CN108923428A - 一种基于细胞凋亡算法的配电网动态恢复系统及方法 - Google Patents
一种基于细胞凋亡算法的配电网动态恢复系统及方法 Download PDFInfo
- Publication number
- CN108923428A CN108923428A CN201810978320.2A CN201810978320A CN108923428A CN 108923428 A CN108923428 A CN 108923428A CN 201810978320 A CN201810978320 A CN 201810978320A CN 108923428 A CN108923428 A CN 108923428A
- Authority
- CN
- China
- Prior art keywords
- recovery
- proxy module
- load
- repairing
- module
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/002—Biomolecular computers, i.e. using biomolecules, proteins, cells
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Organic Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出一种基于细胞凋亡算法的配电网动态恢复系统及方法,包括:信息采集代理模块、负荷代理模块、抢修小队代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、协同代理模块及控制中心代理模块;借鉴细胞生理特性,将网络重构与抢修问题分解为连续的多个步骤,降低各个步骤优化难度,解决传统方法多次进行优化容易产生维数灾的问题;根据可恢复性评估值,确定各个时间段待恢复树的恢复模式,根据各个模式确定该阶段最重要的恢复目标,简化恢复过程中多目标寻优导致的恢复过程寻优复杂,恢复时间拉长问题;将故障恢复与抢修协同起来考虑恢复方案,提高恢复效率,减少经济损失,适用于发生多故障大电网系统大面积停电问题。
Description
技术领域
本发明属于本发明属于电网评估领域,具体涉及一种基于细胞凋亡算法的配电网动态恢复系统及方法。
背景技术
配电网故障恢复过程是一个涉及多方面因素的多目标优化问题,从数学优化角度来分析,其规模较大,难度较高。随着电网规模的越来越大,自然灾害或其他事故造成的断电规模也越来越大,在这种情况下,电力部门要求在大规模断电后,不但要进行故障恢复,还要进行故障抢修,不但要求恢复策略最优,还要求抢修策略最优。但目前将故障与抢修两个问题放在一起研究的专家学者还比较少,将两个问题协同起来考虑,有利于找到全局解决方案的最优解。
发明内容
针对以上技术不足,本发明提出一种基于细胞凋亡算法的配电网动态恢复系统及方法,包括一种基于细胞凋亡算法的配电网动态恢复系统,具体包括:
信息采集代理模块、负荷代理模块、抢修小队代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、协同代理模块及控制中心代理模块;
信息采集代理模块、负荷代理模块、抢修小队代理模块分别与数据处理代理模块相连接,数据处理代理模块与可恢复评估代理模块和协同代理模块相连接,待恢复树代理模块分别与负荷代理模块、协同代理模块、抢修小队代理模块和可恢复性评估代理模块相连接,控制中心模块分别于与信息采集代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、负荷代理模块、抢修小队代理模块和协同代理模块相连接;
信息采集代理模块:用于采集各种与配电网故障恢复相关的数据,包括通信信息、电源信息、负荷信息、开关信息,并将采集到信息上传给数据处理代理模块,同时传递给控制中心代理模块,所述负荷信息包括:负荷的大小,幅值,重要程度;
负荷代理模块:将各个区域内各类负荷划分调整可控负荷、不可控负荷和可调节负荷,根据可恢复评估代理模块提供的评估结果,确定恢复过程中的需求的参与程度;
抢修小队代理模块:保存着抢修小队信息,包括应急抢修策略、路程所需实际时间和抢修资源状况,为控制中心代理模块合理安排抢修方案提供抢修小队信息数据;
数据处理代理模块:对从信息采集代理模块、负荷代理模块、抢修小队代理模块中传递来的信息数据进行分析、对比和统计,对恶意攻击数据进行筛选、删除并给出数据预警,经过处理后的数据传递给可恢复性评估代理模块和控制中心代理模块;
可恢复性评估代理模块:根据数据处理代理模块提供的数据及故障电网的供电能力、应急水平、设备状况,对故障电网的恢复能力进行评估,并根据评估结果确定不同区域的恢复能力,分为不同的模式并采取不同的恢复方式,完成评估后,保存该可恢复性评估结果;
待恢复树代理模块:以区域内可提供的符合评估结果的节点为基础,划分出多个待恢复的区域,以树状结构呈现,称为恢复树,对于多故障系统划分出多棵待恢复树,在恢复过程中,以每一棵树为恢复区域单元,进行恢复方案的制定,根据可恢复评估评分,确定待恢复树的恢复目标函数;
协同代理模块:协同代理负责与待恢复树代理、抢修小队代理二者的沟通,在失电的初始阶段,先通过待恢复树代理采用网络重构恢复部分负荷,然后考虑抢修方式恢复供电,同时要考虑二者的相互影响,使整个故障恢复的全过程花费时间最短,两个阶段要求总体开关操作次数最小,总体经济最优。
控制中心代理模块:汇总每个代理模块的信息数据,并保存其他代理模块之间的数据传递信息,包括已有知识经验和数据、专家实时意见,将采集的信息数据与存储的已有信息进行匹配,采用细胞凋亡算法,根据待恢复树代理模块的划分区域,与各时段最优恢复策略,经过一层优化模型、二层优化模型和综合优化模型,寻找全局最优恢复方案。
一种基于细胞凋亡算法的配电网动态恢复系统的方法,流程具体如下:
步骤1:电网发生故障,启动基于细胞凋亡算法的配电网动态恢复系统;
步骤2:将信息采集代理模块采集到信息、负荷代理模块采集到的各个区域内各类负荷信息和抢修小队代理模块获取的抢修信息上传给数据处理代理模块;
步骤3:将数据处理代理模块处理后的信息数据传递给控制中心代理模块;
步骤4:待恢复树代理划分出相应的恢复区域并与待恢复树代理模块进行通信,判定此时恢复区域所处于模式;
步骤5:按照待恢复树代理模块,根据可恢复评估评分,将故障电网的恢复能力划分为以下三种模式:
模式一:当可恢复能力评分x>0.9,即待恢复树内电源节点可提供的负荷大于所有失电负荷功率时,则在该棵待恢复树区域内不存在失电负荷,则以经济最优为恢复目标函数,得到最优恢复策略;
模式二:当可恢复能力评分0.9≥x≥0.6,即待恢复树内电源节点可提供的负荷小于所有失电负荷功率,但待恢复树区域内的可恢复能力较高时,利用负荷代理中的可控负荷,可调负荷切除一些负荷等级较小的,造成经济损失较少的负荷,以网损最小,开关操作次数最少为目标函数,得到最优恢复策略;
模式三:当可恢复能力评分x<0.6,即待恢复树区域内的可恢复能力较低时,即在原有基础上进行恢复的能力较小,需采取部分重建的方式,恢复更多的失电负荷;
步骤6:判断是否制定完所有时段最优恢复策略,如果没有制定完则进行下一时段最优恢复策略,如果已经制定完所有时段的最优恢复策略,则待恢复树代理模块将各时段的最优解传递给控制中心代理模块;
步骤7:控制中心代理模块利用细胞凋亡算法寻求全局最优解;
步骤8:判断是否完成抢修工作,如果没有完成,则更新抢修小队代理模块信息,并返回到步骤2,重新进行全局最优解的计算,若抢修已经完成,则判断电网恢复工作是否完成,若没有完成,则返回到步骤2,更新信息采集代理模块、负荷代理模块和抢修小队代理模块,获取更新后的信息数据,重新进行全局最优解的计算。
所述细胞凋亡算法寻求全局最优解,具体流程包括:
步骤7.1:定义细胞凋亡算法针对电网故障问题的物理意义:细胞凋亡算法中原始的细胞核相当所述待恢复树结构的根节点,细胞的生长过程相当于通过重合闸或抢修完成负荷供电过程;细胞的分裂过程相当于可恢复节点的恢复顺序选择过程,从根节点开始,先恢复哪个待恢复节点,后恢复哪个待恢复节点,在达尔文进化理论中基因决定的一个最优的分裂过程,而在配电网故障恢复过程,基因相当于由多目标决定的一个恢复顺序过程;而细胞的分化过程,多目标包括经济最优,网损最小,开关操作次数最少,是有不同的分裂过程而形成不同的恢复路径集合;最后细胞凋亡过程是有基因决定的一个细胞自动死亡的过程,在配电网故障恢复过程,相当于由约束条件决定的细胞程序化死亡的过程,约束条件包括电压、电流、网损和功率;
步骤7.2:初始化细胞群:给定一个初始化细胞所携带的基因T(X0,X1...,XP;K1,K2...KP),其中, X0存储从故障起始时刻到目前时刻的恢复路径信息;X1,X2,...,XP用来记录每个节点在当前恢复阶段的各个指标1,2,…,p的值,K1,K2...KP记录的是从起始时刻到当前时刻恢复总路径的指标1,2,…,p的值;
步骤7.3:根据待恢复树,找出全部的电源节点,将其定义为初始细胞组,并首先将能够提供最大功率的电源节点定义为根细胞R(X0,X1...,XP;K1,K2...KP);
步骤7.4:进行细胞分裂:将待恢复树代理模块将各时段的最优解作为已经分裂成一定数量的细胞,即以初始细胞为根细胞进行恢复操作,搜索可能恢复路径,用下式表示:CR,i={Ri,1(X0,X1...,XP;K1,K2...KP),Ri,2(X0,X1...,XP;K1,K2...KP),...Ri,m(X0,X1...,XP;K1,K2...KP)} 这里Ri,1,Ri,2,Ri,m表示从根节点开始,第i步恢复过程中存在的m个可能分裂的待恢复节点细胞;
步骤7.5:细胞生长:细胞生长是在细胞数量不变的前提下,体积、质量或者功能发生变化,即对于某些通过网络重构,开关重合闸无法进行恢复的节点,在第i步恢复过程中需通过抢修操作恢复的节点QR,i=Ri,n(X0,X1...,XP;K1,K2...KP);
步骤7.6:细胞分化:经过生长分裂的细胞,经分化,形成不同的细胞组:ψC,V={V(C1),V(C2),...V(Cs),},Cs代表整个恢复过程的节点路径排序方式;
步骤7.7:细胞凋亡:细胞凋亡是一个由基因决定的主动死亡的过程,即在满足细胞分裂的前提下,有些细胞不满足各种电压、电流、网损和功率的条件约束而选择主动凋亡的过程;
步骤7.8:更新细胞群:对每一个细胞内所包含的指标基因进行评估,找出最优细胞分裂路径;
步骤7.9:判断细胞是否满足终止条件,根据细胞从初期到当前阶段生长过程的电压、功率和频率的指标约束,与最优目标函数,找出全局最优恢复方案;
步骤7.10:判断是否长成完整的生物体,即是否满足全部恢复过程,若没完成,则返回步骤7.5继续细胞的生长,否则结束该过程。
所述指标基因进行评估的方法同时满足一层优化模型、二层优化模型和综合优化模型:
(1)一层优化模型
评估方法为:期望恢复的总负荷最大为指标基因:找出全部的电源节点,以电源节点为根节点,建立待恢复树优先恢复负荷等级高的负荷点,优先抢修造成重要负荷,大面积停电的设备,进而最大限度的减少因停电造成的直接或间接损失,对于期望恢复的总负荷加权表达式如下:
式中:T(xi|yi)为故障点xi从失电到重新恢复供电的时间,或操作开关yi的时间;ml为等级为l的负荷的重要等级权重;n为恢复的负荷点对后续抢修工作的难易程度的影响的权重; q为恢复负荷点对后续抢修时间的影响权重;Pl(xi|yi)为故障点xi或联络开关yi,负荷重要等级为l的总恢复功率值。(x1|y1,x2|y2,...,xn+m|yn+m)为供电恢复方案和操作联络开关或分段开关,会对抢修方案有所影响。a为故障点个数,b为需要进行操作的联络开关段开关个数,xi故障点编码,yi为联络开关或分段开关编码,i为操作次序。Sti(x)为ti时刻的可恢复性权重。
(2)二层优化模型
评估方法为:最短故障恢复时间同时开关次数最少为指标基因:要求整个抢修过程的抢修路径最短,抢修设备,与路程所花费的时间总体最短,尽可能少的改变网络拓扑结构改变的次数,全面提高抢修效率,缩短故障恢复时间,最短故障恢复时间表达式为:
MINf2(x)=min(T(x)+T(y))+minl(x)
其中:T(x)、T(y)分别为抢修设备所花费的时间与抢修小队到达故障点路程所花费的时间;l(x)为抢修小队所做的路程;
同时两个阶段要求开关操作次数最少表达式为:
其中:LL为联络开关集;FD为分段开关集;Si为联络开关的状态,1表示闭合,0表示断开。
(3)综合优化模型
MAXF(x)=αf1(x)+βf2(x)+λf3(x)
其中,α、β、λ分别为一二层目标函数f1(x)、f2(x)、f3(x)的权重,综合优化模型寻求三者综合最优值。
有益技术效果:
(1)本发明借鉴细胞生理特性,将网络重构与抢修问题分解为连续的多个步骤,大大降低各个步骤优化难度,解决传统方法多次进行优化容易产生维数灾的问题;
(2)根据可恢复性评估值,确定各个时间段待恢复树的恢复模式,根据各个模式确定该阶段最重要的恢复目标,简化恢复过程中多目标寻优导致的恢复过程寻优复杂,恢复时间拉长问题;
(3)将故障恢复与抢修协同起来考虑恢复方案,提高恢复效率,减少经济损失,适用于发生多故障的大电网系统大面积停电问题。
附图说明
图1为本发明实施例的一种基于细胞凋亡算法的配电网动态恢复系统及方法流程图;
图2为本发明实施例的一种基于细胞凋亡算法的配电网动态恢复系统框图;
图3为本发明实施例的故障点路程时间地理分布图;
图4为本发明实施例的69母线系统图;
图5为本发明实施例的各小队抢修时间甘特图;
图6为本发明实施例的供电恢复与抢修联合小队抢修时间甘特图。
具体实施方式
下面结合附图和具体实施实例对发明做进一步说明,一种基于细胞凋亡算法的配电网动态恢复系统,如图1与图2所示,具体包括:
信息采集代理模块、负荷代理模块、抢修小队代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、协同代理模块及控制中心代理模块;
信息采集代理模块、负荷代理模块、抢修小队代理模块分别与数据处理代理模块相连接,数据处理代理模块与可恢复评估代理模块和协同代理模块相连接,待恢复树代理模块分别与负荷代理模块、协同代理模块、抢修小队代理模块和可恢复性评估代理模块相连接,控制中心模块分别于与信息采集代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、负荷代理模块、抢修小队代理模块和协同代理模块相连接;
信息采集代理模块:用于采集各种与配电网故障恢复相关的数据,包括通信信息、电源信息、负荷信息、开关信息,并将采集到信息上传给数据处理代理模块,同时传递给控制中心代理模块,所述负荷信息包括:负荷的大小、幅值和重要程度;
负荷代理模块:将各个区域内各类负荷划分调整可控负荷、不可控负荷和可调节负荷,根据可恢复评估代理模块提供的评估结果,确定恢复过程中的需求的参与程度;
抢修小队代理模块:保存着抢修小队信息,包括应急抢修策略、路程所需实际时间和抢修资源状况,为控制中心代理模块合理安排抢修方案提供抢修小队信息数据;
数据处理代理模块:对从信息采集代理模块、负荷代理模块、抢修小队代理模块中传递来的信息数据进行分析、对比和统计,对恶意攻击数据进行筛选、删除并给出数据预警,经过处理后的数据传递给可恢复性评估代理模块和控制中心代理模块;
可恢复性评估代理模块:根据数据处理代理模块提供的数据及故障电网的供电能力、应急水平、设备状况,对故障电网的恢复能力进行评估,并根据评估结果确定不同区域的恢复能力,分为不同的模式并采取不同的恢复方式,完成评估后,保存该可恢复性评估结果;
待恢复树代理模块:以区域内可提供的符合评估结果的节点为基础,划分出多个待恢复的区域,以树状结构呈现,称为恢复树,对于多故障系统划分出多棵待恢复树,在恢复过程中,以每一棵树为恢复区域单元,进行恢复方案的制定,根据可恢复评估评分,确定待恢复树的恢复目标函数;
协同代理模块:协同代理负责与待恢复树代理、抢修小队代理二者的沟通,在失电的初始阶段,先通过待恢复树代理采用网络重构恢复部分负荷,然后考虑抢修方式恢复供电,同时要考虑二者的相互影响,使整个故障恢复的全过程花费时间最短,两个阶段要求总体开关操作次数最小,总体经济最优。
控制中心代理模块:汇总每个代理模块的信息数据,并保存其他代理模块之间的数据传递信息,包括已有知识经验和数据、专家实时意见,将采集的信息数据与存储的已有信息进行匹配,采用细胞凋亡算法,根据待恢复树代理模块的划分区域,与各时段最优恢复策略,经过一层优化模型、二层优化模型和综合优化模型,寻找全局最优恢复方案。
一种基于细胞凋亡算法的配电网动态恢复系统的方法,流程具体如下:
步骤1:电网发生故障,启动基于细胞凋亡算法的配电网动态恢复系统;
步骤2:将信息采集代理模块采集到信息、负荷代理模块采集到的各个区域内各类负荷信息和抢修小队代理模块获取的抢修信息上传给数据处理代理模块;
步骤3:将数据处理代理模块处理后的信息数据传递给控制中心代理模块;
步骤4:待恢复树代理划分出相应的恢复区域并与待恢复树代理模块进行通信,判定此时恢复区域所处于模式;
步骤5:按照待恢复树代理模块,根据可恢复评估评分,将故障电网的恢复能力划分为以下三种模式:
模式一:当可恢复能力评分x>0.9,即待恢复树内电源节点可提供的负荷大于所有失电负荷功率时,则在该棵待恢复树区域内不存在失电负荷,则以经济最优为恢复目标函数,得到最优恢复策略;
模式二:当可恢复能力评分0.9≥x≥0.6,即待恢复树内电源节点可提供的负荷小于所有失电负荷功率,但待恢复树区域内的可恢复能力较高时,利用负荷代理中的可控负荷,可调负荷切除一些负荷等级较小的,造成经济损失较少的负荷,以网损最小,开关操作次数最少为目标函数,得到最优恢复策略;
模式三:当可恢复能力评分x<0.6,即待恢复树区域内的可恢复能力较低时,即在原有基础上进行恢复的能力较小,需采取部分重建的方式,恢复更多的失电负荷;
步骤6:判断是否制定完所有时段最优恢复策略,如果没有制定完则进行下一时段最优恢复策略,如果已经制定完所有时段的最优恢复策略,则待恢复树代理模块将各时段的最优解传递给控制中心代理模块;
步骤7:控制中心代理模块利用细胞凋亡算法寻求全局最优解;
步骤8:判断是否完成抢修工作,如果没有完成,则更新抢修小队代理模块信息,并返回到步骤2,重新进行全局最优解的计算,若抢修已经完成,则判断电网恢复工作是否完成,若没有完成,则返回到步骤2,更新信息采集代理模块、负荷代理模块和抢修小队代理模块,获取更新后的信息数据,重新进行全局最优解的计算。
所述细胞凋亡算法寻求全局最优解,具体流程包括:
步骤7.1:定义细胞凋亡算法针对电网故障问题的物理意义:细胞凋亡算法中原始的细胞核相当所述待恢复树结构的根节点,细胞的生长过程相当于通过重合闸或抢修完成负荷供电过程;细胞的分裂过程相当于可恢复节点的恢复顺序选择过程,从根节点开始,先恢复哪个待恢复节点,后恢复哪个待恢复节点,在达尔文进化理论中基因决定的一个最优的分裂过程,而在配电网故障恢复过程,基因相当于由多目标决定的一个恢复顺序过程;而细胞的分化过程,多目标包括经济最优,网损最小,开关操作次数最少,是有不同的分裂过程而形成不同的恢复路径集合;最后细胞凋亡过程是有基因决定的一个细胞自动死亡的过程,在配电网故障恢复过程,相当于由约束条件决定的细胞程序化死亡的过程,约束条件包括电压、电流、网损和功率;
步骤7.2:初始化细胞群:给定一个初始化细胞所携带的基因T(X0,X1...,XP;K1,K2...KP),其中, X0存储从故障起始时刻到目前时刻的恢复路径信息;X1,X2,...,XP用来记录每个节点在当前恢复阶段的各个指标1,2,…,p的值,K1,K2...KP记录的是从起始时刻到当前时刻恢复总路径的指标1,2,…,p的值;
步骤7.3:根据待恢复树,找出全部的电源节点,将其定义为初始细胞组,并首先将能够提供最大功率的电源节点定义为根细胞R(X0,X1...,XP;K1,K2...KP);
步骤7.4:进行细胞分裂:将待恢复树代理模块将各时段的最优解作为已经分裂成一定数量的细胞,即以初始细胞为根细胞进行恢复操作,搜索可能恢复路径,用下式表示:CR,i={Ri,1(X0,X1...,XP;K1,K2...KP),Ri,2(X0,X1...,XP;K1,K2...KP),...Ri,m(X0,X1...,XP;K1,K2...KP)} 这里Ri,1,Ri,2,Ri,m表示从根节点开始,第i步恢复过程中存在的m个可能分裂的待恢复节点细胞;
步骤7.5:细胞生长:细胞生长是在细胞数量不变的前提下,体积、质量或者功能发生变化,即对于某些通过网络重构,开关重合闸无法进行恢复的节点,在第i步恢复过程中需通过抢修操作恢复的节点QR,i=Ri,n(X0,X1...,XP;K1,K2...KP);
步骤7.6:细胞分化:经过生长分裂的细胞,经分化,形成不同的细胞组:ψC,V={V(C1),V(C2),...V(Cs),},Cs代表整个恢复过程的节点路径排序方式;
步骤7.7:细胞凋亡:细胞凋亡是一个由基因决定的主动死亡的过程,即在满足细胞分裂的前提下,有些细胞不满足各种电压、电流、网损和功率的条件约束而选择主动凋亡的过程;
步骤7.8:更新细胞群:对每一个细胞内所包含的指标基因进行评估,找出最优细胞分裂路径;
步骤7.9:判断细胞是否满足终止条件,根据细胞从初期到当前阶段生长过程的电压、功率和频率的指标约束,与最优目标函数,找出全局最优恢复方案;
步骤7.10:判断是否长成完整的生物体,即是否满足全部恢复过程,若没完成,则返回步骤7.5继续细胞的生长,否则结束该过程。
所述指标基因进行评估的方法,同时满足一层优化模型、二层优化模型和综合优化模型:
(1)一层优化模型
评估方法为:期望恢复的总负荷最大为指标基因:找出全部的电源节点,以电源节点为根节点,建立待恢复树优先恢复负荷等级高的负荷点,优先抢修造成重要负荷,大面积停电的设备,进而最大限度的减少因停电造成的直接或间接损失,对于期望恢复的总负荷加权表达式如下:
式中:T(xi|yi)为故障点xi从失电到重新恢复供电的时间,或操作开关yi的时间;ml为等级为l的负荷的重要等级权重;n为恢复的负荷点对后续抢修工作的难易程度的影响的权重; q为恢复负荷点对后续抢修时间的影响权重;Pl(xi|yi)为故障点xi或联络开关yi,负荷重要等级为l的总恢复功率值。(x1|y1,x2|y2,...,xn+m|yn+m)为供电恢复方案和操作联络开关或分段开关,会对抢修方案有所影响。a为故障点个数,b为需要进行操作的联络开关段开关个数,xi故障点编码,yi为联络开关或分段开关编码,i为操作次序。Sti(x)为ti时刻的可恢复性权重。
(2)二层优化模型
评估方法为:最短故障恢复时间同时开关次数最少为指标基因:要求整个抢修过程的抢修路径最短,抢修设备,与路程所花费的时间总体最短,尽可能少的改变网络拓扑结构改变的次数,全面提高抢修效率,缩短故障恢复时间,最短故障恢复时间表达式为:
MINf2(x)=min(T(x)+T(y))+min l(x)
其中:T(x)、T(y)分别为抢修设备所花费的时间与抢修小队到达故障点路程所花费的时间;l(x)为抢修小队所做的路程;
同时两个阶段要求开关操作次数最少表达式为:
其中:LL为联络开关集;FD为分段开关集;Si为联络开关的状态,1表示闭合,0表示断开。
(3)综合优化模型
MAXF(x)=αf1(x)+βf2(x)+λf3(x)
其中,α、β、λ分别为一二层目标函数f1(x)、f2(x)、f3(x)的权重,综合优化模型寻求三者综合最优值。
本文以69母线系统为例,假设配电网遭受大型灾害,发生8处故障点,两条联络开关, 1个抢修小队,共接入6处分布式电源,分别为DG1~DG6,假设故障从早上8:00开始,按照上文所诉方法的到如图4所示的网络拓扑结构图,其负荷等级状态如表1所示:
表1负荷等级状态
各个故障点之间的地理位置分布状况如下图3所示,由于抢修小队代理需要考虑故障抢修与路程所花费的总时间最优,本实施例将故障点距离换算成抢修小队抵达该点所花费的路程时间,假设抢修小队的行驶速度为20km/h,两个故障点之间的距离用路线上的数据表示,括号内为行驶需要的时间。
根据前文描述的恢复策略,以69母线系统为例,采用3种方案对失电系统进行故障恢复。方案一只对故障进行动态恢复,不做抢修,对应一层优化模型;方案二仅考虑利用抢修小队进行故障恢复,对应二层优化模型;方案三考虑二者的协调影响,对应三层优化模型通过对比分析3个方案各个阶段恢复所消耗时间,恢复负荷,开关操作次数等,得出最优恢复方案,其中所需时间如表格2所示,抢修小队预估各故障点修复所需时间。
表2抢修小队预估各故障点修复所需时间
其中,可恢复评估结果由表格3所示,这里WT代表待恢复树,一、二、三为由可恢复性评估得到的结果:
表3可恢复评估结果
方案一:
由图4可知,69母线系统共10处发生故障,该10处故障点将配电网划分为10个待恢复区域,根据细胞凋亡算法,寻求最优开关组合。这里首先闭合联络开关1与2,由上图待恢复树1与待恢复树2所示,形成互联区域,首先利用DG尽可能多的恢复失电负荷。同时启动所有DG参与到故障恢复过程中。由智能体分析可知,DG5提供功率可完全支持节点16、 17恢复供电,恢复目标函数处于模式一状态。对于DG1由联络开关组成的待恢复树1区域,由于DG1可提供功率不足以完全恢复由X(21,22)与X(27,28)故障点造成的失电区域。由表3 可恢复性评估结果可知,待恢复树的恢复目标函数处于模式三,根据细胞凋亡寻优的目标函数,需甩负荷节点22、27,经济最优。对于DG3由联络开关组成的待恢复树5区域,由表3 可恢复性评估结果可知,待恢复树的恢复目标函数处于模式二,节点60为可控负荷,切除部分可控负荷,恢复尽可能多负荷。DG2与DG6共同为互联区域的待恢复树2供电,根据寻优结果,该待恢复树需甩负荷58,同时切除可控负荷8的部分负荷。此时根据方案已的供电恢复方案,该10处故障点共造成34处负荷节点失电,由上述供电恢复方案执行后,可完成20 处负荷节点供电,此时恢复负荷87978KW,重要负荷失电87978KW,开关操作次数,总恢复时间,具体情况如表4与表5所示:
表4可恢复方案(考虑潮流与节点电压约束)
表5恢复各指标状况
方案二:
由图3可知各个故障点的分布情况及路程所需消耗时间,该区域仅有2个抢修小队,假设各个抢修小队所配备资源与抢修能力均相同,故障发生后,首先考虑DG参与,闭合联络开关1与2,同时启动所有DG,如图4所示,方块节点代表的负荷等级为一级,椭圆节点代表的负荷等级为二级,由图4可看出故障节点造成影响的严重程度。由抢修小队代理寻找最佳抢修方案。由于DG1提供功率有限,不能全部恢复由(21,22)故障造成的负荷失电,需甩掉一级负荷22、27,二级负荷26。DG2与DG6通过联络开关2可恢复由(52,53)与(69,8) 故障造成的大部分失电,只需甩负荷58、8。相比较而言(46,47)故障造成的失电损失更为严重。由图4与表3可知抵达各个故障点所需路程时间与各个故障点修复所需时间,由控制中心代理与抢修小队代理相互配合,抢修小队的抢修安排如图5小队抢修时间甘特图所示,由上述供电恢复方案执行后,可完成20处负荷节点供电,具体情况如表6所示,
考虑DG作用最开始开关操作同上:
表6抢修方案
方案三:
考虑供电恢复与抢修协同配合的故障恢复方式,这里首先考虑DG作用形成孤岛恢复方案同方案一相同,供电恢复过程中同时协同考虑抢修小队的抢修作用,根据寻优目标函数,得到如下恢复方案。首先对(21,22)与(46,47)故障处进行抢修工作。考虑到路程与抢修总时间消耗,这里假设小队1对故障处(21,22)进行抢修,所消耗总时间为3.62h,抢修完成后闭合开关(21,22)、(22,23)、(25,26)(21,22)。断开开关(40,25),此时可恢复由(21,22) 处故障引起的全部失电。故障处(46,47)由小队2负责抢修,消耗总时间为2.9h。抢修完成后,闭合(46,47),断开(3,58),此时可恢复方案一方案中所划分出的待恢复树2与3区域的全部失电负荷,无需在对(69,8)故障处进行抢修。由于小队2率先完成抢修工作,由该小队对(27,28)故障进行抢修,历时3h,可恢复28、29节点负荷。最后两小队共同抢修(17,18)节点处故障。小队1在对(17,18)节点处故障抢修3.62h后,小队1前去帮忙,两小队共同抢修1.14h后完成全部抢修工作。安排如图6小队抢修时间甘特图所示,由上述供电恢复方案执行后,可完成20处负荷节点供电,此时恢复负荷87978KW,重要负荷失电87978KW,开关操作次数,总恢复时间,具体情况如表7所示
表7供电恢复与抢修联合可恢复方案(考虑潮流与节点电压约束)
由细胞凋亡算法,寻优目标函数得到上述恢复情况,由表5、6、7对比可知将供电恢复与抢修结合的细胞凋亡算法总体恢复负荷量,时间花费与开关操作次数最优。
Claims (5)
1.一种基于细胞凋亡算法的配电网动态恢复系统,其特征在于,包括:信息采集代理模块、负荷代理模块、抢修小队代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、协同代理模块及控制中心代理模块;
信息采集代理模块、负荷代理模块、抢修小队代理模块分别与数据处理代理模块相连接,数据处理代理模块与可恢复评估代理模块和协同代理模块相连接,待恢复树代理模块分别与负荷代理模块、协同代理模块、抢修小队代理模块和可恢复性评估代理模块相连接,控制中心模块分别于与信息采集代理模块、数据处理代理模块、可恢复性评估代理模块、待恢复树代理模块、负荷代理模块、抢修小队代理模块和协同代理模块相连接;
信息采集代理模块:用于采集各种与配电网故障恢复相关的数据,包括通信信息、电源信息、负荷信息,开关信息,并将采集到信息上传给数据处理代理模块,同时传递给控制中心代理模块,所述负荷信息包括:负荷的大小、幅值和重要程度;
负荷代理模块:将各个区域内各类负荷划分调整可控负荷、不可控负荷和可调节负荷,根据可恢复评估代理模块提供的评估结果,确定恢复过程中的需求的参与程度;
抢修小队代理模块:保存着抢修小队信息,包括应急抢修策略、路程所需实际时间和抢修资源状况,为控制中心代理模块合理安排抢修方案提供抢修小队信息数据;
数据处理代理模块:对从信息采集代理模块、负荷代理模块、抢修小队代理模块中传递来的信息数据进行分析、对比和统计,对恶意攻击数据进行筛选、删除并给出数据预警,经过处理后的数据传递给可恢复性评估代理模块和控制中心代理模块;
可恢复性评估代理模块:根据数据处理代理模块提供的数据及故障电网的供电能力、应急水平、设备状况,对故障电网的恢复能力进行评估,并根据评估结果确定不同区域的恢复能力,分为不同的模式并采取不同的恢复方式,完成评估后,保存该可恢复性评估结果;
待恢复树代理模块:以区域内可提供的符合评估结果的节点为基础,划分出多个待恢复的区域,以树状结构呈现,称为恢复树,对于多故障系统划分出多棵待恢复树,在恢复过程中,以每一棵树为恢复区域单元,进行恢复方案的制定,根据可恢复评估评分,确定待恢复树的恢复目标函数;
协同代理模块:协同代理负责与待恢复树代理模块、抢修小队模块代理二者的沟通,在失电的初始阶段,先通过待恢复树代理模块采用网络重构恢复部分负荷,然后考虑抢修方式恢复供电,同时要考虑二者的相互影响,使整个故障恢复的全过程花费时间最短,要求总体开关操作次数最小,总体经济最优;
控制中心代理模块:汇总每个代理模块的信息数据,并保存其他代理模块之间的数据传递信息,包括已有知识经验和数据、专家实时意见,将采集的信息数据与存储的已有信息进行匹配,采用细胞凋亡算法,根据待恢复树代理模块的划分区域,与各时段最优恢复策略,经过一层优化模型、二层优化模型和综合优化模型,寻找全局最优恢复方案。
2.权利要求1所述一种基于细胞凋亡算法的配电网动态恢复系统,其特征在于,所述控制中心代理模块采用细胞凋亡算法,细胞凋亡算法中原始的细胞核相当所述待恢复树结构的根节点,细胞的生长过程相当于通过重合闸或抢修完成负荷供电过程;细胞的分裂过程相当于可恢复节点的恢复顺序选择过程,从根节点开始,先恢复哪个待恢复节点,后恢复哪个待恢复节点,在达尔文进化理论中基因决定的一个最优的分裂过程,而在配电网故障恢复过程,基因相当于由多目标决定的一个恢复顺序过程;而细胞的分化过程,多目标包括经济最优,网损最小,开关操作次数最少,是有不同的分裂过程而形成不同的恢复路径集合;最后细胞凋亡过程是有基因决定的一个细胞自动死亡的过程,在配电网故障恢复过程,相当于由约束条件决定的细胞程序化死亡的过程,约束条件包括电压、电流、网损和功率。
3.权利要求1所述一种基于细胞凋亡算法的配电网动态恢复系统的方法,使用一种基于细胞凋亡算法的配电网动态恢复系统实现,其特征在于,流程包括:
步骤1:电网发生故障,启动基于细胞凋亡算法的配电网动态恢复系统;
步骤2:将信息采集代理模块采集到信息、负荷代理模块采集到的各个区域内各类负荷信息和抢修小队代理模块获取的抢修信息上传给数据处理代理模块;
步骤3:将数据处理代理模块处理后的信息数据传递给控制中心代理模块;
步骤4:待恢复树代理划分出相应的恢复区域并与待恢复树代理模块进行通信,判定此时恢复区域所处于模式;
步骤5:按照待恢复树代理模块,根据可恢复评估评分,将故障电网的恢复能力划分为以下三种模式:
模式一:当可恢复能力评分x>0.9,即待恢复树内电源节点可提供的负荷大于所有失电负荷功率时,则在该棵待恢复树区域内不存在失电负荷,则以经济最优为恢复目标函数,得到最优恢复策略;
模式二:当可恢复能力评分0.9≥x≥0.6,即待恢复树内电源节点可提供的负荷小于所有失电负荷功率,但待恢复树区域内的可恢复能力较高时,利用负荷代理中的可控负荷,可调负荷切除一些负荷等级较小的,造成经济损失较少的负荷,以网损最小,开关操作次数最少为目标函数,得到最优恢复策略;
模式三:当可恢复能力评分x<0.6,即待恢复树区域内的可恢复能力较低时,即在原有基础上进行恢复的能力较小,需采取部分重建的方式,恢复更多的失电负荷;
步骤6:判断是否制定完所有时段最优恢复策略,如果没有制定完则进行下一时段最优恢复策略,如果已经制定完所有时段的最优恢复策略,则待恢复树代理模块将各时段的最优解传递给控制中心代理模块;
步骤7:控制中心代理模块利用细胞凋亡算法寻求全局最优解;
步骤8:判断是否完成抢修工作,如果没有完成,则更新抢修小队代理模块信息,并返回到步骤2,重新进行全局最优解的计算,若抢修已经完成,则判断电网恢复工作是否完成,若没有完成,则返回到步骤2,更新信息采集代理模块、负荷代理模块和抢修小队代理模块,获取更新后的信息数据,重新进行全局最优解的计算。
4.根据权利要求2所述一种基于细胞凋亡算法的配电网动态恢复系统的方法,其特性在于,所述细胞凋亡算法寻求全局最优解,具体流程包括:
步骤7.1:定义细胞凋亡算法针对电网故障问题的物理意义:细胞凋亡算法中原始的细胞核相当所述待恢复树结构的根节点,细胞的生长过程相当于通过重合闸或抢修完成负荷供电过程;细胞的分裂过程相当于可恢复节点的恢复顺序选择过程,从根节点开始,先恢复哪个待恢复节点,后恢复哪个待恢复节点,在达尔文进化理论中基因决定的一个最优的分裂过程,而在配电网故障恢复过程,基因相当于由多目标决定的一个恢复顺序过程;而细胞的分化过程,多目标包括经济最优,网损最小,开关操作次数最少,是有不同的分裂过程而形成不同的恢复路径集合;最后细胞凋亡过程是有基因决定的一个细胞自动死亡的过程,在配电网故障恢复过程,相当于由约束条件决定的细胞程序化死亡的过程,约束条件包括电压、电流、网损和功率;
步骤7.2:初始化细胞群:给定一个初始化细胞所携带的基因T(X0,X1...,XP;K1,K2...KP),其中,X0存储从故障起始时刻到目前时刻的恢复路径信息;X1,X2,...,XP用来记录每个节点在当前恢复阶段的各个指标1,2…,p的值,K1,K2...KP记录的是从起始时刻到当前时刻恢复总路径的指标1,2…,p的值;
步骤7.3:根据待恢复树,找出全部的电源节点,将其定义为初始细胞组,并首先将能够提供最大功率的电源节点定义为根细胞R(X0,X1...,XP;K1,K2...KP);
步骤7.4:进行细胞分裂:将待恢复树代理模块将各时段的最优解作为已经分裂成一定数量的细胞,即以初始细胞为根细胞进行恢复操作,搜索可能恢复路径,用下式表示:CR,i={Ri,1(X0,X1...,XP;K1,K2...KP),Ri,2(X0,X1...,XP;K1,K2...KP),...Ri,m(X0,X1...,XP;K1,K2...KP)}
这里Ri,1,Ri,2,Ri,m表示从根节点开始,第i步恢复过程中存在的m个可能分裂的待恢复节点细胞;
步骤7.5:细胞生长:细胞生长是在细胞数量不变的前提下,体积、质量或者功能发生变化,即对于某些通过网络重构,开关重合闸无法进行恢复的节点,在第i步恢复过程中需通过抢修操作恢复的节点QR,i=Ri,n(X0,X1...,XP;K1,K2...KP);
步骤7.6:细胞分化:经过生长分裂的细胞,经分化,形成不同的细胞组:ψC,V={V(C1),V(C2),...V(Cs),},Cs代表整个恢复过程的节点路径排序方式;
步骤7.7:细胞凋亡:细胞凋亡是一个由基因决定的主动死亡的过程,即在满足细胞分裂的前提下,有些细胞不满足各种电压、电流、网损和功率的条件约束而选择主动凋亡的过程;
步骤7.8:更新细胞群:对每一个细胞内所包含的指标基因进行评估,找出最优细胞分裂路径;
步骤7.9:判断细胞是否满足终止条件,根据细胞从初期到当前阶段生长过程的电压、功率和频率的指标约束,与最优目标函数,找出全局最优恢复方案;
步骤7.10:判断是否长成完整的生物体,即是否满足全部恢复过程,若没完成,则返回步骤7.5继续细胞的生长,否则结束该过程。
5.根据权利要求4所述一种基于细胞凋亡算法的配电网动态恢复系统,其特征在于,所述步骤7.8中指标基因进行评估的方法:同时满足一层优化模型、二层优化模型和综合优化模型:
(1)一层优化模型:
评估方法为:期望恢复的总负荷最大为指标基因:找出全部的电源节点,以电源节点为根节点,建立待恢复树优先恢复负荷等级高的负荷点,优先抢修造成重要负荷,大面积停电的设备,进而最大限度的减少因停电造成的直接或间接损失,对于期望恢复的总负荷加权表达式如下:
式中:T(xi|yi)为故障点xi从失电到重新恢复供电的时间,或操作开关yi的时间;ml为等级为l的负荷的重要等级权重;n为恢复的负荷点对后续抢修工作的难易程度的影响的权重;q为恢复负荷点对后续抢修时间的影响权重;Pl(xi|yi)为故障点xi或联络开关yi,负荷重要等级为l的总恢复功率值,(x1|y1,x2|y2,...,xn+m|yn+m)为供电恢复方案和操作联络开关或分段开关,会对抢修方案有所影响,a为故障点个数,b为需要进行操作的联络开关段开关个数,xi故障点编码,yi为联络开关或分段开关编码,i为操作次序,Sti(x)为ti时刻的可恢复性权重;
(2)二层优化模型:
评估方法为:最短故障恢复时间同时开关次数最少为指标基因:要求整个抢修过程的抢修路径最短,抢修设备,与路程所花费的时间总体最短,尽可能少的改变网络拓扑结构改变的次数,全面提高抢修效率,缩短故障恢复时间,最短故障恢复时间表达式为:
MINf2(x)=min(T(x)+T(y))+minl(x)
其中:T(x)、T(y)分别为抢修设备所花费的时间与抢修小队到达故障点路程所花费的时间;l(x)为抢修小队所做的路程;
同时两个阶段要求开关操作次数最少表达式为:
其中:LL为联络开关集;FD为分段开关集;Si为联络开关的状态,1表示闭合,0表示断开;
(3)综合优化模型:
MAXF(x)=αf1(x)+βf2(x)+λf3(x)
其中,α、β、λ分别为一二层目标函数f1(x)、f2(x)、f3(x)的权重,综合优化模型寻求三者综合最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810978320.2A CN108923428B (zh) | 2018-08-27 | 2018-08-27 | 一种基于细胞凋亡算法的配电网动态恢复系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810978320.2A CN108923428B (zh) | 2018-08-27 | 2018-08-27 | 一种基于细胞凋亡算法的配电网动态恢复系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108923428A true CN108923428A (zh) | 2018-11-30 |
CN108923428B CN108923428B (zh) | 2021-02-26 |
Family
ID=64405894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810978320.2A Active CN108923428B (zh) | 2018-08-27 | 2018-08-27 | 一种基于细胞凋亡算法的配电网动态恢复系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108923428B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125887A (zh) * | 2019-12-04 | 2020-05-08 | 广东电网有限责任公司 | 一种配电网应急恢复的资源优化配置模型建立方法 |
CN114004550A (zh) * | 2022-01-04 | 2022-02-01 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
CN114039839A (zh) * | 2021-11-09 | 2022-02-11 | 广东电网有限责任公司江门供电局 | 一种电力通信故障修复方法和装置 |
CN114123167A (zh) * | 2021-10-27 | 2022-03-01 | 西安交通大学 | 基于移动应急通信的配电网信息物理协同恢复方法及系统 |
Citations (6)
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 |
CN103812131A (zh) * | 2013-10-29 | 2014-05-21 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于多智能体的城市电网孤岛黑启动系统及方法 |
CN104934968A (zh) * | 2015-06-04 | 2015-09-23 | 国家电网公司 | 基于多智能体的配网应灾恢复协调控制方法及装置 |
WO2015190732A1 (ko) * | 2014-06-11 | 2015-12-17 | 한국전력공사 | 디지털변전소의 지능형 시스템 운영을 위한 에이전트 시스템 및 이의 동작 방법 |
CN105825022A (zh) * | 2016-03-24 | 2016-08-03 | 中国人民解放军装甲兵工程学院 | 一种基于多Agent的动态装备保障体系效能评估方法与系统 |
CN108123439A (zh) * | 2018-01-03 | 2018-06-05 | 燕山大学 | 一种基于多代理系统的主动配电网多故障抢修与恢复方法 |
-
2018
- 2018-08-27 CN CN201810978320.2A patent/CN108923428B/zh active Active
Patent Citations (6)
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 |
CN103812131A (zh) * | 2013-10-29 | 2014-05-21 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于多智能体的城市电网孤岛黑启动系统及方法 |
WO2015190732A1 (ko) * | 2014-06-11 | 2015-12-17 | 한국전력공사 | 디지털변전소의 지능형 시스템 운영을 위한 에이전트 시스템 및 이의 동작 방법 |
CN104934968A (zh) * | 2015-06-04 | 2015-09-23 | 国家电网公司 | 基于多智能体的配网应灾恢复协调控制方法及装置 |
CN105825022A (zh) * | 2016-03-24 | 2016-08-03 | 中国人民解放军装甲兵工程学院 | 一种基于多Agent的动态装备保障体系效能评估方法与系统 |
CN108123439A (zh) * | 2018-01-03 | 2018-06-05 | 燕山大学 | 一种基于多代理系统的主动配电网多故障抢修与恢复方法 |
Non-Patent Citations (2)
Title |
---|
JI XIU ET AL.: "Research on self healing technology of smart distribution network based on multi Agent system", 《2016 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
孙秋野等: "智慧能源-人工智能技术在电力系统中的应用与展望", 《控制与决策》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125887A (zh) * | 2019-12-04 | 2020-05-08 | 广东电网有限责任公司 | 一种配电网应急恢复的资源优化配置模型建立方法 |
CN114123167A (zh) * | 2021-10-27 | 2022-03-01 | 西安交通大学 | 基于移动应急通信的配电网信息物理协同恢复方法及系统 |
CN114123167B (zh) * | 2021-10-27 | 2023-07-18 | 西安交通大学 | 基于移动应急通信的配电网信息物理协同恢复方法及系统 |
CN114039839A (zh) * | 2021-11-09 | 2022-02-11 | 广东电网有限责任公司江门供电局 | 一种电力通信故障修复方法和装置 |
CN114039839B (zh) * | 2021-11-09 | 2024-01-23 | 广东电网有限责任公司江门供电局 | 一种电力通信故障修复方法和装置 |
CN114004550A (zh) * | 2022-01-04 | 2022-02-01 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108923428B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108923428A (zh) | 一种基于细胞凋亡算法的配电网动态恢复系统及方法 | |
CN104820865B (zh) | 基于图论的智能配电网故障恢复智能优化方法 | |
CN109193652B (zh) | 一种基于态势感知的含分布式电源的配电网故障自愈系统 | |
CN105958486B (zh) | 考虑分布式电源出力曲线的配电网多时段动态故障恢复方法 | |
CN107749620B (zh) | 一种含分布式电源配电网供电恢复方法 | |
CN107221937B (zh) | 基于分布式储能的配电网故障重构及电压控制方法及系统 | |
CN107017622A (zh) | 含dg配网多故障多目标联合优化抢修恢复策略求取 | |
CN110365052A (zh) | 基于功率优化调度的微网储能系统状态一致性控制方法 | |
CN112837172B (zh) | 一种计及交通网与配电网信息融合的配电网灾后抢修决策方法 | |
CN107017618A (zh) | 一种有源配电网供电区域划分方法及装置 | |
CN105703393A (zh) | 一种基于分布式预测控制策略的微电网电压恢复方法 | |
CN103812131A (zh) | 一种基于多智能体的城市电网孤岛黑启动系统及方法 | |
CN105932690A (zh) | 一种综合无功优化与网络重构的配网运行优化方法 | |
CN110086153A (zh) | 一种基于智能粒子群优化算法的有源配电网故障后负荷转供方法 | |
CN104820864A (zh) | 含分布式电源的智能配电网全景故障恢复博弈方法 | |
CN105098762A (zh) | 一种含分布式电源配电网的孤岛划分方法 | |
CN101763034B (zh) | 在配网终端实现自适应网络恢复重构的方法 | |
CN108123439A (zh) | 一种基于多代理系统的主动配电网多故障抢修与恢复方法 | |
CN107069801B (zh) | 一种基于最小用户停电损失的配电网孤岛划分方法 | |
CN107591841A (zh) | 适用于新能源大规模接入下的电网演化模拟方法 | |
CN112271727A (zh) | 含柔性软开关的韧性配电网的故障恢复方法 | |
CN108270216B (zh) | 一种考虑多目标的复杂配电网故障恢复系统及方法 | |
Ćurčić et al. | Computer-based strategy for the restoration problem in electric power distribution systems | |
CN110783922A (zh) | 电网拓扑模型的构建方法和装置、系统 | |
CN115693755A (zh) | 一种基于孤岛划分的含分布式电源的配电网故障恢复方法 |
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 |