CN109861254A

CN109861254A - 负荷接入微电网的实现方法及装置

Info

Publication number: CN109861254A
Application number: CN201811595478.8A
Authority: CN
Inventors: 黄山; 刘弘景; 吴麟琳; 周峰; 苗旺; 吴振升
Original assignee: State Grid Corp of China SGCC; State Grid Beijing Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; State Grid Beijing Electric Power Co Ltd
Priority date: 2018-12-25
Filing date: 2018-12-25
Publication date: 2019-06-07

Abstract

本申请公开了一种负荷接入微电网的实现方法及装置。其中，该方法包括：建立微电网的三相负荷函数；依据量子遗传算法对三相负荷函数进行计算，得到最优解；依据最优解确定接入微电网的至少一个单相负荷的相序；按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。本申请解决了由于微电网三相负荷不对称造成的微电网三相负荷不平衡问题日益突出的技术问题。

Description

负荷接入微电网的实现方法及装置

技术领域

本申请涉及微电网领域，具体而言，涉及一种负荷接入微电网的实现方法及装置。

背景技术

近些年来，微网能量优化管理越来越受到重视，微电网三相负荷不平衡一直是影响微电网电能质量的问题之一。现在大多数的微电网是先经过10kV/400V的降压后再向用户供电，接线方式为三相四线制居多，少数为三相三线制。当地供电局在安接单相负荷时基本将负荷平均分配在在A、B、C三相上，但在实际工作及运行中，用户用电量的短时间猛增以及大功率用电设备的持续运行，迫使配电侧的三相负荷不平衡问题日益严重。微电网三相负荷不对称是导致微电网出现三相负荷不平衡的主要原因，尤其是在微电网低压台区，低压配电线路不合理、单相接入负荷不可控、单相负荷不同时性以及三相负荷性质不同等因素，使得微电网三相负荷不平衡问题日益突出。

我国配电线路的接线方式大多为三相四线制，变压器的接线方式为Y/Y0，在380V的线路中超过85％的负荷为单相负荷，此外单相负荷运行时间不一样，以及装接表考虑不全等原因，致使微电网三相负荷不平衡的现象广为存在。

目前，对微电网中的三负荷相不平衡问题的研究，且对于具体的电网的网络构架考虑不够全面具体，电能质量问题考虑不够充分，有些解决方案存在经济成本较高等问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种负荷接入微电网的实现方法及装置，以至少解决由于微电网三相负荷不对称造成的微电网三相负荷不平衡问题日益突出的技术问题。

根据本申请实施例的一个方面，提供了一种负荷接入微电网的实现方法，包括：建立微电网的三相负荷函数；依据量子遗传算法对三相负荷函数进行计算，得到最优解；依据最优解确定接入微电网的至少一个单相负荷的相序；按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。

可选地，建立微电网的三相负荷函数，包括：计算微电网的三相负荷的平均值；依据三相负荷的平均值确定三相负荷函数。

可选地，三相负荷的平均值通过以下公式确定：

为三相负荷的平均值，P_Ai，P_Bi，P_Ci分别为微电网的A,B,C三相中的第i个负荷，n_A，n_B，n_C分别为微电网的A,B,C三相中负荷的总数。

可选地，三相负荷函数通过以下公式确定：

P_ABC为三相负荷函数。

可选地，依据量子遗传算法对三相负荷函数进行计算，得到最优解,包括：构造量子遗传算法的种群，其中，种群的染色体包括接入微电网的三相中的至少一个单相负荷；对种群的染色体进行测量，确定染色体的适应度值；将染色体的适应度值与种群的最优个体的适应度值进行比较，依据比较结果对染色体的编码进行调整，直至得到最优解。

可选地，依据量子遗传算法对三相负荷函数进行计算，得到最优解,还包括：判断是否满足预设迭代次数，如果达到预设迭代次数，输出最优解；如果未达到预设迭代次数，利用量子旋转门对种群进行更新，得到新的种群。

根据本申请实施例的另一方面，还提供了一种负荷接入微电网的实现装置，包括：建立模块，用于建立微电网的三相负荷函数；计算模块，用于依据量子遗传算法对三相负荷函数进行计算，得到最优解；确定模块，用于依据最优解确定接入微电网的至少一个单相负荷的相序；接入模块，用于按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。

可选地，建立模块包括：计算单元，用于计算微电网的三相负荷的平均值；确定单元，用于依据三相负荷的平均值确定三相负荷函数。

根据本申请实施例的再一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的负荷接入微电网的实现方法。

根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的负荷接入微电网的实现方法。

在本申请实施例中，采用建立微电网的三相负荷函数；依据量子遗传算法对三相负荷函数进行计算，得到最优解；依据最优解确定接入微电网的至少一个单相负荷的相序；按照至少一个单相负荷的相序将至少一个单相负荷接入微电网的方式，通过计算微电网的电网内部电气特征参数，构建微电网三相负荷函数模型，运用智能算法对微电网三相负荷模型优化求解，得出最优的相序调整方案，然后理由最优相序调整方案将单项负荷接入微电网，从而实现了降低微电网三相负荷不平衡度的技术效果，进而解决了由于微电网三相负荷不对称造成的微电网三相负荷不平衡问题日益突出的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种负荷接入微电网的实现方法的流程图；

图2是根据本申请实施例的一种对三相负荷函数进行计算的方法的流程图；

图3是根据本申请实施例的一种改进型量子遗传算法的流程图；

图4是根据本申请实施例的一种微电网三相负荷拓扑图；

图5是根据本申请实施例的一种微电网居民社区电气结构图；

图6是根据本申请实施例的一种负荷接入微电网的实现装置的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，提供了一种负荷接入微电网的实现方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种负荷接入微电网的实现方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，建立微电网的三相负荷函数。

步骤S104，依据量子遗传算法对三相负荷函数进行计算，得到最优解。

步骤S106，依据最优解确定接入微电网的至少一个单相负荷的相序。

步骤S108，按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。

通过上述步骤，通过计算微电网的电网内部电气特征参数，构建微电网三相负荷函数模型，运用智能算法对微电网三相负荷模型优化求解，得出最优的相序调整方案，然后理由最优相序调整方案将单项负荷接入微电网，从而实现了降低微电网三相负荷不平衡度的技术效果。

在本申请的一些可选的实施例中，步骤S102通过以下方法实现：计算微电网的三相负荷的平均值；依据三相负荷的平均值确定三相负荷函数。

根据本申请的一个可选的实施例，在计算微电网的三相负荷的平均值之前，先建立三相不平衡度数学模型，三相负荷不平衡度数学模型来表示，三相负荷不平衡度模型用来表征微电网的三相负荷不平衡程度，其推导过程如下：

设微电网用户共有N个，微电网用户接入相序可用如下矩阵表示:

式中，M为微电网用户接入相序，m_xi∈(0，1)，其中，x＝A、B、C,i＝1、2、3……N。m_xi＝0、1时分别表示第i个负荷不接入、接入第x相序。一般情况下微电网内居民用户负荷以单相负荷为主，则m_Ai+m_Bi+m_Ci＝1。设用户的换相成本为H＝[h₁h₂…h_N]，用户表号为J＝[j₁j₂…j_N]，用户负荷为P＝[p₁p₂…p_N]。设G(m_Ai,m_Bi,m_Ci)表示用户i是否换相，G∈0，1)，当G＝0时表示用户不换相，当G＝1时表示用户换相。

本申请采用常规的微电网日内负荷模型，以三相负荷不平衡最低的情况下，经济成本最小为目标，建立数学模型为：

式中，为各个单项负荷的初始相序。

PM＝[P_A P_B P_C] (2)

假设某电网在一段时间T内，对用户负荷进行分相x，x∈(A，B，C)，用电负荷为P_x，相平均电压为U_x，功率因数为cosθ，则平均分相电流计算方法为I_x：

I_x＝P_x/(U_xTcosθ) (3)

设A、B、C三相的平均负荷电流为I_Aav、I_Bav、I_Cav，零线平均负荷电流为I_nav，这里用零线平均负荷电流和三相负荷总电流的比值表示三相不平衡程度▽，其计算公式为：

三相负荷电流和零线负荷电流的矢量关系为I_nav＝I_Aav+I_Bav+I_Cav，根据电力系统中正序、负序和零序之间的关系可得：

I_nav＝I_Aav+a²I_Bav+aI_Cav (5)

式中：则I_nav的幅值为：

由于中性线的配电线路电压波动变换较小，但是电流会出现不平衡的情况。简化分析，A、B、C三相平均电压大约相等，功率因数可近似为1，通过上述公式计算可得：

式中：为三相负荷不平衡度的最大值。

根据本申请的一个可选的实施例，三相负荷的平均值通过以下公式确定：

式中：为三相负荷的平均值，P_Ai，P_Bi，P_Ci分别为微电网的A,B,C三相中的第i个负荷，n_A，n_B，n_C分别为微电网的A,B,C三相中负荷的总数。

根据本申请的一个可选的实施例，三相负荷函数通过以下公式确定：

P_ABC为三相负荷函数。

图2是根据本申请实施例的一种对三相负荷函数进行计算的方法的流程图,如图2所示，该方法包括如下步骤：

步骤S202，构造量子遗传算法的种群，其中，种群的染色体包括接入微电网的三相中的至少一个单相负荷。

本申请实施例运用了一种改进型量子遗传算法(IQGA)对微电网三相负荷不平衡函数进行求解，IQGA优点主要有：采用了一种双链式结构，克服编码存在的随机性及基础QGA算法在优化求解过程中存在的频繁解码的问题，并采用动态调整旋转角调整策略和自适应的调整算法搜索角度。

采用遗传算法中的二进制编码，对存在多态的问题进行量子比特编码，采用4态用2个量子比特进行编码。采用多量子比特编码m个参数的基因如下：

式中：代表第t代第j个个体的染色体；k为编码每个基因的量子比特数；m为染色体的基因个数。

在双链式结构中种群为其中n为规模，为一条量子染色体，m为量子位个数。考虑到种群初始化的随机性和量子态概率幅应满足归一化的约束性，第i个染色体的双链编码定义为：

式中：t_ij＝2πζ，ζ为(0,1)间的随机数；i＝1,2,…,n；j＝1,2,…,m。每条染色体包含两个并列的基因链，每条基因链可代表一个优化解。因此，每条染色体代表搜索空间中的两个最优解：

P_ic＝(cos(t_i1),cos(t_i2),...,cos(t_im)) (12)

P_is＝(sin(t_i1),sin(t_i2),...,sin(t_im)) (13)

式中：P_ic称为“余弦”解；P_is称为“正弦”解。

步骤S204，对种群的染色体进行测量，确定染色体的适应度值。

步骤S206，将染色体的适应度值与种群的最优个体的适应度值进行比较，依据比较结果对染色体的编码进行调整，直至得到最优解。

根据本申请的一个可选的实施例，基本量子遗传算法(QGA)使用的是固定旋转角策略，本申请运用的IQGA可以根据进化进程动态调整量子门的旋转角大小。IQGA算法运行初期设置较大的旋转角，随着进化代数的增加逐渐减小旋转角。其调整策略为：对个体进行测量，评估其适应度f(x_j)^t，与保留的最优个体的适应度值，f(best)进行比较，根据比较结果调整中相应位量子比特，使得(α,β)朝着有利于最优确定解的方向进化。

s(α_i,β_i)动态旋转角的选择策略见表1。表1中，x_i为当前染色体的第i位；best_i为当前的最优染色体的第i位；f(x)为适应度函数；s(α_i,β_i)为旋转角方向；Δθ_i为旋转角度大小，其值由表1中所列的选择策略确定。表中γ的表达式为：

γ＝0.002π+0.004π((b.fit-f(i))/b.fit+0.5exp(1)^(1-M_gen/gen) (14)

式中：b.fit为最优适应度值；fit(i)为当前适应度值；M_gen为最大进化代数；gen为当前进化代数。

表1动态旋转角选择策略

该调整策略是将个体当前的测量值的适应度f(x)与该种群当前最优个体的适应度值f(best_i)进行比较，若f(x)＞f(best_i)，则调整中相应位量子比特，使得几率幅对(α_i,β_i)向着有利于x_i出现的方向演化；反之，若f(x)＜f(best_i)，则调整中相应位量子比特，使得(α_i,β_i)向着有利于best出现的方向演化。

在本申请的一些可选的实施例中，依据量子遗传算法对三相负荷函数进行计算，得到最优解,还包括：判断是否满足预设迭代次数，如果达到预设迭代次数，输出最优解；如果未达到预设迭代次数，利用量子旋转门对种群进行更新，得到新的种群。

图3是根据本申请实施例的一种改进型量子遗传算法的流程图，如图3所示，IQGA的具体过程描述如下：

S1，输入变量及参数；

根据本申请的一个可选的实施例，在执行步骤S2时输入的变量及参数为微电网各相负荷。

S2，初始化种群Q(t)，随机生成多个以量子比特为编码的染色体；

S3，测试Q(t)的各个个体，对初始种群Q(t)中的每个个体进行一次测量，得到对应的确定解P(t)；

S4，评价Q(t)的各个个体的适应度，对各确定解P(t)进行适应度评估；

S5，以最优个体作为下一代进化目标，记录最优个体和对应的适应度；

S6，判断是否满足终止条件，判断计算过程是否可以结束，若满足结束条件则退出，否则继续计算；

S7，判断是否采用新的量子门旋转角度，若不采用则继续计算；若采用则跳转到步骤S13；

S8，利用量子旋转门U(t)对个体实施调整，得到下一代种群Q(t+1)；

S9，测试Q(t+1)的各个个体，对种群Q(t+1)中的每个个体实施一次测量，得到相应的确定解；

S10，评价Q(t+1)的各个个体的适应度，对各确定解进行适应度评估；

S11，记录最优个体和对应的适应度；

S12，将迭代次数t加1，返回步骤S6；

S13，计算新的量子门旋转角度；

S14，利用新的量子旋转门U(t)对个体实施调整，得到新的种群Q(t+1)；

S15，测试Q(t+1)的各个个体，对种群Q(t+1)中的每个个体实施一次测量，得到相应的确定解；

S16，评价Q(t+1)的各个个体的适应度，对各确定解进行适应度评估；

S17，记录最优个体和对应的适应度；

S18，将迭代次数t加1，返回步骤S6。

下面以一个具体实施例对上述算法进行说明，图4是根据本申请实施例的一种微电网三相负荷拓扑图，如图4所示，假设微电网用户负荷分为3个小区，且每个小区有3个主要负荷。微电网台区接线方式采用三相四线制与单相两线制组合接线方式。

图5是根据本申请实施例的一种微电网居民社区电气结构图，图5是与图4相对应的电气结构图。此时微电网内用户负荷见表2，表2中数据加上括号“前”表示未经优化时的负荷相序情况。根据表2中的数据可计算出微电网三相负荷不平衡度可见此时配变台区的三相负荷不平衡度较严重。

此时，改进型量子遗传算法参数设置如下：改进型量子遗传算法的种群规模为100，最大遗传代数为200，每个变量的二进制长度为20。

表2调整前后微电网各相用户的月用电量

经过优化计算后的新的相序方案见表3。由表3可见，1号总表箱用户从A相调整到B相；2号总表箱用户从B相调整到A相；3号总表箱用户的相序没有调整；4号总表箱用户从A相调整到B相；5号总表箱用户的相序没有调整；6号总表箱用户的相序从C相调整到A相；7号总表箱用户的相序从A相调整到B相；8号总表箱用户的相序从B相调整到A相；9号总表箱用户的相序从C相调整到B相；10号总表箱用户的相序没有调整；11号总表箱用户从B相调整到C相；12号总表箱用户从A相调整到B相；13号总表箱用户的相序没有调整；14号总表箱用户的相序从C相调整到A相；15号总表箱用户从B相调整到C相；16号总表箱用户从A相调整到C相；17号总表箱用户从B相调整到C相；18号总表箱用户的相序从C相调整到A相；19号总表箱用户的相序没有调整；20号总表箱用户从B相调整到C相；21号总表箱用户的相序没有调整；22号总表箱用户从A相调整到C相。调整后的微电网三相负荷不平衡度比调整前的也有较大降低，因此，通过本专利相序调整优化方案会可提高微网电能质量。

通过上述方法能够取得以下技术效果：

本申请建立了一种对基于改进型量子遗传算法的微电网三相负荷不平衡计算方法，利用该方法能够得出最优的相序调整方案，有效解决微电网三相负荷不平衡问题，提高微电网电能质量，对解决微电网三相负荷不平衡问题具有一定的指导意义；

本申请提出了一种微电网三相负荷函数建立方法，大大减少了配网运行人员日常计算的工作量；

本申请运用了先进智能算法，加快了计算速度，提高了计算精度。

基于改进型量子遗传算法的微电网三相负荷不平衡计算方法，能够计算微电网三相负荷不平衡度，并得出一套相序调整方案，有效解决了微电网三相负荷不平衡度问题，提高了微电网电能质量。避免了配网运行人员手工计算的繁琐，计算方法智能且抗干扰能力强，能够满足微电网三相负荷平衡的要求，满足了实际应用迫切需求，具有广阔的应用前景。

图6是根据本申请实施例的一种负荷接入微电网的实现装置的结构图，如图6所示，该装置包括：

建立模块60，用于建立微电网的三相负荷函数。

计算模块62，用于依据量子遗传算法对三相负荷函数进行计算，得到最优解。

确定模块64，用于依据最优解确定接入微电网的至少一个单相负荷的相序。

接入模块66，用于按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。

需要说明的是图6所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

根据本申请的一个可选的实施例，建立模块60包括：计算单元，用于计算微电网的三相负荷的平均值；确定单元，用于依据三相负荷的平均值确定三相负荷函数。

本申请实施例还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的负荷接入微电网的实现方法。

存储介质用于存储执行以下功能的程序：建立微电网的三相负荷函数；依据量子遗传算法对三相负荷函数进行计算，得到最优解；依据最优解确定接入微电网的至少一个单相负荷的相序；按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。

本申请实施例还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的负荷接入微电网的实现方法。

处理器用于运行执行以下功能的程序：建立微电网的三相负荷函数；依据量子遗传算法对三相负荷函数进行计算，得到最优解；依据最优解确定接入微电网的至少一个单相负荷的相序；按照至少一个单相负荷的相序将至少一个单相负荷接入微电网。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims

1.一种负荷接入微电网的实现方法，其特征在于，包括：

建立微电网的三相负荷函数；

依据量子遗传算法对所述三相负荷函数进行计算，得到最优解；

依据所述最优解确定接入所述微电网的至少一个单相负荷的相序；

按照所述至少一个单相负荷的相序将所述至少一个单相负荷接入所述微电网。

2.根据权利要求1所述的方法，其特征在于，建立微电网的三相负荷函数，包括：

计算所述微电网的三相负荷的平均值；

依据所述三相负荷的平均值确定所述三相负荷函数。

3.根据权利要求2所述的方法，其特征在于，所述三相负荷的平均值通过以下公式确定：

为所述三相负荷的平均值，P_Ai，P_Bi，P_Ci分别为所述微电网的A,B,C三相中的第i个负荷，n_A，n_B，n_C分别为所述微电网的A,B,C三相中所述负荷的总数。

4.根据权利要求3所述的方法，其特征在于，所述三相负荷函数通过以下公式确定：

P_ABC为所述三相负荷函数。

5.根据权利要求1所述的方法，其特征在于，依据量子遗传算法对所述三相负荷函数进行计算，得到最优解,包括：

构造所述量子遗传算法的种群，其中，所述种群的染色体包括接入所述微电网的三相中的所述至少一个单相负荷；

对所述种群的染色体进行测量，确定所述染色体的适应度值；

将所述染色体的适应度值与所述种群的最优个体的适应度值进行比较，依据比较结果对所述染色体的编码进行调整，直至得到所述最优解。

6.根据权利要求5所述的方法，其特征在于，依据量子遗传算法对所述三相负荷函数进行计算，得到最优解,还包括：判断是否满足预设迭代次数，如果达到所述预设迭代次数，输出所述最优解；如果未达到所述预设迭代次数，利用量子旋转门对所述种群进行更新，得到新的种群。

7.一种负荷接入微电网的实现装置，其特征在于，包括：

建立模块，用于建立微电网的三相负荷函数；

计算模块，用于依据量子遗传算法对所述三相负荷函数进行计算，得到最优解；

确定模块，用于依据所述最优解确定接入所述微电网的至少一个单相负荷的相序；

接入模块，用于按照所述至少一个单相负荷的相序将所述至少一个单相负荷接入所述微电网。

8.根据权利要求7所述的装置，其特征在于，所述建立模块包括：

计算单元，用于计算所述微电网的三相负荷的平均值；

确定单元，用于依据所述三相负荷的平均值确定所述三相负荷函数。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至7中任意一项所述的负荷接入微电网的实现方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的负荷接入微电网的实现方法。