CN110571802A - 基于粗糙集动态规划模型的配电网自愈控制方法及装置 - Google Patents
基于粗糙集动态规划模型的配电网自愈控制方法及装置 Download PDFInfo
- Publication number
- CN110571802A CN110571802A CN201910862919.4A CN201910862919A CN110571802A CN 110571802 A CN110571802 A CN 110571802A CN 201910862919 A CN201910862919 A CN 201910862919A CN 110571802 A CN110571802 A CN 110571802A
- Authority
- CN
- China
- Prior art keywords
- self
- healing
- distribution network
- fault
- unit
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于粗糙集动态规划模型的配电网自愈控制方法季装置,包括如下步骤:步骤1:建立多目标优化的配电网自愈控制模型;步骤2:运用粗糙集理论对电网数据进行数据知识约简;步骤3:通过评价函数计算和非故障区间搜索进行故障定位;步骤4:快速获取智能配电网的最优自愈方案控制故障自愈。本发明提供的基于粗糙集动态规划模型的配电网自愈控制方法,以解决配电网故障发生后如何进行快速恢复非故障区的负荷用电的问题,采用粗糙集理论对处理故障自愈过程中不精确、不一致、不完整等各种不完备信息,通过直接对数据进行分析和推理,发现隐含知识和潜在规律,提高系统自愈恢复速度。
Description
技术领域
本发明涉及配电网故障自愈控制方法,属于配电网调控运行领域,具体的涉及一种基于粗糙集动态规划模型的配电网自愈控制方法及装置。
背景技术
智能电网主要由智能输电网和智能配电网组成。目前,我国在建设坚强、可靠的智能输电网方面已经取得了一定的成就,但配电网的供电可靠性却比较低。由于配电网是直接面向终端用户的,用户种类和用电负荷的多样性决定了配电网的复杂性。自愈控制技术是智能配电网的核心内容之一,当配电网发生故障时自愈控制技术可以对故障进行快速的诊断、定位、隔离以及电网的恢复。智能配电网的自愈控制,能够使配电网在故障情况下进行网络重构和供电恢复,提高配电网的供电可靠性。
当电网发生故障以后,智能配电网需要对故障做出响应。首先需要判断发生故障的位点。由于配电网是直接面向终端用户,其受负荷大小、类型等的不同而变得复杂,如何对故障的位点进行快速准确的定位直接决定着故障处理响应速度的大小。当故障位点被确定以后就需要对其进行隔离和故障的恢复重构。故障的恢复重构过程也是因其自身电网的复杂程度的不同而不同,如何快速有效的对相应开关进行动作达到快速恢复非故障区的负荷用电情况是亟待解决的问题,研究其具有重要的意义。
发明内容
针对如何快速有效的对相应开关进行动作达到快速恢复非故障区的负荷用电情况的问题,本发明提供一种基于粗糙集动态规划模型的配电网自愈控制方法及装置。
本发明的技术方案是:
一方面,本发明技术方案提供一种基于粗糙集动态规划模型的配电网自愈控制方法,包括如下步骤:
步骤1:建立多目标优化的配电网自愈控制模型;
步骤2:运用粗糙集理论对电网数据进行数据知识约简;
步骤3:通过评价函数计算和非故障区间搜索进行故障定位;
步骤4:快速获取智能配电网的最优自愈方案控制故障自愈。
进一步的,步骤1中,多目标优化的配电网自愈控制模型包括配电网多目标优化自愈的目标函数以及约束条件;
配电网多目标优化自愈的目标函数为:
F=min(k1fΔL+k2fΔp+k3fΔN)
其中:k1、k2和k3分别是负荷损失函数fΔL、网络损耗函数fΔp和开关动作次数fΔN的权重系数,且k1远大于k2和k3;
配电网中的负荷分为需要持续不断供电的重要负荷和必要时可以切除的普通负荷。电网自愈的首要任务是在保证重要负荷供电的情况下,尽可能多地恢复普通失电负荷的供电。停电引起的负荷损失函数可表示为
式中:A和B分别是配电网中重要负荷和普通负荷集合;pj是重要负荷i的功率;Δpj是普通负荷j的功率;xi和yj只能取0或1,当xi=0时,重要负荷i恢复供电,当xi=1时,重要负荷i失电;λ1和λ2分别表示单位重要负荷和单位普通负荷失电所造成的损失
网络损耗最低配电网的网络损耗函数
式中:Ri是支路i的阻抗;Pi、Qi和Ui分别是支路i的有功功率、无功功率和电压;N是系统支路数;
开关动作次数最少在尽量减少停电损失的前提下,还要减少电网自愈过程中开关的动作次数,开关的动作次数
式中:NS是系统中所有联络开关和分段开关数目;开关i的状态变化由zi来表示,当zi=1时,表示开关状态发生变化,当zi=0时,表示开关状态未发生变化
进一步的,约束条件包括潮流方程约束、支路容量约束、节点电压约束和网络拓扑约束;
潮流方程约束:
式中:n为系统节点数;Gij、Bij和θij分别是节点i与节点j之间的导纳和相角差;j→i表示节点j与节点i相连;
支路容量约束:
Pk≤Pkmax
式中:Pk是支路k中的有功功率;Pkmax是支路k中有功功率上限;
节点电压约束:
Vimin≤Vi≤Vimax
式中:Vimin和Vimax分别是节点i的电压下限和上限;
网络拓扑约束:是指配电网在自愈过程中必须保持辐射状结构。
进一步的,所述的步骤2的具体步骤包括:
步骤21:根据电网结构以及故障停电前的电网信息进行数据采集;对电网的拓扑结构,电压、负荷、节点限制等数据建立判断矩阵,对数据进行归一化预处理形成配电网自愈控制数据系统,对数据进行归一化预处理,形成配电网自愈控制数据系统,并计算其可分辨矩阵,M=(mij)n×n表示用条件属性集C来区分对象xi,xj的完整信息:
计算可分辨矩阵M,对非空元素建立析取逻辑表达式:
Lij=∨ai,ai∈Mij
表示ai是否被合并入Lij得逻辑表达;
对所有的析取逻辑表达式Lij进行合取,建立合取逻辑表达式:
L=∧Lij
步骤22:经过吸收律和分配律处理得到析取范式得到初始约简核,并将剩余数据放入候选集合B中;
步骤23:对不同类型故障恢复区域计算其信息熵;
步骤24:计算过滤分辨矩阵,并基于信息熵大小对过滤矩阵和候选集合B内数据进行筛选,直到约简和的信息增益不再增加。判断计算信息熵与初始约简核信息熵相等时输出最小数据约简。
进一步的,所述的步骤3的步骤包括:
按照深度优先遍历顺序计算各个节点的评价函数值;
利用各个节点的评价函数值,按照深度优先遍历的逆过程逐个判断各个节点是否被选入到最优非故障区间。
进一步的,评价函数
其中,Lk={0,1,…,k}为V的一个节点子集,是由节点生成的T的子树,是子树弧的集合。
节点av是否被选入到供电恢复区域取决于下式是否成立:
若成立,节点av被选入到供电恢复区域;
式中,T(av)表示以节点av为根的子树,H为最大的节点数。
进一步的,计算当前所遍历节点的评价函数;对树中节点进行遍历,将遍历过的节点收录到集合Lk中,其中,k为当前遍历的节点,对于k≠0以及所有h=0,1,2,…,H,计算如下:
在Lk={0,1,2,…,k}的情况下对应树包含节点k且以h为需求约束的的目标函数值;
计算当前所遍历节点k的父节点ak对应J=Lk-1∪T(k)的评价函数FJ(ak,h),若遍历过程中遇到的当前节点k是树叶节点或者k的所有子节点都已经被遍历,则回溯到k的父节点ak,否则,从k的第一个未被遍历的子节点开始继续前推计算。
非故障区间合并:设变量和相对应:若表示树在h约束下的最优子树包含v节点;反之则说明在h约束下的最优子树不包含v节点。对于根节点,的取值为:
对于非根节点v,根据公式(10),令J=Lv-1∪T(v),相应IJ(v,h)的取值如下:
假设初始v=n,h=H,根据连通约束,对所有vk∈l0,v,成立,其中则将v节点进行标记,同时令v=v-1,h=h-dv;否则,v=v-1。直到v≤0或h≤0,被标记节点生成最优非故障区间。
进一步的,所述的步骤4的具体步骤包括:
根据定位故障信息搜索相应的联络开关和分段开关;
输出可行的自愈方案;
生成自愈方案候选集;
初始化各自愈方案的浓度;
计算各自愈方案受激励程度;
计算各自愈方案的浓度并确定浓度最大的方案为最优方案;
输出最有自愈方案进行定位故障的控制自愈。
另一方面,本发明技术方案提供一种基于粗糙集动态规划模型的配电网自愈控制装置,包括自愈控制模型创建模块、数据处理模块、故障定位模块和自愈控制模块;
自愈控制模型创建模块,建立多目标优化的配电网自愈控制模型;
数据处理模块,运用粗糙集理论对电网数据进行数据知识约简;
故障定位模块,通过评价函数计算和非故障区间搜索进行故障定位;
自愈控制模块,快速获取智能配电网的最优自愈方案控制故障自愈。
进一步的,所述的数据处理模块包括数据采集单元、数据归一化处理单元、计算单元、判断单元;
数据采集单元,根据电网结构以及故障停电前的电网信息进行数据采集并建立判断矩阵;
数据归一化处理单元,对数据进行归一化预处理形成配电网自愈控制数据系统,并计算其可分辨矩阵;
计算单元,采用粗糙集理论对数据进行简约计算得到初始约简核;
计算单元,对不同类型故障恢复区域计算其信息熵;
判断单元,判断计算信息熵与初始约简核信息熵相等时输出最小数据约简。
进一步的,所述的故障定位模块包括评价函数值计算单元、遍历定位单元;
评价函数值计算单元,按照深度优先遍历顺序计算各个节点的评价函数值;
遍历定位单元,利用各个节点的评价函数值,按照深度优先遍历的逆过程逐个判断各个节点是否被选入到最优非故障区间。
进一步的,所述的自愈控制模块包括搜索单元、方案输出单元、自愈方案生成单元、初始化单元、计算单元、输出控制单元;
搜索单元,根据定位故障信息搜索相应的联络开关和分段开关;
方案输出单元,输出可行的自愈方案;
自愈方案生成单元,生成自愈方案候选集;
初始化单元,初始化各自愈方案的浓度;
计算单元,计算各自愈方案受激励程度;
计算单元,计算各自愈方案的浓度并确定浓度最大的方案为最优方案;
输出控制单元,输出最有自愈方案进行定位故障的控制自愈。
从以上技术方案可以看出,本发明具有以下优点:本发明提供的基于粗糙集动态规划模型的配电网自愈控制方法,以解决配电网故障发生后如何进行快速恢复非故障区的负荷用电的问题,采用粗糙集理论对处理故障自愈过程中不精确、不一致、不完整等各种不完备信息,通过直接对数据进行分析和推理,发现隐含知识和潜在规律,提高系统自愈恢复速度。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著地进步,其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的流程示意图;
图2是采用本发明的某地配电网结构及故障发生地点;
图3是采用本发明基于粗糙集原理的动态规划方法的恢复后的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
实施例一
如图1所示,本发明技术方案提供一种基于粗糙集动态规划模型的配电网自愈控制方法,包括如下步骤:
步骤1:建立多目标优化的配电网自愈控制模型;
所述步骤1中的建立多目标优化的配电网自愈控制模型。智能配电网恢复重构模型对配电网故障后供电,实际是在合理分配负荷容量的基础条件下,利用算法重构输送电能的线路,将非正常预计内的停电负荷尽量合理分配到正常运行的配电网络中。当配电故障排除,系统重新回归正轨时要求开关和断路器迅速动作,合理分配电源容量,保证算法和设备上能快速进行网络重构,尽量降低系统内的网络损耗,均衡分配线路负荷,负荷恢复应按先重后轻原则,保证经济稳步运行。本发明从负荷损失、网络损耗和开关动作次数3个方面对可行的自愈方案进行综合评价,快速获取智能配电网的最优自愈方案。
步骤1中,多目标优化的配电网自愈控制模型包括配电网多目标优化自愈的目标函数以及约束条件;
配电网多目标优化自愈的目标函数为:
F=min(k1fΔL+k2fΔp+k3fΔN)
其中:k1、k2和k3分别是负荷损失函数fΔL、网络损耗函数fΔp和开关动作次数fΔN的权重系数,且k1远大于k2和k3;
配电网中的负荷分为需要持续不断供电的重要负荷和必要时可以切除的普通负荷。电网自愈的首要任务是在保证重要负荷供电的情况下,尽可能多地恢复普通失电负荷的供电。停电引起的负荷损失函数可表示为
式中:A和B分别是配电网中重要负荷和普通负荷集合;pj是重要负荷i的功率;Δpj是普通负荷j的功率;xi和yj只能取0或1,当xi=0时,重要负荷i恢复供电,当xi=1时,重要负荷i失电;λ1和λ2分别表示单位重要负荷和单位普通负荷失电所造成的损失
网络损耗最低配电网的网络损耗函数
式中:Ri是支路i的阻抗;Pi、Qi和Ui分别是支路i的有功功率、无功功率和电压;N是系统支路数;
开关动作次数最少在尽量减少停电损失的前提下,还要减少电网自愈过程中开关的动作次数,开关的动作次数
式中:NS是系统中所有联络开关和分段开关数目;开关i的状态变化由zi来表示,当zi=1时,表示开关状态发生变化,当zi=0时,表示开关状态未发生变化。
约束条件包括潮流方程约束、支路容量约束、节点电压约束和网络拓扑约束;
潮流方程约束:
式中:n为系统节点数;Gij、Bij和θij分别是节点i与节点j之间的导纳和相角差;j→i表示节点j与节点i相连;
支路容量约束:
Pk≤Pkmax
式中:Pk是支路k中的有功功率;Pkmax是支路k中有功功率上限;
节点电压约束:
Vimin≤Vi≤Vimax
式中:Vimin和Vimax分别是节点i的电压下限和上限;
网络拓扑约束:是指配电网在自愈过程中必须保持辐射状结构。
步骤2:运用粗糙集理论对电网数据进行数据知识约简;
所述步骤2中的运用粗糙集理论对电网数据进行数据知识约简。粗糙集理论是一种处理不精确、不一致、不完整等各种不完备信息的有效工具,通过直接对数据进行分析和推理,发现隐含知识和潜在规律。这种数据处理方法不仅不需要先验知识,而且由于数学基础成熟,易用性强,对于数据量大,关系不明确的信息空间,在保留关键信息的前提下对数据进行约简,并求得数据空间的最小约简。在进行数据挖掘过程中,主要应用粗糙集理论中知识约简这一工具,其主要的两个核心概念为约简和核。
定义1:若且则∩P(P中所有等价关系的交集)也是一个等价关系,称为P上的不可区分关系,记为ind(P),且有U/ind(P)(即等价关系ind(P)的所有等价类)表示与等价关系族P相关的知识,称为K中关于论域U的P基本知识(P基本集)
定义2:设如果Q是独立的,且ind(Q)=ind(P),则称Q为P的一个约简。P中所有必要关系组成的集合成为P的核,记作core(P)。
本文中采用知识约简主要是进行无决策分析,去除信息库中多余的数据,分析提取有用信息,特别适用于从大型数据库进行知识发现,其主要思想是通过删除数据后的知识分类与未删除数据的分类相比较,如果分类未发生变化则认为该数据冗余,其所表示的知识可以用其它的数据来表示。基于可分辨矩阵和信息熵的数据约简方法主要包括:形成可辨识矩阵,计算信息熵,确定初始约简核,筛选候选数据,确定数据约简选择规则。
本文采用基于可分辨矩阵和信息熵的数据约简方法,基于可分辨矩阵计算初始约简核,以此为出发点,以过滤分辨矩阵作为数据筛选依据,以信息熵作为信息量寻找最小约简。
步骤21:对数据进行归一化预处理形成配电网自愈控制数据系统,并计算其可分辨矩阵;对数据进行归一化预处理,形成配电网故障自愈特征数据系统S=(U,C∪D,V,f),并计算其可分辨矩阵,M=(mij)n×n表示用条件属性集C来区分对象xi,xj的完整信息:
计算可分辨矩阵M,对非空元素建立析取逻辑表达式:
Lij=∨ai,ai∈Mij
对所有的析取逻辑表达式Lij进行合取,建立合取逻辑表达式:
L=∧Lij。
步骤22:经过吸收律和分配律处理得到析取范式得到初始约简核,并将剩余数据放入候选集合B中;
步骤23:对不同类型故障恢复区域计算其信息熵;
步骤24:计算过滤分辨矩阵,并基于信息熵大小对过滤矩阵和候选集合B内数据进行筛选,直到约简和的信息增益不再增加。
需要说明的是,采用粗糙集理论对数据进行简约计算,对core=φ,B=φ赋值,并初始化计算,经过吸收律和分配律处理得到析取范式得到初始约简核,并将剩余数据放入候选集合B中。
对不同类型自愈方案计算其信息熵,假设Si为电网故障特征Ci中的样本个数,那么对于一个给定数据的信息量为:
其中
对每电网状态数据集A可以将Si划分为V个不同的子集{a1,a2,…,av},其中,aij表示ai中属于Ci样本数:
计算过滤分辨矩阵,并基于信息熵大小对过滤矩阵和候选集合B内数据进行筛选,直到约简和的信息增益不再增加。判断计算信息熵与初始约简核信息熵相等时输出最小数据约简。
步骤3:通过评价函数计算和非故障区间搜索进行故障定位;
所述的步骤3的步骤包括:
按照深度优先遍历顺序计算各个节点的评价函数值;
利用各个节点的评价函数值,按照深度优先遍历的逆过程逐个判断各个节点是否被选入到最优非故障区间。
评价函数
其中,Lk={0,1,…,k}为V的一个节点子集,是由节点生成的T的子树,是子树弧的集合。k为节点数,ci为分支的权重;xi为分支的负荷情况;di分支导通系数;为分支最大负荷电流;h为节点约束。
节点av是否被选入到供电恢复区域取决于下式是否成立:
若成立,节点av被选入到供电恢复区域;
式中,T(av)表示以节点av为根的子树,H为最大的节点数。
计算当前所遍历节点的评价函数;对树中节点进行遍历,将遍历过的节点收录到集合Lk中,其中,k为当前遍历的节点,对于k≠0以及所有h=0,1,2,…,H,计算如下:
在Lk={0,1,2,…,k}的情况下对应树包含节点k且以h为需求约束的目标函数值;
计算当前所遍历节点k的父节点ak对应J=Lk-1∪T(k)的评价函数FJ(ak,h),若遍历过程中遇到的当前节点k是树叶节点或者k的所有子节点都已经被遍历,则回溯到k的父节点ak,否则,从k的第一个未被遍历的子节点开始继续前推计算。
非故障区间合并:设变量和相对应:若表示树在h约束下的最优子树包含v节点;反之则说明在h约束下的最优子树不包含v节点。对于根节点,的取值为:
对于非根节点v,根据公式(10),令J=Lv-1∪T(v),相应IJ(v,h)的取值如下:
假设初始v=n,h=H,根据连通约束,对所有vk∈l0,v,成立,其中则将v节点进行标记,同时令v=v-1,h=h-dv;否则,v=v-1。直到v≤0或h≤0,被标记节点生成最优非故障区间。
步骤4:快速获取智能配电网的最优自愈方案控制故障自愈,具体包括:
根据定位故障信息搜索相应的联络开关和分段开关;
输出可行的自愈方案;
生成自愈方案候选集;
初始化各自愈方案的浓度;
计算各自愈方案受激励程度;
计算各自愈方案的浓度并确定浓度最大的方案为最优方案;
输出最有自愈方案进行定位故障的控制自愈。
假设某地配电网如图2所示,实验中假设网络容量无限大。其中BUS代表母线,S代表布式电源,L代表负荷,CB代表线路开关。假设某时刻配电网内同时发生故障1和故障2,继保装置断开断路器CB4、CB5、CB17及CB24,导致BUS2和BUS3以下的所有母线失电,配电网中所有负荷也失去供电。
从仿真结果如图3所示,可以得出结论,利用基于粗糙集算法的动态规划方法可以很好的解决配电网故障自愈,非故障区间重构问题。证明了基于粗糙集理论的动态规划方法具有良好的容错性,不受到干扰的影响,能够很好的进行配电网自愈工作。因此,本发明所构建的故障定位模型因粗糙集理论对组合优化问题进行状态简化,可利用数值稳定性好、求解效率高的常规优化算法进行决策,在大规模配电网重构、自愈中可获得应用,具有巨大的工程应用价值。
实施例二
本发明技术方案提供一种基于粗糙集动态规划模型的配电网自愈控制装置,包括自愈控制模型创建模块、数据处理模块、故障定位模块和自愈控制模块;
自愈控制模型创建模块,建立多目标优化的配电网自愈控制模型;
数据处理模块,运用粗糙集理论对电网数据进行数据知识约简;所述的数据处理模块包括数据采集单元、数据归一化处理单元、计算单元、判断单元;数据采集单元,根据电网结构以及故障停电前的电网信息进行数据采集并建立判断矩阵;数据归一化处理单元,对数据进行归一化预处理形成配电网自愈控制数据系统,并计算其可分辨矩阵;计算单元,采用粗糙集理论对数据进行简约计算得到初始约简核;计算单元,对不同类型故障恢复区域计算其信息熵;判断单元,判断计算信息熵与初始约简核信息熵相等时输出最小数据约简。
故障定位模块,通过评价函数计算和非故障区间搜索进行故障定位;所述的故障定位模块包括评价函数值计算单元、遍历定位单元;评价函数值计算单元,按照深度优先遍历顺序计算各个节点的评价函数值;遍历定位单元,利用各个节点的评价函数值,按照深度优先遍历的逆过程逐个判断各个节点是否被选入到最优非故障区间。
自愈控制模块,快速获取智能配电网的最优自愈方案控制故障自愈。所述的自愈控制模块包括搜索单元、方案输出单元、自愈方案生成单元、初始化单元、计算单元、输出控制单元;搜索单元,根据定位故障信息搜索相应的联络开关和分段开关;方案输出单元,输出可行的自愈方案;自愈方案生成单元,生成自愈方案候选集;初始化单元,初始化各自愈方案的浓度;计算单元,计算各自愈方案受激励程度;计算单元,计算各自愈方案的浓度并确定浓度最大的方案为最优方案;输出控制单元,输出最有自愈方案进行定位故障的控制自愈。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于粗糙集动态规划模型的配电网自愈控制方法,其特征在于包括如下步骤:
步骤1:建立多目标优化的配电网自愈控制模型;
步骤2:运用粗糙集理论对电网数据进行数据知识约简;
步骤3:通过评价函数计算和非故障区间搜索进行故障定位;
步骤4:快速获取智能配电网的最优自愈方案控制故障自愈。
2.根据权利要求1所述的一种基于粗糙集动态规划模型的配电网自愈控制方法,其特征在于,所述的步骤2的具体步骤包括:
根据电网结构以及故障停电前的电网信息进行数据采集并建立判断矩阵;
对数据进行归一化预处理形成配电网自愈控制数据系统并计算其可分辨矩阵;
采用粗糙集理论对数据进行简约计算得到初始约简核;
对不同类型故障恢复区域计算其信息熵;
判断计算信息熵与初始约简核信息熵相等时输出最小数据约简。
3.根据权利要求1所述的一种基于粗糙集动态规划模型的配电网自愈控制方法,其特征在于,所述的步骤3的步骤包括:
按照深度优先遍历顺序计算各个节点的评价函数值;
利用各个节点的评价函数值,按照深度优先遍历的逆过程逐个判断各个节点是否被选入到最优非故障区间。
4.根据权利要求1所述的一种基于粗糙集动态规划模型的配电网自愈控制方法,其特征在于,所述的步骤4的具体步骤包括:
根据定位故障信息搜索相应的联络开关和分段开关;
输出可行的自愈方案;
生成自愈方案候选集;
初始化各自愈方案的浓度;
计算各自愈方案受激励程度;
计算各自愈方案的浓度并确定浓度最大的方案为最优方案;
输出最有自愈方案进行定位故障的控制自愈。
5.一种基于粗糙集动态规划模型的配电网自愈控制装置,其特征在于包括自愈控制模型创建模块、数据处理模块、故障定位模块和自愈控制模块;
自愈控制模型创建模块,建立多目标优化的配电网自愈控制模型;
数据处理模块,运用粗糙集理论对电网数据进行数据知识约简;
故障定位模块,通过评价函数计算和非故障区间搜索进行故障定位;
自愈控制模块,快速获取智能配电网的最优自愈方案控制故障自愈。
6.根据权利要求5所述的一种基于粗糙集动态规划模型的配电网自愈控制装置,其特征在于,所述的数据处理模块包括数据采集单元、数据归一化处理单元、计算单元、判断单元;
数据采集单元,根据电网结构以及故障停电前的电网信息进行数据采集并建立判断矩阵;
数据归一化处理单元,对数据进行归一化预处理形成配电网自愈控制数据系统,并计算其可分辨矩阵;
计算单元,采用粗糙集理论对数据进行简约计算得到初始约简核;
计算单元,对不同类型故障恢复区域计算其信息熵;
判断单元,判断计算信息熵与初始约简核信息熵相等时输出最小数据约简。
7.根据权利要求5所述的一种基于粗糙集动态规划模型的配电网自愈控制装置,其特征在于,所述的故障定位模块包括评价函数值计算单元、遍历定位单元;
评价函数值计算单元,按照深度优先遍历顺序计算各个节点的评价函数值;
遍历定位单元,利用各个节点的评价函数值,按照深度优先遍历的逆过程逐个判断各个节点是否被选入到最优非故障区间。
8.根据权利要求5所述的一种基于粗糙集动态规划模型的配电网自愈控制装置,其特征在于,所述的自愈控制模块包括搜索单元、方案输出单元、自愈方案生成单元、初始化单元、计算单元、输出控制单元;
搜索单元,根据定位故障信息搜索相应的联络开关和分段开关;
方案输出单元,输出可行的自愈方案;
自愈方案生成单元,生成自愈方案候选集;
初始化单元,初始化各自愈方案的浓度;
计算单元,计算各自愈方案受激励程度;
计算单元,计算各自愈方案的浓度并确定浓度最大的方案为最优方案;
输出控制单元,输出最有自愈方案进行定位故障的控制自愈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910862919.4A CN110571802B (zh) | 2019-09-12 | 2019-09-12 | 基于粗糙集动态规划模型的配电网自愈控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910862919.4A CN110571802B (zh) | 2019-09-12 | 2019-09-12 | 基于粗糙集动态规划模型的配电网自愈控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110571802A true CN110571802A (zh) | 2019-12-13 |
CN110571802B CN110571802B (zh) | 2023-03-28 |
Family
ID=68779731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910862919.4A Active CN110571802B (zh) | 2019-09-12 | 2019-09-12 | 基于粗糙集动态规划模型的配电网自愈控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110571802B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113608072A (zh) * | 2021-10-06 | 2021-11-05 | 深圳市景星天成科技有限公司 | 基于非健全条件下电力自愈快速故障定位方法 |
CN115498773A (zh) * | 2022-10-21 | 2022-12-20 | 山东大学 | 一种配电网故障自愈重构方法及系统 |
CN117852773A (zh) * | 2024-03-04 | 2024-04-09 | 国网山东省电力公司枣庄供电公司 | 一种配电网路故障定位系统 |
CN118137495A (zh) * | 2024-04-30 | 2024-06-04 | 广东电网有限责任公司中山供电局 | 分布式配电网的自愈方法、装置和分布式配电系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002259154A1 (en) * | 2001-05-07 | 2002-11-18 | Sun Microsystems, Inc. | Fault-tolerant, self-healing routing scheme for a multi-path interconnection fabric in a storage network |
US20050194944A1 (en) * | 2004-03-04 | 2005-09-08 | Folts Douglas C. | Dynamic reactive compensation system and method |
CN103084708A (zh) * | 2013-02-04 | 2013-05-08 | 江苏科技大学 | 基于粗糙集的旋转电弧气保焊焊缝偏差识别方法 |
US20140354350A1 (en) * | 2009-09-08 | 2014-12-04 | California Institute Of Technology | Self-healing technique for high frequency circuits |
US20150309092A1 (en) * | 2012-11-16 | 2015-10-29 | Tianjin University | Current Pattern Matching Method for Non-Intrusive Power Load Monitoring and Disaggregation |
CN105160596A (zh) * | 2015-08-26 | 2015-12-16 | 云南电网有限责任公司电力科学研究院 | 一种基于gis平台的辅助故障定位及供电恢复方法 |
CN108152663A (zh) * | 2017-11-24 | 2018-06-12 | 国网河南省电力公司镇平县供电公司 | 一种配电网故障定位方法及装置 |
-
2019
- 2019-09-12 CN CN201910862919.4A patent/CN110571802B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002259154A1 (en) * | 2001-05-07 | 2002-11-18 | Sun Microsystems, Inc. | Fault-tolerant, self-healing routing scheme for a multi-path interconnection fabric in a storage network |
US20050194944A1 (en) * | 2004-03-04 | 2005-09-08 | Folts Douglas C. | Dynamic reactive compensation system and method |
US20140354350A1 (en) * | 2009-09-08 | 2014-12-04 | California Institute Of Technology | Self-healing technique for high frequency circuits |
US20150309092A1 (en) * | 2012-11-16 | 2015-10-29 | Tianjin University | Current Pattern Matching Method for Non-Intrusive Power Load Monitoring and Disaggregation |
CN103084708A (zh) * | 2013-02-04 | 2013-05-08 | 江苏科技大学 | 基于粗糙集的旋转电弧气保焊焊缝偏差识别方法 |
CN105160596A (zh) * | 2015-08-26 | 2015-12-16 | 云南电网有限责任公司电力科学研究院 | 一种基于gis平台的辅助故障定位及供电恢复方法 |
CN108152663A (zh) * | 2017-11-24 | 2018-06-12 | 国网河南省电力公司镇平县供电公司 | 一种配电网故障定位方法及装置 |
Non-Patent Citations (4)
Title |
---|
刘凯等: "基于启发式规则和人工免疫的智能配电网自愈", 《武汉大学学报(工学版)》 * |
刘育明: "配电网故障诊断与快速供电恢复算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
刘韶峰等: "基于粗糙集理论的馈线自动化技术", 《传感器世界》 * |
杨志超等: "基于粗糙集和RBF神经网络的变压器故障诊断方法研究", 《电测与仪表》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113608072A (zh) * | 2021-10-06 | 2021-11-05 | 深圳市景星天成科技有限公司 | 基于非健全条件下电力自愈快速故障定位方法 |
CN113608072B (zh) * | 2021-10-06 | 2021-12-28 | 深圳市景星天成科技有限公司 | 基于非健全条件下电力自愈快速故障定位方法 |
CN115498773A (zh) * | 2022-10-21 | 2022-12-20 | 山东大学 | 一种配电网故障自愈重构方法及系统 |
CN115498773B (zh) * | 2022-10-21 | 2023-12-05 | 山东大学 | 一种配电网故障自愈重构方法及系统 |
CN117852773A (zh) * | 2024-03-04 | 2024-04-09 | 国网山东省电力公司枣庄供电公司 | 一种配电网路故障定位系统 |
CN117852773B (zh) * | 2024-03-04 | 2024-05-24 | 国网山东省电力公司枣庄供电公司 | 一种配电网路故障定位系统 |
CN118137495A (zh) * | 2024-04-30 | 2024-06-04 | 广东电网有限责任公司中山供电局 | 分布式配电网的自愈方法、装置和分布式配电系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110571802B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110571802B (zh) | 基于粗糙集动态规划模型的配电网自愈控制方法及装置 | |
CN106786546B (zh) | 基于风险评估的配电网故障恢复策略优化方法 | |
CN111478358B (zh) | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 | |
CN103001216B (zh) | 一种含分布式电源的配电网快速供电恢复方法 | |
CN107944705B (zh) | 一种基于模块度划分通信社团的全端可靠性计算方法 | |
CN112398678B (zh) | 适用于多源异构电网的运行方式拓扑结构特征提取方法 | |
CN115395557B (zh) | 一种基于有向图遍历的有源配电网故障快速恢复方法 | |
CN102290798A (zh) | 一种基于配电网接线方式的快速供电恢复规则 | |
CN115313374A (zh) | 一种融合多代理架构的主动配电网故障恢复方法 | |
CN114050573B (zh) | 一种有源配电网的故障恢复控制方法、装置、设备及介质 | |
CN105139081A (zh) | 一种高可靠性的配电系统联络点规划方法 | |
CN113507116B (zh) | 一种配电网负荷转供方法、装置、设备及存储介质 | |
CN113364054B (zh) | 基于二阶锥松弛法的配电网区间网络重构模型优化方法 | |
Sheng et al. | Collaborative fault recovery and network reconstruction method for cyber-physical-systems based on double layer optimization | |
CN113258567A (zh) | 基于混合聚类算法的电网关键输电断面确定方法及系统 | |
Siqing et al. | Integrating genetic algorithm with expert system for service restoration in distribution system | |
Limin et al. | Reliability assessment of power systems by Bayesian networks | |
Feng et al. | A graph computation based sequential power flow calculation for large-scale AC/DC systems | |
Zhang et al. | A novel multi-objective discrete particle swarm optimization with elitist perturbation for reconfiguration of ship power system | |
CN114665481A (zh) | 一种基于电网节点矢量化的城市电网分区方法及装置 | |
CN111865700B (zh) | 一种电力信息物理系统的信息节点筛选方法及相关装置 | |
Zhang et al. | Transmission network including VSC-HVDC expansion planning based on genetic algorithm with shift operation | |
CN111597701A (zh) | 一种含dg的配电网故障定位方法和系统 | |
Chen et al. | Construction of Distribution Network Fault Detection Model Based on Artificial Intelligence Algorithm | |
Li et al. | Distributed Fault Section Location for Active Distribution Network Based on Bayesian Complete Analytic Model |
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 |