矩阵,将迭代次数p和种群个体计数k置为1;
步骤3、对种群中的个体进行最小二遥区域和最小三遥区域划分,得出该个体适应值(即,适应度的值);
如图2下方图中虚线框所示;以三遥馈线终端为边界进行最小三遥区域划分,如图2下方图中实线框所示;根据配电自动化下故障恢复策略,枚举各区域1-5故障,并对区域1-5进行故障停电时间分类,计算区域1-5年停电时间U,系统平均供电可用度ASAI、系统总供电不足ENS等配电系统可靠性指标;根据目标函数和约束条件表达式计算第k个个体的目标函数值与约束条件值,并计算该个体适应值。
步骤4、确定并更新全局最优个体。
如果k<Pz,将k的值加1,返回步骤3,否则,记录当前最优个体,将当前最优个体与全局最优个体进行比较,确定并更新全局最优个体;判断是否达到迭代次数,如果是,则结束,输出最优解并进行解码,如图2中解为303203,表示在CB、S2、LS处安装三遥馈线终端,在S3处安装二遥馈线终端,其它位置不安装终端,则该线路中安装三遥馈线终端数量为3,安装二遥馈线终端数量为1,则可解决二遥馈线终端、三遥馈线终端位置和数量的问题,反之,迭代次数p加1;经过选择、交叉、变异形成新种群,其中交叉概率Pc的变化曲线如图3所示,变异概率Pm的变化曲线如图4所示,将k的值置为1并返回步骤3。
步骤1具体包括以下步骤:
步骤1-1:输入的配电网网架结构参数包括馈线数量、各馈线段长度、各元器件之间的连接关系、开关元件类型、负荷点数和各负荷点平均功率;输入配电系统可靠性参数,包括馈线元件的年平均故障率、单位长度馈线段查找时间、单个开关人工隔离时间和平均故障修复时间、配电系统供电可靠性下限值、负荷点年停电时间下限值;输入二遥馈线终端、三遥馈线终端可安装位置和单个馈线终端配置单价;输入遗传算法的基本参数,包括初始种群大小Pz、最大迭代次数N。
步骤1-2:最小隔离区域划分是以网络中开关元件为边界形成的馈线区域,区域内部不再包含开关装置,最小隔离区域等值参数包括各最小隔离区域的年平均故障率λ、区域馈线段长度之和l、区域内负荷点和区域平均功率计算公式如下:区域年平均故障率λ=∑λili,其中λi是区域内第i条馈线段年平均故障率,区域馈线段长度之和l=Σli,其中li是区域内第i条馈线段的长度,区域平均功率其中Nj为区域内负荷点j的用户数,Pj为区域内负荷点j的平均功率。
步骤1-3:新网络拓扑结构是以开关和最小隔离区域组成的网络拓扑结构,主要描述开关与最小隔离区域之间的连接关系。
步骤2包括以下步骤:
步骤2-1:编码主要由0、2、3三个十进制数组成,其中0表示该开关不安装终端,2表示该开关安装二遥馈线终端,3表示该开关安装三遥馈线终端,同时随机生成一个列数为网架中终端可安装位置总数、行数为种群大小的初始种群矩阵,矩阵中只包含0、2、3三个元素,由于故障发生时出口断路器和联络开关需要经常分合闸,默认安装三遥馈线终端。
步骤2-2:迭代次数p为遗传算法第p次迭代;
步骤2-3:种群个体计数k为种群中第k个个体;
步骤3包括以下步骤:
步骤3-1:最小二遥区域是以网络中馈线终端(各种类型的馈线终端)为边界形成的馈线区域,其内部不再包含终端,最小二遥区域是故障发生时用来确定故障范围。
步骤3-2:最小三遥区域是以网络中三遥馈线终端为边界进行最小三遥区域划分,其内部不再包含三遥馈线终端,最小三遥区域可以用来确定不受影响区域,停电时间很短,为操作安装三遥馈线终端开关的时间。
步骤3-3包括以下内容:
步骤3-3-1:定义最小隔离区域至主电源方向为上游方向,上游方向第一个开关为父开关,自最小隔离区域远离主电源方向为下游方向,下游相邻开关为子开关。故障恢复策略为:①优先操作安装三遥馈线终端的开关,尽可能多恢复故障区域上下游能立即恢复供电的区域;②对于能确定故障区域的情况,即故障区域边界开关均安装终端,先隔离故障区域再查找故障;③对于不能确定故障所在最小隔离区域的情况,即故障区域边界开关不全安装终端,先查找到故障区域再进行隔离;④只对故障区域需要人工操作的父开关或子开关进行操作,其他不具备遥控功能的开关不操作;⑤对于故障区域父开关与子开关都需要人工操作的情况,优先操作父开关,再操作子开关;⑥对于多个子开关都需要人工操作的情况,优先操作能恢复较多负荷的子开关。
步骤3-3-2:安装终端后,假设故障发生在线路末端,故障处理时间T主要由三个部分组成:T=t1+t2+t3,其中t1为故障查找时间,巡线起点为最小二遥区域上游第一个开关,t1=σ∑Li,δ为单位长度线路巡线时间,Li为查找所经过的第i个最小隔离区域馈线段长度之和,t2为单个开关人工隔离时间,t3为故障处理时间,它包括故障修复后恢复故障前线路运行方式所包括的时间。不考虑开关拒动和线路转供能力,区域停电时间分类为:①停电时间为0的区域,最小三遥区域上游的区域以及最小三遥区域下游有联络开关的区域;②停电时间为kt2的区域,它不包括停电时间为0的区域,故障区域父开关与子开关均安装馈线终端,先隔离故障区域再查找故障,上游三遥开关与父开关之间的区域,下游有联络且子开关与其下游最小三遥区域上游开关之间的区域,k为需要人工隔离的开关数量;③停电时间为t1+kt2,它不包括停电时间为0的区域,故障区域边界开关不全安装终端,先查找故障再隔离故障区域,上游三遥开关与父开关之间的区域,下游有联络,子开关与其下游最小三遥区域上游开关之间的区域,k为需要人工隔离的开关数量;④停电时间为t1+t3:故障区域、下游无联络的子开关的下游区域,父开关安装三遥馈线终端,下游有联络,子开关也安装三遥馈线终端;⑤停电时间为t1+kt2+t3:故障区域停电时间、下游无联络的子开关的下游区域,k为需要人工隔离的开关数量。
步骤3-3-3:配电系统平均供电可用度ASAI、配电系统总供电不足ENS可用以下公式表示,平均供电可用度式中,Uj为负荷点j的年平均停电时间,Nj为负荷点j的用户数;配电系统总供电不足指标ENS=ΣLajUj,Laj为负荷点j的平均负荷。
步骤3-4:目标函数:min C=mC2+nC3,其中C为一种方案下的安装终端总投资,m、n分别为该方案下二遥馈线终端和三遥馈线终端的数量,C2、C3分别为单个二遥馈线终端或单个三遥馈线终端的配置单价。
约束条件:
①可靠性约束:R≥Rthr R0≤Rthr≤R3;
②用户约束:Uh≤Uhthr Uh3≤Uhthr≤Uh0;其中,R为某种终端配置方案下的配电系统供电可靠性指标,Rthr为给定的配电系统最低可靠性指标,R0,R3分别为全部不安装终端(默认位置除外)或全部安装三遥馈线终端下的配电系统可靠性指标;Uh表示第h个区域用户年停电时间,Uhthr表示第h个区域用户年停电时间最低要求,Uh0,Uh3分别表示第h个区域用户全部不安装终端或全部安装三遥馈线终端下的年停电时间。
依次计算该方案下的目标函数值和约束条件值,并判断配电系统可靠性指标和负荷点年停电时间是否满足约束条件,即配电系统平均供电可用度和有约束的负荷点年停电时间应不小于其下限值,若不满足约束条件,该个体适应值Fitvalue=WfC,其中Wf为惩罚因子,若满足约束条件,适应值Fitvalue=CΔ,其中Δ为个体在群体中的占比,当C=Cmax时,个体为最佳个体,Δ=2,当C≠Cmax时,并且Δ的最大值为2,Cmax为群体目标函数最佳值,Cavg为群体目标函数平均值。个体在群体中的占比Δ为个体在群体中的优劣评价标准,当Δ值较大,个体性能良好,适应度应该取较大值,当Δ值较小,个体性能不佳,适应度应该取较小值。
步骤4主要包括以下步骤:
步骤4-1:当前最优个体为当前种群最优解,全局最优个体为到当前种群为止的最优解;
步骤4-2:解码可以指将最优方案编码解释为安装二遥馈线终端、安装三遥馈线终端以及不安装终端的开关位置,当迭代结束后,每一个开关位置都有相应的馈线终端类型代码,根据最终输出的最优解可以计算二遥馈线终端、安装三遥馈线终端的数量,由此可解决馈线终端位置、类型和数量配置问题。
步骤4-3包括以下内容:
步骤4-3-1:根据自适应遗传算法选择、交叉和变异算子形成新种群,选择出大小为Pz的种群,并以交叉概率Pc、变异概率Pm进行交叉和变异。其中Pc2≤Pc≤Pc1,Pm2≤Pm≤Pm1,Pc1、Pc2分别为交叉概率上下限,Pm1、Pm2分别为变异概率上下限。
步骤4-3-2:交叉概率Pc是根据群体适应度favg和fmax并以S型曲线来变化的,其中favg是当前种群适应度的平均值,fmax是当前种群适应度的最大值,当种群内个体适应度小于favg时,表示该个体较差,此时交叉概率为Pc1,从而可以加快进化过程,当种群内个体适应度大于favg并且小于fmax时,越靠近群体平均值的个体越差,其交叉与变异概率应该变化缓慢,当个体适应度接近于fmax时,表示该个体优秀,其交叉与变异概率也应该变化缓慢,而适应度在favg与fmax中间的个体交叉与变异概率应该变化剧烈,交叉概率Pc曲线的基本表达式为过点(favg,Pc1)、(fmax,Pc2)、 由此计算可得:
变化曲线见附图3。
步骤4-3-3:自适应变异概率Pm是根据群体相似度SΔ来计算的,相似度越高,变异概率越大,越能突破局部收敛,找到全局最优解,其中PZ为种群大小,为第i个个体Pi与第j个个体Pj之间的相关系数,为协方差与标准差之比,SΔ的取值范围为0-1。变异概率Pm曲线的基本表达式为过点(0,Pm2)、(1,Pm1)、由此计算可得: 变化曲线见附图4。
基于同一发明构思,本发明还提供了一种馈线终端优化配置装置,由于这些设备解决问题的原理与一种馈线终端优化配置方法相似,因此这些设备的实施可以参见方法的实施,重复之处不再赘述。
所述装置可以包括:
网络拓扑生成模块,用于根据配电网网架创建拓扑结构图,计算区域等值参数并形成新网络拓扑;
种群生成模块,用于根据开关配置馈线终端的类型进行编码,并生成初始种群;
计算模块,用于计算配电系统的可靠性指标以及目标函数与约束条件,并根据目标函数与约束条件计算每个个体的适应值;
馈线终端优化模块,用于根据改进自适应遗传算法将个体的适应值生成当前最优个体,进而确定全局最优个体,解码后的全局最优个体即是馈线终端优化结果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种馈线终端优化配置方法,其特征在于,所述方法包括如下步骤:
根据预先设置的配电网网架的结构参数构建网络拓扑;所述网络拓扑包括开关和最小隔离区域;
根据开关配置馈线终端的类型对应的编码,生成初始种群;种群中每行为一个个体;
对种群中的个体进行最小二遥区域和最小三遥区域划分,计算该个体的适应值;
根据个体的适应值确定全局最优个体;
对所述全局最优个体解码得到馈线终端优化结果;
所述计算个体的适应值包括如下步骤:
根据配电自动化下各最小隔离区域故障,对最小隔离区域的故障停电时间进行分类,计算各最小隔离区域内配电系统的可靠性指标;
根据所述可靠性指标以及预设的目标函数和约束条件计算个体的目标函数值与约束条件值,并计算该个体的适应值;
所述根据所述可靠性指标以及预设的目标函数和约束条件计算个体的目标函数值与约束条件值,并计算该个体的适应值,包括步骤:
根据预设的目标函数和约束条件依次计算每个个体的目标函数值和约束条件值,所述目标函数:min C=mC2+nC3,其中C为一种方案下的安装终端总投资,m、n分别为该方案下二遥馈线终端和三遥馈线终端的数量,C2、C3分别为单个二遥馈线终端和单个三遥馈线终端的配置单价;
约束条件:①可靠性约束:R≥Rthr R0≤Rthr≤R3;②用户约束:Uh≤Uhthr Uh3≤Uhthr≤Uh0;其中,R为终端配置方案下的配电系统供电可靠性指标,Rthr为给定的配电系统最低可靠性指标,R0,R3分别为全部不安装和全部安装三遥馈线终端下的配电系统可靠性指标;Uh表示第h个区域用户年停电时间,Uhthr表示第h个区域用户年停电时间最低要求,Uh0,Uh3分别表示第h个区域用户全部不安装终端、全部安装三遥馈线终端下的年停电时间;
判断配电系统可靠性指标和负荷点年停电时间是否满足约束条件,
若不满足约束条件,则该个体适应值Fitvalue=WfC,其中Wf为预设的惩罚因子,
若满足约束条件,则适应值Fitvalue=CΔ,其中Δ为个体在群体中的占比,当C=Cmax时,个体为最佳个体,Δ=1,当C≠Cmax时,并且Δ的最大值为1,Cmax为目标函数的最佳值,Cavg为目标函数的平均值;
所述根据个体的适应值确定全局最优个体,包括如下步骤:
根据个体的适应值确定当前种群中的最优个体,并将其作为初始全局最优个体;
判断是否达到遗传算法的预设迭代次数;
如果没有达到预设的迭代次数p,则根据自适应遗传算法对种群交叉变异生成新种群,计算新种群中个体的适应值,确定新种群中的最优个体,更新全局最优个体;直至达到预设的迭代次数,得到最终的全局最优个体;
所述根据自适应遗传算法对种群交叉变异生成新种群,包括如下步骤:
选择出大小为Pz的种群,并以交叉概率Pc、变异概率Pm进行交叉和变异,其中Pc2≤Pc≤Pc1,Pm2≤Pm≤Pm1,Pc1、Pc2分别为交叉概率上下限,Pm1、Pm2分别为变异概率上下限;
3.根据权利要求1所述方法,其特征在于,所述网络拓扑中的开关配置馈线终端的类型包括该开关不安装终端、该开关安装二遥馈线终端和该开关安装三遥馈线终端;所述初始种群对应的矩阵的列数为网架中终端可安装位置总数、行数为种群中的个体数量。
4.根据权利要求1所述方法,其特征在于,所述故障停电时间分类包括:停电时间为0的区域和以下式表示的区域:T=kt2、T=t1+kt2、T=t1+t3、T=t1+kt2+t3,其中k为需要人工隔离的开关数量,t1=σ∑Li,δ为单位长度线路巡线时间,Li为查找所经过的第i个最小隔离区域馈线段长度之和,t2为单个开关人工隔离时间,t3为故障处理时间。
6.根据权利要求1所述方法,其特征在于,所述馈线终端优化结果包括:安装二遥馈线终端、安装三遥馈线终端以及不安装终端的开关位置;每一个开关位置都有相应的馈线终端类型。
7.一种馈线终端优化配置装置,用于如权利要求1-6任一项所述的一种馈线终端优化配置方法,其特征在于,所述装置包括:
网络拓扑生成模块,用于根据配电网网架创建拓扑结构图,计算区域等值参数并形成新网络拓扑;
种群生成模块,用于根据开关配置馈线终端的类型进行编码,并生成初始种群;
计算模块,用于计算配电系统的可靠性指标以及目标函数与约束条件,并根据目标函数与约束条件计算每个个体的适应值;
馈线终端优化模块,用于根据改进自适应遗传算法将个体的适应值生成当前最优个体,进而确定全局最优个体,解码后的全局最优个体即是馈线终端优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611092875.4A CN108154249B (zh) | 2016-12-02 | 2016-12-02 | 一种馈线终端优化配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611092875.4A CN108154249B (zh) | 2016-12-02 | 2016-12-02 | 一种馈线终端优化配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108154249A CN108154249A (zh) | 2018-06-12 |
CN108154249B true CN108154249B (zh) | 2023-01-13 |
Family
ID=62469451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611092875.4A Active CN108154249B (zh) | 2016-12-02 | 2016-12-02 | 一种馈线终端优化配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154249B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109726919B (zh) * | 2018-12-29 | 2021-04-09 | 华北电力大学 | 一种基于故障可观性指标的配电网ftu最优配置方法 |
CN110265981B (zh) * | 2019-06-12 | 2021-07-27 | 国网河北省电力有限公司 | 一种继电保护信息识别的增量交叉迭代方法 |
CN110334962B (zh) * | 2019-07-11 | 2022-10-14 | 南方电网科学研究院有限责任公司 | 一种馈线自动化设备的构建方法、装置及设备 |
CN112583015B (zh) * | 2019-09-27 | 2023-06-06 | 国网山东省电力公司济南市历城区供电公司 | 一种限制分区高压主容量预防供电短路方法 |
CN110889212A (zh) * | 2019-11-15 | 2020-03-17 | 国家电网有限公司 | 一种计及投资费用约束的配电自动化终端布局优化方法 |
CN110866739B (zh) * | 2019-11-29 | 2022-08-12 | 国网四川省电力公司电力科学研究院 | 一种考虑故障排查路径的配电网综合停电时间表示方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011068989A1 (en) * | 2009-12-04 | 2011-06-09 | Abb Research Ltd | Restoration switching analysis with modified genetic algorithm |
CN104184170A (zh) * | 2014-07-18 | 2014-12-03 | 国网上海市电力公司 | 基于改进的自适应遗传算法的独立微网配置优化方法 |
CN104376376A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种面向配电自动化终端类型的优化配置方法 |
CN104392117A (zh) * | 2014-11-06 | 2015-03-04 | 国家电网公司 | 一种配电终端对配电系统可靠性影响分析方法 |
CN104484712A (zh) * | 2014-11-24 | 2015-04-01 | 国家电网公司 | 一种三遥配电终端优化配置方法 |
CN105356610A (zh) * | 2015-11-26 | 2016-02-24 | 江苏省电力公司南京供电公司 | 智能配电网的配电自动化终端配置方法 |
-
2016
- 2016-12-02 CN CN201611092875.4A patent/CN108154249B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011068989A1 (en) * | 2009-12-04 | 2011-06-09 | Abb Research Ltd | Restoration switching analysis with modified genetic algorithm |
CN104184170A (zh) * | 2014-07-18 | 2014-12-03 | 国网上海市电力公司 | 基于改进的自适应遗传算法的独立微网配置优化方法 |
CN104376376A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种面向配电自动化终端类型的优化配置方法 |
CN104392117A (zh) * | 2014-11-06 | 2015-03-04 | 国家电网公司 | 一种配电终端对配电系统可靠性影响分析方法 |
CN104484712A (zh) * | 2014-11-24 | 2015-04-01 | 国家电网公司 | 一种三遥配电终端优化配置方法 |
CN105356610A (zh) * | 2015-11-26 | 2016-02-24 | 江苏省电力公司南京供电公司 | 智能配电网的配电自动化终端配置方法 |
Non-Patent Citations (3)
Title |
---|
三遥配电自动化终端的优化配置;王旭东 等;《电力系统及其自动化学报》;20160215;第28卷(第02期);第36-42页 * |
不同网络结构及可靠性要求环境下FTU的最优配置;郑玲玲 等;《电力系统保护与控制》;20151216;第43卷(第24期);第69-74页 * |
基于改进遗传算法的配电网网架结构优化规划;化晨冰 等;《山东电力技术》;20150325;第42卷(第03期);第16-18、52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108154249A (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154249B (zh) | 一种馈线终端优化配置方法及装置 | |
CN107545516B (zh) | 一种基于遗传算法的馈线终端优化配置方法 | |
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 | |
CN110222889B (zh) | 基于多种智能算法的配电网馈线自动化终端配置方法 | |
CN112671029A (zh) | 一种含分布式电源的配网多阶段故障恢复方法 | |
CN107256441B (zh) | 基于非支配排序遗传算法的配电网规划建设方案设计方法 | |
CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
Razghandi et al. | Short-term load forecasting for smart home appliances with sequence to sequence learning | |
CN112163723A (zh) | 基于情景划分的水电站中长期径流预测方法、介质及设备 | |
CN108665068A (zh) | 供水管网水力模型自动校核问题的改进遗传算法 | |
CN117833242B (zh) | 基于数字孪生的电力能源智能调度方法及系统 | |
CN108683189B (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 | |
CN115204698A (zh) | 一种低压台区供电稳定性的实时分析方法 | |
CN111832836B (zh) | 一种计及负荷用电特性的配电网重构方法及系统 | |
CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
Cen et al. | Multi-Task Learning of the PatchTCN-TST Model for Short-Term Multi-Load Energy Forecasting Considering Indoor Environments in a Smart Building | |
CN111799773B (zh) | 一种用于预测电网连锁故障集的方法及系统 | |
CN110932270B (zh) | 一种包含柔性开关的配电网故障恢复方法和装置 | |
CN116523148A (zh) | 一种配电网配变重过载预警方法、装置和设备 | |
CN105550947A (zh) | 一种配电网络重构方法 | |
CN115879742B (zh) | 配电网改造方法、系统、电子设备及存储介质 | |
CN116956203A (zh) | 一种变压器分接开关动作特性测量方法及系统 | |
CN112365035B (zh) | 一种基于gis地图和非支配排序差分进化算法的优化方法 | |
CN115774933A (zh) | 基于分布估计算法的配电网保护布点优化方法及系统 | |
CN113783179B (zh) | 一种电网负荷预测及优化方法 |
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 |