CN108537389B - 基于同胚图的电网优化方法、优化设备及存储介质 - Google Patents
基于同胚图的电网优化方法、优化设备及存储介质 Download PDFInfo
- Publication number
- CN108537389B CN108537389B CN201810351591.5A CN201810351591A CN108537389B CN 108537389 B CN108537389 B CN 108537389B CN 201810351591 A CN201810351591 A CN 201810351591A CN 108537389 B CN108537389 B CN 108537389B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- nodes
- graph
- network diagram
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000009826 distribution Methods 0.000 claims abstract description 146
- 238000010586 diagram Methods 0.000 claims abstract description 131
- 210000000349 chromosome Anatomy 0.000 claims abstract description 60
- 230000002068 genetic effect Effects 0.000 claims abstract description 46
- 238000012217 deletion Methods 0.000 claims abstract description 18
- 230000037430 deletion Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012966 insertion method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 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
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于同胚图的电网优化方法、优化设备及存储介质。本发明的优化设备获取待优化电网的配电网络图，提取所述配电网络图中各节点的预设信息，按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式，通过同胚图的生成，使得原有配电网络图中的节点数目大大降低，减少了配电网优化的计算量，提高了电网优化的效率。
Description
技术领域
本发明涉及配电网管理技术领域，尤其涉及一种基于同胚图的电网优化方法、优化设备及存储介质。
背景技术
近年来，随着国民经济的高速发展，使得用户的用电需求不断增长，对电力企业的供电能力，供电质量以及供电可靠性的要求也越来越高，电力企业只有通过自身不断的发展，才能满足日益增长的电能需求。电力系统是国家基础行业，电网建设的发展水平不仅影响着国民经济的发展，还涉及到一次能源的消耗以及巨额投资，进行合理的规划不但能减少资源的浪费，还能获得巨大的社会和经济效益，促进其他行业的健康发展；反之，如果规划不合理或规划失误，将会给国家带来巨大的损失。长期以来，我国的电网规划工作总是落后于电源规划工作，许多地区的电网结构薄弱以及规划的不合理，导致地方有电送不出、地区严重缺电的现象发生；甚至还出现由于局部电网出现故障引发大面积长时间停电的重大系统事故；在这种情况下，原有的电网规划工作正在经受着严峻的考验，迫使电力部门不得不在电网规划工作上寻找更有效的途径和方法。随着电能需求的增加以及我国社会主义市场经济的不断发展，使得市场机制下的电力企业面临着激烈的竞争，实现电力资源的优化配置已然成为了电力企业改革和发展的必然趋势，从而开展配电网优化研究的意义和重要性不言而喻。
配电网是电力系统的重要组成部分，是电力系统运行的集中反映，它的主要任务是把电源和输电网获得的电能直接分配给不同电压等级的用户。配电网优化是一个动态、多目标、不确定性以及非线性的整数规划问题，常规方法难以有效解决问题；通过科学合理的配电网优化工作，不仅可以优化配电线路走向，还可以提高整个社会的用电效益；此外，对配电网的优化规划可以降低系统的损耗及增加电网的运行效率，也可以科学的确定变电站的容量、位置和供电范围，达到系统有效运行管理的要求。配电网优化可以大大提高系统的运行可靠性，是提高系统投资效益的最有效途径，配电网优化的合理性直接影响着配电网自动化设施的投资效益，是配电自动化实施的前提和基础。科学合理的配电网优化具有非常重要的社会和经济意义。
但是，现有的配电网优化计算量繁琐，随着配电网规模的变大，所需的计算时间过长，效率低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于同胚图的电网优化方法、优化设备及存储介质，旨在解决现有技术中配电网优化过程中计算量大、效率低的技术问题。
为实现上述目的，本发明提供一种基于同胚图的电网优化方法，所述方法包括以下步骤：
获取待优化电网的配电网络图；
提取所述配电网络图中各节点的预设信息；
按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图；
获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体；
利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式。
优选地，所述预设信息为度；
相应地，所述按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，具体包括：
删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图。
优选地，所述删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图，具体包括：
删除所述配电网络图中度为1和2的节点，获得所述配电网络图的同胚图。
优选地，所述删除所述配电网络图中度为1和2的节点，获得所述配电网络图的同胚图，具体包括：
删除所述配电网络图中度为1的节点；
利用深度优先搜索法获得剩余各节点的连接信息；
统计所述剩余节点的度，并删除所述剩余节点中度为2的节点；
基于所述配电网络图中剩余各节点的连接情况，生成所述配电网络图的同胚图。
优选地，所述获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，具体包括：
基于所述同胚图中节点的数目，确定能够使所述同胚图闭合的最少的边的数目，其中，所述边为所述同胚图中任意两个节点之间的连续线；
基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
优选地，所述基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，具体包括：
基于确定的能够使所述同胚图闭合的最少的边的数目，从所述同胚图中连接各节点的边中任意选取相应数目的边进行断开，剩余的边进行闭合，获得若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
优选地，所述基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，具体包括：
基于确定的使所述同胚图闭合的最少的边的数目，获取所述同胚图的若干连接方式；
基于所述节点连接方式，对所述同胚图中的节点进行遍历，将能够遍历到所述同胚图中所有节点的连接方式作为使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
优选地，所述利用深度优先搜索法获得剩余节点的连接信息，具体包括：
利用深度优先搜索法获得剩余各节点的连接信息，并通过单链表的表首插入法保存所述剩余节点的连接信息。
此外，为实现上述目的，本发明还提供一种优化设备，所述优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于同胚图的电网优化程序，所述基于同胚图的电网优化程序配置为实现如上文所述的基于同胚图的电网优化方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有基于同胚图的电网优化程序，所述基于同胚图的电网优化程序被处理器执行时实现如上文所述的基于同胚图的电网优化方法的步骤。
本发明的优化设备获取待优化电网的配电网络图，提取所述配电网络图中各节点的预设信息，按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式，通过同胚图的生成，使得原有配电网络图中的节点数目大大降低，减少了配电网优化的计算量，提高了电网优化的效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的优化设备结构示意图；
图2为本发明基于同胚图的电网优化方法第一实施例的流程示意图；
图3为14个节点的配电网络示意图；
图4为配电网的同胚图；
图5为本发明基于同胚图的电网优化方法第二实施例的流程示意图；
图6为待优化配电网络示意图；
图7为各节点度的统计示意图；
图8为配电网中图为1的节点删除示意图；
图9为同胚信息生成示意图；
图10为配电网中度小于3的节点删除示意图；
图11为同胚图信息示意图；
图12为本发明基于同胚图的电网优化方法第三实施例的流程示意图；
图13为使同胚图闭合的染色体生成示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的优化设备的结构示意图。
如图1所示，该优化设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对优化设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于同胚图的电网优化程序。
图1所示的优化设备中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；所述优化设备通过处理器1001调用存储器1005中存储的基于同胚图的电网优化程序，并执行以下操作：
获取待优化电网的配电网络图；
提取所述配电网络图中各节点的预设信息；
按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图；
获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体；
利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：
删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：
删除所述配电网络图中度为1和2的节点，获得所述配电网络图的同胚图。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：：
删除所述配电网络图中度为1的节点；
利用深度优先搜索法获得剩余各节点的连接信息；
统计所述剩余节点的度，并删除所述剩余节点中度为2的节点；
基于所述配电网络图中剩余各节点的连接情况，生成所述配电网络图的同胚图。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：
基于所述同胚图中节点的数目，确定能够使所述同胚图闭合的最少的边的数目，其中，所述边为所述同胚图中任意两个节点之间的连续线；
基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：：
基于确定的能够使所述同胚图闭合的最少的边的数目，从所述同胚图中连接各节点的边中任意选取相应数目的边进行断开，剩余的边进行闭合，获得若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：：
基于确定的使所述同胚图闭合的最少的边的数目，获取所述同胚图的若干连接方式；
基于所述节点连接方式，对所述同胚图中的节点进行遍历，将能够遍历到所述同胚图中所有节点的连接方式作为使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
进一步地，处理器1001可以调用存储器1005中存储的基于同胚图的电网优化程序，还执行以下操作：
利用深度优先搜索法获得剩余各节点的连接信息，并通过单链表的表首插入法保存所述剩余节点的连接信息。
本实施例通过上述方案，优化设备获取待优化电网的配电网络图，提取所述配电网络图中各节点的预设信息，按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式，通过同胚图的生成，使得原有配电网络图中的节点数目大大降低，减少了配电网优化的计算量，提高了电网优化的效率。
基于上述硬件结构，提出本发明基于同胚图的电网优化方法实施例。
参照图2，图2为本发明基于同胚图的电网优化方法第一实施例的流程示意图。
在第一实施例中，所述基于同胚图的电网优化方法包括以下步骤：
S10：获取待优化电网的配电网络图。
需要说明的是，本实施例方法的执行主体为能够对配电网络图进行分析进而优化的设备，可以是手机、电脑、便携式处理终端或专用优化设备，本实施例对此不加以限制。
配电网是电力系统的重要组成部分，是电力系统运行的集中反映，它的主要任务是把电源或输电网获得的电能直接分配给不同电压等级的用户，科学地确定变电站的容量、位置和供电范围，对配电网进行合理的规划、优化可以降低系统的损耗及增加电网的运行效率。
可以理解的是，为了实现在优化设备中进行配电网的优化，可以首先获取待优化电网的配电网络图，从而对配电网的组成、结构进行分析及优化，可参见图3，图3为一个14节点的配电网络图。
S20：提取所述配电网络图中各节点的预设信息。
可以理解的是，为了深入解析待优化配电网的构架及各部分之间的连接关系，可以对配电网络图中各节点的信息进行提取，根据具体的情况，可以获取配电网络图各边的节点情况，各节点的连接情况，也可以进而具体到统计配电网络图中各个节点的度。
S30：按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图。
需要说明的是，在拓扑学中，两个流形，如果可以通过弯曲、延展、剪切(只要最终完全沿着当初剪开的缝隙再重新粘贴起来)等操作把其中一个变为另一个，则认为两者是同胚，因此，可以按照预先设置的条件对配电网络图进行节点删减处理，获得配电网络图的同胚图，可以理解的是，同胚图是对原配电网络图的简化，同时又保留了原图的主要信息，比如，对图3所表示的配电网络图进行节点删减处理之后，得到的同胚图可参见图4，从图中可以看出，从原配电网络图中删除度为1和2的节点后，节点数由原来的14个变成了4个，节点数目的减少将大大减少后续电网优化过程中的计算量。
S40：获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
需要说明的是，遗传算法是计算数学中用于解决最佳化的搜索算法，在遗传算法解决最优化问题是，将一定数量的候选集的抽象表示称为染色体。
在本实施例中，闭合的同胚图具体指的是，同胚图的节点之间通过一些边进行连接，通过这些节点之间的边，对同胚图中的所有节点进行遍历，如果能够遍历到同胚图中所有的节点，则认为该同胚图是闭合。
在具体实现中，获取若干能够使所述同胚图闭合的节点连接方式，将所述节点连接方式作为遗传算法的目标染色体，通过遗传算法对这些目标染色体进行计算，从而筛选出较优的节点连接方式。
S50：利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式。
本实施例的优化设备获取待优化电网的配电网络图，提取所述配电网络图中各节点的预设信息，按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式，通过同胚图的生成，使得原有配电网络图中的节点数目大大降低，减少了配电网优化的计算量，提高了电网优化的效率。
进一步地，如图3所示，基于第一实施例提出本发明基于同胚图的电网优化方法第二实施例。
在本实施例中，所述预设信息为度，相应地，步骤S30具体包括：
S301：删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图。
进一步地，可以删除所述配电网络图度为1和2的节点，从而获得配电网络图的同胚图，可以理解的是，由此获得的同胚图中的节点的度至少为3。
可以理解的是，如果在统计待优化配电网络图中各节点的度之后，将度为1和度为2的节点同时删除，可能导致度为2的节点没有被彻底删除，比如，在删除1的节点之后，原本度为3的节点可以变为了度为2的节点。
为了保证将原配电网络图中度为1和度为2的节点彻底删除，可以采取两步删除的方式，即首先删除原配电网图中度为1的节点，然后对剩余各节点的度进行统计，将剩余节点中度为2的节点删除。
在具体实现中，可以删除所述配电网络图中度为1的节点，利用深度优先搜索法获得剩余各节点的连接信息，统计所述剩余节点的度，并删除所述剩余节点中度为2的节点，基于所述配电网络图中剩余各节点的连接情况，生成所述配电网络图的同胚图。
获取待优化配电网络图之后，对其中度为1和2的节点进行分步删除的具体过程可参见图6-11。
需要说明的是，现有算法中并没有提供一种切实可行的生成同胚图的具体算法，更多的是通过手工方式得到配电网的同胚图，但是，手工方式只能求出小规模的配电网的同胚图，对于规模较大的配电网，用手工方式得到配电网同胚图显然是不可能的。
在本实施例中，采用深度优化搜索法保存同胚信息，充分发挥用算法解决实际问题的优势，提高了大规模配电网信息提取的能力。
需要说明的是，为了便于后续的计算，在利用深度优先搜索法获得剩余各节点的连接信息之后，通过单链表的表首插入法保存所述剩余节点的连接信息。
本实施例中，通过对原配电网络图中节点的分步删除处理，从而达到彻底删除度为预设值的节点的目的，采用深度优化搜索法获取并保存同胚信息，提高了大规模配电网信息提取的能力。
进一步地，如图11所示，基于第一实施例提出本发明基于同胚图的电网优化方法第三实施例，在本实施例中，步骤S40具体包括：
S401：基于所述同胚图中节点的数目，确定能够使所述同胚图闭合的最少的边的数目，其中，所述边为所述同胚图中任意两个节点之间的连续线。
需要说明的是，本实施例中，同胚图中的边为同胚图中任意两个节点之间的连续线。
可以理解的是，通过同胚图中节点的数目，可以确定能使同胚图中各节点互相连接且闭合的最少的边的数目，比如，同胚图中节点数目是4，则至少应该有3条边将4个节点连接，才有可能基于这些连接的线遍历同胚图中的所有节点，即获得闭合的同胚图。
S402：基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
在具体实现中，基于确定的能够使所述同胚图闭合的最少的边的数目，从所述同胚图中连接各节点的边中任意选取相应数目的边进行断开，剩余的边进行闭合，获得若干能够使所述同胚图闭合的节点连接方式，在获取所述同胚图的若干连接方式之后，可以基于这些节点连接方式，对所述同胚图中的节点进行遍历，将能够遍历到所述同胚图中所有节点的连接方式作为使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
在获得了如图11所述的同胚图信息之后，基于图11所表示的同胚信息，生成若干使同胚图闭合的节点连接方式，即生成目标染色体的过程可参见图13，其中染色体中分别用1、2、3等数字与同胚图中的边进行一一对应，即表示同胚图中相应的边，随机生成的染色体中用0表示同胚图中与之对应的边是闭合的，而用1表示同胚图中与之对应的边是断开的，图13表示随机产生的16个使同胚图闭合的染色体。
本实施例中，基于所述同胚图中节点的数目，确定能够使所述同胚图闭合的最少的边的数目，基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，通过减少目标染色体的数目，从而减少了遗传算法的计算量，提高了电网优化过程中的计算效率。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于同胚图的电网优化程序，所述基于同胚图的电网优化程序被处理器执行时实现如下操作：
获取待优化电网的配电网络图；
提取所述配电网络图中各节点的预设信息；
按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图；
获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体；
利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
删除所述配电网络图中度为1和2的节点，获得所述配电网络图的同胚图。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
删除所述配电网络图中度为1的节点；
利用深度优先搜索法获得剩余各节点的连接信息；
统计所述剩余节点的度，并删除所述剩余节点中度为2的节点；
基于所述配电网络图中剩余各节点的连接情况，生成所述配电网络图的同胚图。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
基于所述同胚图中节点的数目，确定能够使所述同胚图闭合的最少的边的数目，其中，所述边为所述同胚图中任意两个节点之间的连续线；
基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
基于确定的能够使所述同胚图闭合的最少的边的数目，从所述同胚图中连接各节点的边中任意选取相应数目的边进行断开，剩余的边进行闭合，获得若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
基于确定的使所述同胚图闭合的最少的边的数目，获取所述同胚图的若干连接方式；
基于所述节点连接方式，对所述同胚图中的节点进行遍历，将能够遍历到所述同胚图中所有节点的连接方式作为使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
进一步地，所述基于同胚图的电网优化程序被处理器执行时还实现如下操作：
利用深度优先搜索法获得剩余各节点的连接信息，并通过单链表的表首插入法保存所述剩余节点的连接信息。
本实施例通过上述方案，优化设备获取待优化电网的配电网络图，提取所述配电网络图中各节点的预设信息，按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式，通过同胚图的生成，使得原有配电网络图中的节点数目大大降低，减少了配电网优化的计算量，提高了电网优化的效率。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于同胚图的电网优化方法，其特征在于，所述方法包括以下步骤：
获取待优化电网的配电网络图；
提取所述配电网络图中各节点的预设信息；
按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图；
获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体；
利用遗传算法分别计算各目标染色体对应的适应度值，将适应度值最大的目标染色体对应的节点连接方式作为优化后的电网连接方式；
其中，所述预设信息为度；相应地，所述按照预设信息对所述配电网络图进行节点删减处理，获得所述配电网络图的同胚图，具体包括：
删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图；
所述删除所述配电网络图中度属于预设范围的节点，获得所述配电网络图的同胚图，具体包括：
删除所述配电网络图中度为1和2的节点，获得所述配电网络图的同胚图；
所述删除所述配电网络图中度为1和2的节点，获得所述配电网络图的同胚图，具体包括：
删除所述配电网络图中度为1的节点；
利用深度优先搜索法获得剩余各节点的连接信息；
统计所述剩余节点的度，并删除所述剩余节点中度为2的节点；
基于所述配电网络图中剩余各节点的连接情况，生成所述配电网络图的同胚图；
所述利用深度优先搜索法获得剩余节点的连接信息，具体包括：
利用深度优先搜索法获得剩余各节点的连接信息，并通过单链表的表首插入法保存所述剩余节点的连接信息。
2.如权利要求1所述的方法，其特征在于，所述获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，具体包括：
基于所述同胚图中节点的数目，确定能够使所述同胚图闭合的最少的边的数目，其中，所述边为所述同胚图中任意两个节点之间的连续线；
基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
3.如权利要求2所述的方法，其特征在于，所述基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，具体包括：
基于确定的能够使所述同胚图闭合的最少的边的数目，从所述同胚图中连接各节点的边中任意选取相应数目的边进行断开，剩余的边进行闭合，获得若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
4.如权利要求2所述的方法，其特征在于，所述基于确定的能够使所述同胚图闭合的最少的边的数目，获取若干能够使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体，具体包括：
基于确定的使所述同胚图闭合的最少的边的数目，获取所述同胚图的若干连接方式；
基于所述节点连接方式，对所述同胚图中的节点进行遍历，将能够遍历到所述同胚图中所有节点的连接方式作为使所述同胚图闭合的节点连接方式，并将所述节点连接方式作为遗传算法的目标染色体。
5.一种优化设备，其特征在于，所述优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于同胚图的电网优化程序，所述基于同胚图的电网优化程序配置为实现如权利要求1至4中任一项所述的基于同胚图的电网优化方法的步骤。
6.一种存储介质，其特征在于，所述存储介质上存储有基于同胚图的电网优化程序，所述基于同胚图的电网优化程序被处理器执行时实现如权利要求1至4中任一项所述的基于同胚图的电网优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810351591.5A CN108537389B (zh) | 2018-04-18 | 2018-04-18 | 基于同胚图的电网优化方法、优化设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810351591.5A CN108537389B (zh) | 2018-04-18 | 2018-04-18 | 基于同胚图的电网优化方法、优化设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108537389A CN108537389A (zh) | 2018-09-14 |
| CN108537389B true CN108537389B (zh) | 2022-04-05 |
Family
ID=63477834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810351591.5A Expired - Fee Related CN108537389B (zh) | 2018-04-18 | 2018-04-18 | 基于同胚图的电网优化方法、优化设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108537389B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440521A (zh) * | 2013-08-21 | 2013-12-11 | 南昌大学 | 一种适用于配电网的编码和遗传算法及在配网重构中的应用 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202174B (zh) * | 2016-06-27 | 2019-07-16 | 国家基础地理信息中心 | 一种多边形场景拓扑关系表达方法 |
| US20210143639A1 (en) * | 2019-11-08 | 2021-05-13 | Global Energy Interconnection Research Institute Co. Ltd | Systems and methods of autonomous voltage control in electric power systems |
-
2018
- 2018-04-18 CN CN201810351591.5A patent/CN108537389B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440521A (zh) * | 2013-08-21 | 2013-12-11 | 南昌大学 | 一种适用于配电网的编码和遗传算法及在配网重构中的应用 |
Non-Patent Citations (1)
| Title |
|---|
| 基于粒子群遗传混合算法的配电网重构研究;朱春涛;《中国优秀硕士学位论文全文数据库信息科技辑》;20120715;第29-45页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108537389A (zh) | 2018-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107402976B (zh) | 一种基于多元异构模型的电网多源数据融合方法及系统 | |
| CN113723810B (zh) | 基于图数据库的电网建模方法 | |
| CN111090643B (zh) | 一种基于数据分析系统下的海量用电数据挖掘方法 | |
| CN111161804B (zh) | 一种用于物种基因组学数据库的查询方法及系统 | |
| CN113344450A (zh) | 低压台区线户识别方法、系统、终端设备及存储介质 | |
| CN108038332B (zh) | 一种面向未来态电网的在线图模快速生成方法 | |
| CN112348352B (zh) | 基于大数据分析的电力预算建议方案自动生成方法 | |
| CN113570345A (zh) | 一种基于施工项目电路图的停电范围自动识别系统 | |
| CN108537389B (zh) | 基于同胚图的电网优化方法、优化设备及存储介质 | |
| Mochinski et al. | Developing an Intelligent Decision Support System for large-scale smart grid communication network planning | |
| CN104243218B (zh) | 一种基于多调度约束的电力系统通信方式单编制方法 | |
| CN116244789A (zh) | 选煤厂多专业施工图委托提资方法及装置 | |
| CN115664005A (zh) | 一种基于新能源电气设备模型的快速通信建点方法和系统 | |
| CN111552718B (zh) | 包含过程信息的交互式智慧电力审计方法 | |
| CN110598930B (zh) | 一种公交线路优化调整方法及装置 | |
| CN107590211A (zh) | 智能电网信息系统 | |
| CN113869696A (zh) | 一种电动汽车充电站能效评估方法、装置、设备及介质 | |
| CN112926187A (zh) | 一种配电网经济运行分析优化的方法 | |
| CN111490540A (zh) | 基于三相不平衡度判定的配变台区指标大数据生成方法 | |
| CN105976210A (zh) | 电力营销用服务系统 | |
| CN106451425B (zh) | 一种微电网的自动建模方法和装置 | |
| CN110929219A (zh) | 配网设备群状态评价方法、装置、系统及计算机存储介质 | |
| CN114186700B (zh) | 一种电力光缆多周期运维入站站点选择方法 | |
| US11709469B2 (en) | Method for optimising the physical model of an energy installation and control method using such a model | |
| CN114363926B (zh) | 一种电网配用电无线通信测试系统、方法、无线接入终端及应用 |
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 | ||
| 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: 20220405 |