CN110676844B - 一种智能配电网负荷转移方法及装置 - Google Patents

Abstract

本发明属于配电网系统综合自动化技术领域，涉及一种智能配电网负荷转移方法及装置。该方法首先获取配电网系统未来时刻的预测数据；然后确定配电网系统当前时刻的运行拓扑；结合未来时刻的设备运行状态以及当前时刻的运行拓扑，得到配电网系统未来时刻的异常拓扑节点；根据配电网系统未来时刻的异常拓扑节点，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略；结合配电网系统未来时刻的设备负载的负荷量，计算每种负荷转移策略的评价指标，将评价指标最优的负荷转移策略作为配电网系统的负荷转移策略。本发明能够提前判断配电网系统是否需要进行负荷转移，并可在设备发生异常前提前进行负荷的转移，实现主动运维。

Description

一种智能配电网负荷转移方法及装置

技术领域

本发明属于配电网系统综合自动化技术领域，具体涉及一种智能配电网负荷转移方法及装置。

背景技术

智能配电网中设备发生异常或者将要发生异常时，需要将异常设备所在负荷进行转移。此时，操作人员期望能够快速给出决策方案以及负荷转移方案，以保证电网的健康运行。

但是，该方案是在设备发生异常时才去计算负荷转移方案，而智能配电网中的负荷转移是一个多目标的优化问题，目标包括：尽可能多恢复失电区域内负荷(包括重要负荷和非重要负荷等)、网损尽可能小、开关操作次数尽可能少，这便对求解的快速性提出要求，同时还要保证有令人满意的负荷转移结果，如若计算速度慢，很难保证负荷能够及时转移，便会出现负荷暂时无法正常工作的情况，影响智能配电网的正常可靠运行。

发明内容

本发明提供了一种智能配电网负荷转移方法及装置，用以解决在设备发生异常时才计算负荷转移时造成的智能配电网无法正常可靠运行的问题。

为解决上述技术问题，本发明的技术方案和有益效果为：

本发明的一种智能配电网负荷转移方法，包括如下步骤：

获取配电网系统未来时刻的设备运行状态和设备负载的负荷量；根据配电网系统的一次模型信息和当前时刻的设备运行状态确定配电网系统当前时刻的运行拓扑；结合未来时刻的设备运行状态以及当前时刻的运行拓扑，得到配电网系统未来时刻的异常拓扑节点；根据配电网系统未来时刻的异常拓扑节点，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略；结合配电网系统未来时刻的设备负载的负荷量，计算每种负荷转移策略的评价指标，将评价指标最优的负荷转移策略作为配电网系统的负荷转移策略。

本发明的一种智能配电网负荷转移装置，包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现如下方法：

获取配电网系统未来时刻的设备运行状态和设备负载的负荷量；根据配电网系统的一次模型信息和当前时刻的设备运行状态确定配电网系统当前时刻的运行拓扑；结合未来时刻的设备运行状态以及当前时刻的运行拓扑，得到配电网系统未来时刻的异常拓扑节点；根据配电网系统未来时刻的异常拓扑节点，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略；结合配电网系统未来时刻的设备负载的负荷量，计算每种负荷转移策略的评价指标，将评价指标最优的负荷转移策略作为配电网系统的负荷转移策略。

其有益效果：本发明结合配电网系统未来时刻的预测数据以及当前时刻的运行拓扑，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略，从而提前判断配电网系统是否需要进行负荷转移，并在设备发生异常前提前进行负荷的转移，避免在设备发生异常时才去确定负荷转移方案并进行负荷转移时造成的负荷转移不及时的情况，甚至导致智能配电网无法正常可靠运行的情况，进而实现主动运维，提高了智能配电网的可靠性。

作为方法及装置的进一步改进，为了得到最佳负荷转移策略，所述评价指标包括以下至少两种评估量：失电负荷评估量、开关动作次数评估量和网损评估量；其中，失电负荷评估量为：

式中，f_loseload为失电负荷评估量，P_{load_lose}为失电负荷量，P_{load_tran}为要转移的负荷量；

开关动作次数评估量为：

式中，f_cb为开关动作次数评估量，n_cb为开关动作次数，n_{cb_max}为开关动作次数上限；

网损评估量为：

式中，f_lose为网损评估量，f_{load_now}为转负荷后的全网有功网损，f_{load_base}为转负荷前的全网有功网损。

作为方法及装置的进一步改进，为了得到最佳负荷转移策略，当评价指标包括失电负荷评估量、开关动作次数评估量和网损评估量时，所述评价指标为：f＝exp[-(a₁f_cb+a₂f_lose+a₃f_loseload)]，式中，a₁、a₂、a₃分别为开关动作次数评估量f_cb、失电负荷评估量f_loseload、网损评估量f_lose对应的权重系数，0≤a₁≤1、0≤a₂≤1、0≤a₃≤1，且a₁+a₂+a₃＝1。

作为方法及装置的进一步改进，为了准确得到当前时刻的设备运行状态，所述当前时刻的设备运行状态是根据配电网系统的一次模型信息和当前时刻的断面数据，通过机器学习算法得到的；所述当前时刻的断面数据包括：配电网系统当前时刻所有设备的电压、电流、刀闸位置、开关位置、压板状态和设备异常信息。

作为方法及装置的进一步改进，所述根据配电网系统的一次模型信息和当前时刻的设备运行状态确定配电网系统当前时刻的运行拓扑包括：根据配电网系统的一次模型信息，对一次设备的电气连接点进行编号，把一次设备及其链接编号写入拓扑节点表中；结合当前时刻的设备运行状态和拓扑节点表生成所述配电网系统当前时刻的运行拓扑。

附图说明

图1是本发明的方法实施例中的方法流程图；

图2是本发明的方法实施例中设备运行状态智能识别的软件模块实现流程图；

图3是本发明的方法实施例中典型的电网拓扑结构图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚，下面结合附图及实施例，对本发明作进一步的详细说明。

方法实施例：

该实施例提供了一种智能配电网负荷转移方法，如图1所示，该方法步骤如下：

步骤1，获取配电网系统的一次模型信息。一次模型信息包括：厂站信息、电压等级、间隔配置信息、设备信息、设备连接关系等。

步骤2，从配电监控系统获取配电网系统当前时刻的断面数据。当前时刻的断面数据包括：配电网系统当前时刻所有设备的电压、电流、刀闸位置、开关位置、压板状态和设备异常信息。

步骤3，根据步骤1中获取的一次模型信息和步骤2中获取的断面数据，如图2所示，通过机器学习算法判断当前时刻的设备运行状态。设备运行状态包括：运行、热备、冷备、检修、过载、故障等状态。

在判断设备运行状态时使用了机器学习算法，现有技术中的任一种机器学习算法皆可，例如神经网络。设计时所涉及的软件模块包括设备状态库、知识库、推理机和解释器。在建立设备状态库和知识库后，通过推理机得到设备的运行状态，然后通过解释器对推理结果进行评估。现说明各个软件模块的具体功能：

1)设备状态库：用以存储反映当前设备实际状态信息的数据库，包括设备静态配置数据和实时变化数据。

2)知识库：通过知识工程师和领域专家合作分析配电设备的典型异常处理，进行分类归纳和总结，采用规则表达式方式存储，形成知识库。知识库是专家系统的核心内容，其优越性是专家系统优越性的关键所在。知识库中知识的数量和质量直接决定着专家系统的质量，知识库可根据采集的数据信息和保护告警、动作信息建立知识库，在知识库中对每种异常对应的设备状态信息具体化。同时，当有新的故障类型产生，可在知识库中进行添加，实现知识库的不断完善。

3)推理机：利用当前设备状态信息以及知识库的归纳信息，对当前进入到推理机的异常信息按照推理策略逐步推理直到得出结果。

4)解释器：依据推理的结论，以图表或专业术语方式，对设备运行状态进行评估。

以变电站出线线路为例来说明如何进行状态判断：

1)把出现线路相关的设备信息存入设备状态库，包括：开关、母线侧刀闸、线路侧刀闸、接地刀的位置信息，线路电压、电流等运行信息，线路CT断线、控制回路断线、弹簧未储能等异常信息；

2)建立该线路的知识库信息，比如，在开关合位、母线侧刀闸合位、线路侧刀闸合位、接地刀分位、线路电压值大于0V时，判断该出线线路在运行状态，这条信息在知识库中是以表达式的形式存储的，以方便程序识别；

3)推理机结合该出线线路在设备状态库中的信息及知识库中的表达式实时计算出对应结果；

4)解释器对推理机计算的该出线线路的计算结果进行实时展示。

步骤4，根据配电网系统的一次模型信息及当前时刻的设备运行状态，计算得出配电网系统当前时刻的运行拓扑。在软件设计时设计了三个软件模块以实现该过程，这三个软件模块分别是拓扑服务模块、拓扑分析模块和拓扑客户端模块。

1)拓扑服务模块：先根据一次模型信息，给一次设备的电气连接点进行编号，把一次设备及连接编号写入拓扑节点表中；从实时库读取拓扑系统配置信息，结合当前时刻的设备运行状态，根据拓扑节点表生成配电网系统当前时刻的运行拓扑，调用拓扑分析模块进行拓扑分析，把拓扑分析结果写入实时库；定期检测设备运行状态，当检测到状态变化时，重新进行拓扑分析；当接收到在线更新通知后，重新读取实时库，重新进行一次拓扑分析；拓扑服务可以响应客户端发来的拓扑追踪请求，将结果返回给客户端。

2)拓扑分析模块：实现了基于广度优先算法的拓扑gua分析算法，由拓扑服务模块调用。

3)拓扑客户端模块：实现了拓扑追踪功能，包括失电范围追踪、联络开关追踪、供电电源追踪、供电范围追踪。拓扑客户端需要和拓扑服务相配合才能正常运行，因为这些功能都是由拓扑服务完成的，拓扑客户端只是向拓扑服务发送请求，拓扑服务接到请求后进行分析，把结果返回给客户端。

步骤5，从预测系统获取未来时刻的预测数据，预测数据包括系统中关键设备未来的运行状态，有无异常或故障的情况发生，还包括设备负载的负荷量。需说明的是，预测系统是监控系统已有的系统，该预测系统所采用的生成预测数据的方法也是现有的方法，该实施例的方法只是从该预测系统中获取预测数据以用于负荷转移策略的生成。预测数据主要是系统中关键设备未来的运行状态，有无异常或故障的情况发生。预测系统中关于关键设备未来的运行状态的预测方法可采用申请公开号为CN108763654A的中国发明专利所采用的“一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法”，该方法考虑到电力设备实际退化，引入隐马尔科夫模型，运用威布尔分布对设备失效率进行建模，以计算HSMM的状态驻留时间概率和状态转移概率矩阵，选择概率最大的转移序列中对应的状态作为预测结果。预测系统中关于设备负载的负荷量的预测方法也为现有技术，可采用申请公开号为CN110071502A的中国发明专利所采用的“最大偏差相似性准则的聚类算法”，该方法采用最大偏差相似性准则的聚类算法，为模糊聚类算法提供聚类数据及初始类中心，数据聚类后，通过改进后的BP神经网络进行预测选取与预测日相似的电力负荷类别，并将该类别的电力负荷数据作为改进后的BP神经网络的训练集对预测日的电力负荷进行预测。

从预测系统获取未来1小时的预测数据，获取的预测数据包括设备运行状态和设备负载的负荷量，结果如下：

S_fore＝[S₁ S₂ S₃ ... S_N]，P_fore＝[P₁ P₂ P₃ ... P_N]

式中，S_fore表示设备状态预测结果集；S₁、S₂、…、S_N表示每个设备状态的预测结果，0表示正常，1表示异常；P_fore表示负荷预测结果集；P₁、P₂、…、P_N表示每个设备的负荷预测结果。

步骤6，结合步骤5得到的未来时刻的设备运行状态S_fore以及步骤4得到的当前时刻的运行拓扑，计算归纳得到配电网系统未来时刻的异常拓扑节点，得到异常拓扑节点集E_node，计算归纳方法为：S_fore中数值为1的设备连接的所有拓扑节点都归纳到E_node中，结果如下：

E_node＝[E₁ E₂ E₃ ... E_M]

式中，E_node表示异常拓扑节点集，E₁、E₂、…、E_M表示每个异常节点。

步骤7，将E_node的异常拓扑节点信息代入到当前时刻的运行拓扑中进行分析计算，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略。计算每种负荷转移策略的评价指标，将评价指标最优的负荷转移策略作为配电网系统的负荷转移策略。以图3为例，假设初始运行方式为：正母、副母并列运行，QF5母联合位，进线L1接正母运行，进线L2接副母运行，进线L3、L4双线热备。当预测系统判断出进线L1开关QF1节点异常，且判断出L2线路无法满足负荷需求时，需要进行负荷转移。通过评价L1、L3、L4线路的开关动作次数、网损、失电负荷等指标来得出最优转移方案，例如：合上QF3开关，拉开QF1开关。

评价指标需要考虑开关动作次数、网损、失电负荷等指标，所用到的评估量包括失电负荷评估量、开关动作次数评估量、网损评估量，把这三个评估量根据各自的权重配置代入评估函数中，得到评价指标，评估函数为：

f＝exp[-(a₁f_cb+a₂f_lose+a₃f_loseload)]

式中，a₁、a₂、a₃分别为开关动作次数评估量、失电负荷评估量、网损评估量对应的权重系数，0≤a₁≤1、0≤a₂≤1、0≤a₃≤1，且a₁+a₂+a₃＝1，这三个值可由用户自行设定。

其中，这三个评估量分别为：

1)失电负荷评估量：负荷转移的首要目标是满足用户在负荷数量上的要求，提高供电可靠性，减少失电损失，只有当条件无法满足全部负荷正常供电情况下才考虑切除部分负荷。失电负荷评估量为：

式中，P_{load_lose}为失电负荷量(有功)，该量是由于过载、设备故障等原因造成的直接切除的负荷的综合；P_{load_tran}为要转移的负荷量(有功)，是可以转移到其他设备上进行供电的负荷的综合，公式如下：

P_{load_lose}＝P_lose1+P_lose2+...+P_loseN

P_{load_tran}＝P_tran1+P_tran2+...+P_tranN

式中，P_lose1、P_lose2、…、P_loseN为各个负载的失电负荷量，P_tran1、P_tran2、…、P_tranN为各个要转移的负荷量。

2)开关动作次数评估量：实现转负荷的最终手段是改变开关状态，而开关操作存在三相分合闸不同期、导致非非全相运行，分合闸时间过长影响灭弧，操作次数过多影响开关使用寿命、造成电网运行状态波动等风险。因此，在进行转负荷时应尽量减少开关动作次数。开关动作次数评估量为：

式中，n_cb为开关动作次数，可以从监控系统的实时库中获取，由监控系统的统计模块统计后写入实时库；n_{cb_max}为开关动作次数上限，可以从监控系统的数据库中获取，由用户配置输入。

3)网损评估量：转负荷会改变系统的潮流分布。考虑到转负荷策略决策时一般处于非紧急情况，对于故障等紧急情况可提前进行倒换策略预优化，因此需要在转负荷时考虑经济性，尽可能降低因负荷转移造成的附加网损。网损评估量为：

式中，f_{load_now}为转负荷后的全网有功网损，f_{load_base}为转负荷前的全网有功网损，这两个量由监控系统的网损计算模块根据转负荷前后的潮流分布计算得到。

步骤8，将得到的负荷转移策略存入数据库或在人机交互界面进行展示，供运维人员参考。

整体来看，该方法运用未来时刻的预测数据，并根据配电网系统当前时刻的运行拓扑来提前判断配电网系统是否需要进行负荷转移，并能够制定出最优的负荷转移策略，供运维人员参考，实现主动运维的目标。

在该实施例中，所采用的评估量包括失电负荷评估量、开关动作次数评估量和网损评估量，作为其他实施方式，可只选择其中的两个评估量来得到评价指标，或者增加该实施例中未说明的其他评估量。

另外，评价指标对应的评估函数不局限于该实施例中的函数形式。

装置实施例：

该实施例提供了一种智能配电网负荷转移装置，该装置包括存储器和处理器，存储器和处理器之间直接或间接地电性连接以实现数据的传输或交互。这里的处理器可以是通用处理器，例如中央处理器CPU，也可以是其他可编程逻辑器件，例如数字信号处理器DSP，处理器用于执行存储在存储器中的指令以实现方法实施例中介绍的一种智能配电网负荷转移方法，由于方法实施例已对该方法做了详细说明，这里不再赘述。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (6)

1.一种智能配电网负荷转移方法，其特征在于，包括如下步骤：

步骤1，获取配电网系统的一次模型信息；

步骤2，从配电监控系统获取配电网系统当前时刻的断面数据；所述当前时刻的断面数据包括：配电网系统当前时刻所有设备的电压、电流、刀闸位置、开关位置、压板状态和设备异常信息；

步骤3，根据步骤1中获取的一次模型信息和步骤2中获取的当前时刻的断面数据，结合事先建立的设备状态库和知识库，通过机器学习算法推理得到设备运行状态，并通过解释器对推理得到的设备运行状态进行评估；设备的运行状态包括：运行、热备、冷备、检修、过载和故障状态；

步骤4，根据配电网系统的一次模型信息及当前时刻的设备运行状态，计算得出配电网系统当前时刻的运行拓扑；当前时刻的运行拓扑的计算通过拓扑服务模块、拓扑分析模块和拓扑客户端模块三个模块来实现；

拓扑服务模块：根据配电网系统的一次模型信息，对一次设备的电气连接点进行编号，把一次设备及其链接编号写入拓扑节点表中；从实时库读取拓扑系统配置信息，结合当前时刻的设备运行状态，根据拓扑节点表生成配电网系统当前时刻的运行拓扑，调用拓扑分析模块进行拓扑分析，把拓扑分析结果写入实时库；定期检测设备运行状态，当检测到状态变化时，重新进行拓扑分析；当接收到在线更新通知后，重新读取实时库，重新进行一次拓扑分析；拓扑服务模块能够响应拓扑客户端模块发来的拓扑追踪请求，将结果返回给拓扑客户端模块；

拓扑分析模块：实现了基于广度优先算法的拓扑gua分析算法，由拓扑服务模块调用；

拓扑客户端模块：实现了拓扑追踪功能，拓扑追踪功能包括失电范围追踪、联络开关追踪、供电电源追踪和供电范围追踪；拓扑客户端模块需要和拓扑服务模块相配合实现追踪功能，拓扑客户端模块向拓扑服务模块发送请求，拓扑服务模块接到请求后进行分析，把结果返回给拓扑客户端模块；

步骤5，获取配电网系统未来时刻的设备运行状态和设备负载的负荷量；

步骤6，结合未来时刻的设备运行状态以及当前时刻的运行拓扑，得到配电网系统未来时刻的异常拓扑节点；配电网系统未来时刻的异常拓扑节点的计算归纳方法为：配电网系统未来时刻运行异常的设备连接的所有拓扑节点；

步骤7，将配电网系统未来时刻的异常拓扑节点信息带入到配电网系统当前时刻的运行拓扑中进行分析计算，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略；

结合配电网系统未来时刻的设备负载的负荷量，计算每种负荷转移策略的评价指标，将评价指标最优的负荷转移策略作为配电网系统的负荷转移策略。

2.根据权利要求1所述的智能配电网负荷转移方法，其特征在于，所述评价指标包括以下至少两种评估量：失电负荷评估量、开关动作次数评估量和网损评估量；

其中，失电负荷评估量为：

式中，f_loseload为失电负荷评估量，P_{load_lose}为失电负荷量，P_{load_tran}为要转移的负荷量；

开关动作次数评估量为：

式中，f_cb为开关动作次数评估量，n_cb为开关动作次数，n_{cb_max}为开关动作次数上限；

网损评估量为：

式中，f_lose为网损评估量，f_{load_now}为转负荷后的全网有功网损，f_{load_base}为转负荷前的全网有功网损。

3.根据权利要求2所述的智能配电网负荷转移方法，其特征在于，当评价指标包括失电负荷评估量、开关动作次数评估量和网损评估量时，所述评价指标为：f＝exp[-(a₁f_cb+a₂f_lose+a₃f_loseload)]，式中，a₁、a₂、a₃分别为开关动作次数评估量f_cb、失电负荷评估量f_loseload、网损评估量f_lose对应的权重系数，0≤a₁≤1、0≤a₂≤1、0≤a₃≤1，且a₁+a₂+a₃＝1。

4.一种智能配电网负荷转移装置，其特征在于，包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现如下方法：

步骤1，获取配电网系统的一次模型信息；

步骤2，从配电监控系统获取配电网系统当前时刻的断面数据；所述当前时刻的断面数据包括：配电网系统当前时刻所有设备的电压、电流、刀闸位置、开关位置、压板状态和设备异常信息；

步骤3，根据步骤1中获取的一次模型信息和步骤2中获取的当前时刻的断面数据，结合事先建立的设备状态库和知识库，通过机器学习算法推理得到设备运行状态，并通过解释器对推理得到的设备运行状态进行评估；设备的运行状态包括：运行、热备、冷备、检修、过载和故障状态；

步骤4，根据配电网系统的一次模型信息及当前时刻的设备运行状态，计算得出配电网系统当前时刻的运行拓扑；当前时刻的运行拓扑的计算通过拓扑服务模块、拓扑分析模块和拓扑客户端模块三个模块来实现；

拓扑服务模块：根据配电网系统的一次模型信息，对一次设备的电气连接点进行编号，把一次设备及其链接编号写入拓扑节点表中；从实时库读取拓扑系统配置信息，结合当前时刻的设备运行状态，根据拓扑节点表生成配电网系统当前时刻的运行拓扑，调用拓扑分析模块进行拓扑分析，把拓扑分析结果写入实时库；定期检测设备运行状态，当检测到状态变化时，重新进行拓扑分析；当接收到在线更新通知后，重新读取实时库，重新进行一次拓扑分析；拓扑服务模块能够响应拓扑客户端模块发来的拓扑追踪请求，将结果返回给拓扑客户端模块；

拓扑分析模块：实现了基于广度优先算法的拓扑gua分析算法，由拓扑服务模块调用；

拓扑客户端模块：实现了拓扑追踪功能，拓扑追踪功能包括失电范围追踪、联络开关追踪、供电电源追踪和供电范围追踪；拓扑客户端模块需要和拓扑服务模块相配合实现追踪功能，拓扑客户端模块向拓扑服务模块发送请求，拓扑服务模块接到请求后进行分析，把结果返回给拓扑客户端模块；

步骤5，获取配电网系统未来时刻的设备运行状态和设备负载的负荷量；

步骤6，结合未来时刻的设备运行状态以及当前时刻的运行拓扑，得到配电网系统未来时刻的异常拓扑节点；配电网系统未来时刻的异常拓扑节点的计算归纳方法为：配电网系统未来时刻运行异常的设备连接的所有拓扑节点；

步骤7，将配电网系统未来时刻的异常拓扑节点信息带入到配电网系统当前时刻的运行拓扑中进行分析计算，重新确定配电网系统的若干种运行拓扑，并生成相应的负荷转移策略；

结合配电网系统未来时刻的设备负载的负荷量，计算每种负荷转移策略的评价指标，将评价指标最优的负荷转移策略作为配电网系统的负荷转移策略。

5.根据权利要求4所述的智能配电网负荷转移装置，其特征在于，所述评价指标包括以下至少两种评估量：失电负荷评估量、开关动作次数评估量和网损评估量；

其中，失电负荷评估量为：

式中，f_loseload为失电负荷评估量，P_{load_lose}为失电负荷量，P_{load_tran}为要转移的负荷量；

开关动作次数评估量为：

式中，f_cb为开关动作次数评估量，n_cb为开关动作次数，n_{cb_max}为开关动作次数上限；

网损评估量为：

式中，f_lose为网损评估量，f_{load_now}为转负荷后的全网有功网损，f_{load_base}为转负荷前的全网有功网损。

6.根据权利要求5所述的智能配电网负荷转移装置，其特征在于，当评价指标包括失电负荷评估量、开关动作次数评估量和网损评估量时，所述评价指标为：f＝exp[-(a₁f_cb+a₂f_lose+a₃f_loseload)]，式中，a₁、a₂、a₃分别为开关动作次数评估量f_cb、失电负荷评估量f_loseload、网损评估量f_lose对应的权重系数，0≤a₁≤1、0≤a₂≤1、0≤a₃≤1，且a₁+a₂+a₃＝1。

Images