CN110503340A - 一种融冰线路排序的蚁群算法及系统 - Google Patents
一种融冰线路排序的蚁群算法及系统 Download PDFInfo
- Publication number
- CN110503340A CN110503340A CN201910794927.XA CN201910794927A CN110503340A CN 110503340 A CN110503340 A CN 110503340A CN 201910794927 A CN201910794927 A CN 201910794927A CN 110503340 A CN110503340 A CN 110503340A
- Authority
- CN
- China
- Prior art keywords
- ice
- melting
- node
- sequence
- formula
- 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.)
- Pending
Links
- 238000002844 melting Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- 230000007704 transition Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 5
- 240000002853 Nelumbo nucifera Species 0.000 claims description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 239000003016 pheromone Substances 0.000 claims description 3
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010128 melt processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (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
本发明涉及电气工程技术领域,公开了一种融冰线路排序的蚁群算法及系统,以充分考虑供电地区用电负荷和线路可替代性两方面因素,实施高效、准确的融冰线路排序;本发明的方法包括收集待分析区域的线路影响数据,并对线路影响数据进行预处理,得到二维数据组库;选取二维数据组库中的待融冰线路的二维数据组,将待融冰线路的二维数据组输入蚁群算法进行计算,得到转移概率,将各转移概率按从大至小的概率进行排序;根据排序后的转移概率确定待融冰线路的融冰顺序,其中,将较大转移概率对应的待融冰线路排在靠前位置。
Description
技术领域
本发明涉及电气工程技术领域,尤其涉及一种融冰线路排序的蚁群算法及系统。
背景技术
在当前全球气候变化的大背景下,冬季电网发生线路覆冰的情况越来越普遍。如果不对覆冰线路及时进行融冰处理,放任覆冰增长,极有可能造成覆冰跳闸、断线、倒塔等安全事故,造成电网设备损坏,影响经济社会的正常运行。当某一地区发生大范围电网覆冰时,往往会有多条线路需要在某个时间段内集中进行融冰,如何将待融冰线路进行优化排序一直是电力调度部门需要谨慎思考研判的难题。一方面,不同线路的供电区域的用电负荷存在差异,如果单纯依靠线路电压等级或覆冰厚度判别融冰顺序,可能会忽视电力用户的需求;另一方面,各个地区的供电线路通常不止一条,备用线路对区域供电的支撑作用也在很大程度上改变了线路融冰决策。根据人工经验建立的线路融冰排序难以较好的把握电力“供”“求”两个方面的需求,且耗时较长,容易错过融冰最佳时机。
因此,如何充分考虑供电地区用电负荷和线路可替代性两方面因素,实施高效、准确的融冰线路排序成为一个急需解决的问题。
发明内容
本发明目的在于提供一种融冰线路排序的蚁群算法及系统,以充分考虑供电地区用电负荷和线路可替代性两方面因素,实施高效、准确的融冰线路排序。
为实现上述目的,本发明提供了一种融冰线路排序的蚁群算法,包括以下步骤:
收集待分析区域的线路影响数,并对所述线路影响数据进行预处理,得到二维数据组库;
选取所述二维数据组库中的待融冰线路的二维数据组,将所述待融冰线路的二维数据组输入蚁群算法进行计算,得到转移概率,将各转移概率按从大至小的概率进行排序;
根据排序后的转移概率确定待融冰线路的融冰顺序,其中,将较大转移概率对应的待融冰线路排在靠前位置。
优选地,所述线路影响数据包括待分析区域的各市冬季平均每日的用电负荷、每个市的各县区冬季平均每日的用电负荷、以及所述待分析区域中各级行政区域不同电压等级供电线路可替代指数。
优选地,所述预处理具体包括以下步骤:
将所述各市冬季平均每日的用电负荷按照供电重要性进行排序;
将所述各市各县区冬季平均每日的用电负荷按照供电重要性进行排序;
将所述待分析区域中各级行政区域不同电压等级供电线路可替代指数按照行政级别进行划分。
优选地,所述蚁群算法的计算公式包括:
式中,p为转移概率,α为信息素的相对重要程度,β为启发式因子的相对重要程度,τi,j为启发式因子,Jk(i)为搜索子k下一步可选择的节点,t为计算时刻,s为搜索子k在i节点上下一步所有可选节点的遍历函数,ηi,j为启发函数,表示搜索子从节点i到节点j的期望值,τi,s为i节点与下一步任意可选节点s的启发式因子,ηi,s为i节点与下一步任意可选节点s的启发函数;
ηi,j的计算公式为:
τi,j的计算公式为:
τi,j(t+n)=(1-ρ)·τi,j(t)+Δτi,j; (3)
式中,ρ为实验确定的常数,其中,
τi,j(0)=C; (4)
式中,C为实验确定的常数,
式中,m为搜索子的总数;
式中,Q为实验确定的常数,di,j为节点i和j的距离;
其中,di,j的计算公式为:
式中,M为可替代指数,P为用电负荷。
作为一个总的技术构思,本发明还提供一种用于融冰线路排序的系统,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计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本发明具有以下有益效果:
本发明提供一种融冰线路排序的蚁群算法及系统,通过蚁群算法充分发掘和考虑供电地区用电负荷和线路可替代性两方面因素,可以实施高效、准确的融冰线路排序,从而提升决策效率,服务电网安全。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的融冰线路排序的蚁群算法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
如图1所示,本实施提供一种融冰线路排序的蚁群算法,包括以下步骤:
收集待分析区域的线路影响数据,并对线路影响数据进行预处理,得到二维数据组库;
选取二维数据组库中的待融冰线路的二维数据组,将待融冰线路的二维数据组输入蚁群算法进行计算,得到转移概率,将各转移概率按从大至小的概率进行排序;
根据排序后的转移概率确定待融冰线路的融冰顺序,其中,将较大转移概率对应的待融冰线路排在靠前位置。
上述的融冰线路排序的蚁群算法,通过蚁群算法充分发掘和考虑供电地区用电负荷和线路可替代性两方面因素,可以实施高效、准确的融冰线路排序,从而提升决策效率,服务电网安全。
本实施例中,线路影响数据包括待分析区域的各市冬季平均每日的用电负荷、每个市的各县区冬季平均每日的用电负荷、以及待分析区域中各级行政区域不同电压等级供电线路可替代指数。
需要说明的是,在划分可替代指数时,只能将同一级区域下的某市或某县供电重要性数据与其供电线路可替代指数搭配组合。上述的得到二维数据组库中的每个数据包括两个维度,为供电重要性和供电线路可替代指数。数据结构为(P1,M1)或(ap1,am1)。
作为本实施例优选的实施方式,预处理具体包括以下步骤:
将各市冬季平均每日的用电负荷按照供电重要性进行排序;
将各市各县区冬季平均每日的用电负荷按照供电重要性进行排序;例如,一级区划为A市全市用电负荷、B市全市用电负荷、以此类推,二级区划为A市所属a1县全县用电负荷、A市所属a2县全县用电负荷、以此类推。
将待分析区域中各级行政区域不同电压等级供电线路可替代指数按照行政级别进行划分。例如,即一级区划A市线路覆冰程度未达到融冰标准的220kV及以上电压等级供电线路数量、B市线路覆冰程度未达到融冰标准的220kV及以上电压等级供电线路数量、以此类推;二级区划为a1县线路覆冰程度未达到融冰标准的110kV及以上电压等级供电线路数量、a2县线路覆冰程度未达到融冰标准的110kV及以上电压等级供电线路数量、以此类推。
经过上述预处理,得到如下表1所示的数据。
表1预处理结果数据表
作为本实施例优选的实施方式,蚁群算法的计算公式包括:
式中,p为转移概率,α为信息素的相对重要程度,β为启发式因子的相对重要程度,τi,j为启发式因子,Jk(i)为搜索子k下一步可选择的节点,t为计算时刻,s为搜索子k在i节点上下一步所有可选节点的遍历函数,ηi,j为启发函数,表示搜索子从节点i到节点j的期望值,τi,s为i节点与下一步任意可选节点s的启发式因子,ηi,s为i节点与下一步任意可选节点s的启发函数;
ηi,j的计算公式为:
τi,j的计算公式为:
τi,j(t+n)=(1-ρ)·τi,j(t)+Δτi,j; (3)
式中,ρ为实验确定的常数,其中,
τi,j(0)=C; (4)
式中,C为实验确定的常数,
式中,m为搜索子的总数;
式中,Q为实验确定的常数,di,j为节点i和j的距离;
其中,di,j的计算公式为:
式中,M为可替代指数,P为用电负荷。
具体地,收集南方某省各市州的冬季平均每日的用电负荷和220kV供电线路数量。并对收集的数据进行预处理,得到如下表2所示。
表2南方某省各市州待融冰数据情况
根据上述表2建立数据结构为(P1,M1),将上述表2中的数据都输入蚁群算法,得到最低影响指数为100.3091。则该省各市州按照最低影响指数计划融冰排序方案为:8(HH市)→12(YZ市)→6(CD市)→9(XT市)→3(CZ市)→13(ZZ市)→14(ZJ市)→5(YU市)→4(HY市)→1(CS市)→10(LD市)→7(YI市)→2(SY市)→11(XX市)。
因此,对于该省而言,要保证线路覆冰对电网总体影响最小,需要按照最低影响指数融冰排序方案,依次对上述地市供电线路进行融冰作业。
实施例2
与上述方法实施例相对应地,本实施例提供一种用于融冰线路排序的系统,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,该处理器执行所述程序时实现上述方法的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种融冰线路排序的蚁群算法,其特征在于,包括以下步骤:
收集待分析区域的线路影响数据,并对所述线路影响数据进行预处理,得到二维数据组库;
选取所述二维数据组库中的待融冰线路的二维数据组,将所述待融冰线路的二维数据组输入蚁群算法进行计算,得到转移概率,将各转移概率按从大至小的概率进行排序;
根据排序后的转移概率确定待融冰线路的融冰顺序,其中,将较大转移概率对应的待融冰线路排在靠前位置。
2.根据权利要求1所述的融冰线路排序的蚁群算法,其特征在于,所述线路影响数据包括待分析区域的各市冬季平均每日的用电负荷、每个市的各县区冬季平均每日的用电负荷、以及所述待分析区域中各级行政区域不同电压等级供电线路可替代指数。
3.根据权利要求2所述的融冰线路排序的蚁群算法,其特征在于,所述预处理具体包括以下步骤:
将所述各市冬季平均每日的用电负荷按照供电重要性进行排序;
将所述各市各县区冬季平均每日的用电负荷按照供电重要性进行排序;
将所述待分析区域中各级行政区域不同电压等级供电线路可替代指数按照行政级别进行划分。
4.根据权利要求1所述的融冰线路排序的蚁群算法,其特征在于,所述蚁群算法的计算公式包括:
式中,p为转移概率,α为信息素的相对重要程度,β为启发式因子的相对重要程度,τi,j为启发式因子,Jk(i)为搜索子k下一步可选择的节点,t为计算时刻,s为搜索子k在i节点上下一步所有可选节点的遍历函数,ηi,j为启发函数,表示搜索子从节点i到节点j的期望值,τi,s为i节点与下一步任意可选节点s的启发式因子,ηi,s为i节点与下一步任意可选节点s的启发函数;
ηi,j的计算公式为:
τi,j的计算公式为:
τi,j(t+n)=(1-ρ)·τi,j(t)+Δτi,j;(3)
式中,ρ为实验确定的常数,其中,
τi,j(0)=C;(4)
式中,C为实验确定的常数,
式中,m为搜索子的总数;
式中,Q为实验确定的常数,di,j为节点i和j的距离;
其中,di,j的计算公式为:
式中,M为可替代指数,P为用电负荷。
5.一种用于融冰线路排序的系统,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计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-4任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910794927.XA CN110503340A (zh) | 2019-08-27 | 2019-08-27 | 一种融冰线路排序的蚁群算法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910794927.XA CN110503340A (zh) | 2019-08-27 | 2019-08-27 | 一种融冰线路排序的蚁群算法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110503340A true CN110503340A (zh) | 2019-11-26 |
Family
ID=68589688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910794927.XA Pending CN110503340A (zh) | 2019-08-27 | 2019-08-27 | 一种融冰线路排序的蚁群算法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503340A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464492A (zh) * | 2020-12-11 | 2021-03-09 | 国网湖南省电力有限公司 | 输电线路的短期覆冰跳闸概率分析方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166937A (zh) * | 2013-11-26 | 2014-11-26 | 贵州黔驰电力信息技术有限公司 | 一种电网融冰检修计划自动编排方法 |
CN105095668A (zh) * | 2015-08-18 | 2015-11-25 | 国家电网公司 | 基于亚洲极涡因子的电网覆冰长期预报方法 |
CN105406433A (zh) * | 2016-01-23 | 2016-03-16 | 国网福建省电力有限公司 | 移动电池储能直流融冰系统的功率与容量优化选取方法 |
CN107171324A (zh) * | 2017-06-28 | 2017-09-15 | 国网河北省电力公司经济技术研究院 | 一种含分布式电源的配电网线性规划模型 |
CN107705032A (zh) * | 2017-10-23 | 2018-02-16 | 华中科技大学 | 一种基于电网覆冰灾害离线风险评估模型的线路融冰方法 |
CN107704959A (zh) * | 2017-09-30 | 2018-02-16 | 深圳供电局有限公司 | 一种基于蚁群算法实现降维的电力系统网架重构方法 |
CN109146315A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种保底电网抗冰能力综合评价方法 |
-
2019
- 2019-08-27 CN CN201910794927.XA patent/CN110503340A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166937A (zh) * | 2013-11-26 | 2014-11-26 | 贵州黔驰电力信息技术有限公司 | 一种电网融冰检修计划自动编排方法 |
CN105095668A (zh) * | 2015-08-18 | 2015-11-25 | 国家电网公司 | 基于亚洲极涡因子的电网覆冰长期预报方法 |
CN105406433A (zh) * | 2016-01-23 | 2016-03-16 | 国网福建省电力有限公司 | 移动电池储能直流融冰系统的功率与容量优化选取方法 |
CN107171324A (zh) * | 2017-06-28 | 2017-09-15 | 国网河北省电力公司经济技术研究院 | 一种含分布式电源的配电网线性规划模型 |
CN107704959A (zh) * | 2017-09-30 | 2018-02-16 | 深圳供电局有限公司 | 一种基于蚁群算法实现降维的电力系统网架重构方法 |
CN107705032A (zh) * | 2017-10-23 | 2018-02-16 | 华中科技大学 | 一种基于电网覆冰灾害离线风险评估模型的线路融冰方法 |
CN109146315A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种保底电网抗冰能力综合评价方法 |
Non-Patent Citations (1)
Title |
---|
杨铭: "电力系统冰灾智能决策方法研究", 《电力信息与通信技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464492A (zh) * | 2020-12-11 | 2021-03-09 | 国网湖南省电力有限公司 | 输电线路的短期覆冰跳闸概率分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ge et al. | The planning of electric vehicle charging station based on grid partition method | |
Moradzadeh et al. | A new MILP formulation for renewables and energy storage integration in fast charging stations | |
US10320203B2 (en) | Adaptive charging algorithms for a network of electric vehicles | |
Guo et al. | Rapid-charging navigation of electric vehicles based on real-time power systems and traffic data | |
Shao et al. | Coordinated planning of extreme fast charging stations and power distribution networks considering on-site storage | |
Amme et al. | The eGo grid model: An open-source and open-data based synthetic medium-voltage grid model for distribution power supply systems | |
CN112541618B (zh) | 基于网格化的主动配电网规划方法及存储介质 | |
US20200058090A1 (en) | Method and device for determining a configuration for deployment of a public transportation system | |
KR101560957B1 (ko) | 충전기 배치 계획 지원 장치, 충전기 배치 계획 지원 방법, 및 프로그램 | |
US20140031999A1 (en) | Power demand plan adjusting device, power demand plan adjusting method and program | |
Phonrattanasak et al. | Optimal placement of EV fast charging stations considering the impact on electrical distribution and traffic condition | |
CN105303285A (zh) | 一种电力应急处置物资的智能化调拨方法 | |
CN102722767A (zh) | 电动汽车充换电站布点规划系统及方法 | |
CN102426806A (zh) | 一种基于动态小区划分的区域路网无人机巡航方法 | |
Chen et al. | Using existing infrastructures of high-speed railways for photovoltaic electricity generation | |
CN112541617B (zh) | 变电站的定容及选址方法、存储介质 | |
Khaki et al. | Electric power system cost/loss optimization using dynamic thermal rating and linear programming | |
CN110705745A (zh) | 一种电动公交车充电站优化规划与有序退出方法 | |
CN110503340A (zh) | 一种融冰线路排序的蚁群算法及系统 | |
CN115965258A (zh) | 一种网格化平台管理方法、系统、终端设备及存储介质 | |
Kavuma et al. | Analysis of power generating plants and substations for increased Uganda’s electricity grid access | |
CN105514987A (zh) | 10kV配电线路分布式光伏定容方法和系统 | |
Obermüller | Build wind capacities at windy locations? Assessment of system optimal wind locations | |
Ramirez Camargo et al. | Spatiotemporal modeling for assessing complementarity of renewable energy sources in distributed energy systems | |
CN112860996A (zh) | 一种兴趣点处理方法、装置、电子设备和介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191126 |
|
RJ01 | Rejection of invention patent application after publication |