CN110889212A - 一种计及投资费用约束的配电自动化终端布局优化方法 - Google Patents

一种计及投资费用约束的配电自动化终端布局优化方法 Download PDF

Info

Publication number
CN110889212A
CN110889212A CN201911127825.9A CN201911127825A CN110889212A CN 110889212 A CN110889212 A CN 110889212A CN 201911127825 A CN201911127825 A CN 201911127825A CN 110889212 A CN110889212 A CN 110889212A
Authority
CN
China
Prior art keywords
investment
distribution automation
remote terminals
remote
terminal
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
Application number
CN201911127825.9A
Other languages
English (en)
Inventor
李锰
许长清
张凯
郝建国
田春筝
郭祥富
王利利
张琳娟
张平
郑征
周楠
卢丹
邱超
全少理
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Publication of CN110889212A publication Critical patent/CN110889212A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种计及投资费用约束的配电自动化终端布局优化方法，其步骤为：首先，在出线断路器和联络开关上固定安装三遥终端，将主干线上安装的三遥终端的数量和三遥终端的类型作为决策量；其次，将三遥终端和二遥终端的投资费用之和小于总的投资费用作为一次投资约束条件，将系统总电量不足指标不小于系统供电可靠率水平作为可靠性约束条件；再根据决策量和一次投资约束条件、可靠性约束条件构建配电自动化终端布局的目标函数；最后，利用遗传算法对的目标函数进行优化，输出最优的终端布局方案。本发明通过合理布局三遥、二遥终端可保证年等值费用处于较低的水平，对工程实践中投资费用受限的情况具有指导作用。

Description

一种计及投资费用约束的配电自动化终端布局优化方法
技术领域
本发明涉及配电终端规划技术领域，特别是指一种计及投资费用约束的配电自动化终端布局优化方法。
背景技术
配电自动化是提高供电可靠性，实现配电网高效经济运行的重要手段。配电自动化终端位于配电自动化系统的基础层，负责对配电设备进行控制与调节，是配电自动化的重要组成部分。目前我国在配电终端的电源设计、功能实现以及信息技术上已取得了一定的研究成果，但是针对配电终端优化布置方法研究仍然较少。
配电终端优化布置是指确定每条馈线上配电自动化终端的安装位置、安装数量以及终端类型。不同的终端布置方案投资费用不同，对供电可靠性的提升也不同。一个科学合理的终端布置方案应综合考虑系统结构、负荷以及用户分布情况，在满足配电网供电可靠性的要求基础上实现经济性最优。在配电终端优化布置方面，文献[刘健,程红丽,张志华.配电自动化系统中配电终端配置数量规划[J].电力系统自动化,2013,37(12):44-50.]分析了终端安装数量对投入产出比的影响，在近似条件下推导了达到指定供电可靠性要求的最少终端安装数量，但推导是在用户均匀分布以及忽略配电变压器故障的前提下进行的。文献[王旭东,梁栋,曹宝夷,et al.三遥配电自动化终端的优化配置[J].电力系统及其自动化学报,v.28；No.145(02):40-46.]讨论了三遥终端的优化布置方法，但是文章没有考虑二遥终端的布置，不适用于三遥、二遥终端混合布置的情况。文献[李子韵,成乐祥,王自桢,et al.配电自动化终端布局规划方法[J].电网技术,2016,40(4):1271-1276.]实现了在满足供电可靠性条件下综合费用最小的三遥、二遥混合优化布置，对于考虑不同接线方式，负荷及用户分布情况下的配电自动化终端规划布局具有指导作用。但是以上文献都没有考虑投资费用约束的情况，随着用户对供电可靠性要求的不断提高，我国每年对配电自动化的投资规模巨大且呈逐年递增，如何利用有限的投资获得最大的效益是配电自动化建设中的关键问题，在配电自动化终端规划过程中考虑投资费用约束具有重要的现实意义。
发明内容
针对上述背景技术中存在的不足，本发明提出了一种计及投资费用约束的配电自动化终端布局优化方法，首先确定不同元件故障时负荷点的故障类型，再根据故障点与负荷点之间三遥终端、二遥终端的安装情况确定负荷点的停电时间；然后在配电网可靠性计算的基础上，以投资费用以及可靠性要求作为约束条件，以综合费用作为目标函数，建立配电自动化终端布局模型；采用遗传算法求解配电自动化终端布局模型，得到配电自动化终端的安装种类、数量以及位置；解决了现有配电自动化终端布局利用率不高的技术问题。
本发明的技术方案是这样实现的：
一种计及投资费用约束的配电自动化终端布局优化方法，其步骤如下：
S1、在出线断路器和联络开关上固定安装三遥终端，将主干线上安装的三遥终端的数量和三遥终端的类型作为决策量；
S2、将三遥终端和二遥终端的投资费用之和小于总的投资费用作为一次投资约束条件，将系统总电量不足指标不小于系统供电可靠率水平作为可靠性约束条件；
S3、根据步骤S1中的决策量和步骤S2中的一次投资约束条件、可靠性约束条件构建配电自动化终端布局的目标函数；
S4、利用遗传算法对步骤S3中的目标函数进行优化，输出最优的终端布局方案。
所述步骤S2中的系统总电量不足指标ASAI为：
Figure BDA0002277408670000021
其中，Ni为负荷点i的用户数，Ui为负荷点i的年停电时间，∑UiNi表示系统停电时间。
所述步骤S2中的一次投资约束条件为：(N2×CS2+N3×CS3)≤F，其中，F为总的投资经费，N2为二遥终端的安装数量，N3为三遥终端的安装数量；CS2为二遥终端的综合单价，CS3为三遥终端的综合单价。
所述配电自动化终端布局的目标函数为：minCTOTAL＝CE+CO+CL，其中，
Figure BDA0002277408670000022
为设备投资费用，CO＝α×CE为设备运行费用，CL＝∑LaiUiCL(i)为停电损失费用，S为设备的使用年限，i为投资回收率，α为运行维护费用系数，CL(i)为负荷点i的单位电量平均停电损失费用，Lai为负荷点i的平均负荷，Ui为负荷点i的年停电时间。
所述步骤S4中利用遗传算法对步骤S3中的目标函数进行优化，输出最优的终端布局方案的方法为：
S41、根据配电网接线图，列出各个故障事件下负荷点的类型以及开关集矩阵；
S42、设置遗传算法的参数，包括种群规模K、最大迭代次数T、编码方式、染色体各个基因位的取值范围、交叉概率γ和变异概率σ；
S43、每条染色体中的各个基因位在取值范围内随机产生一个整数，每条染色体为一个终端布局方案，计算种群规模内每条染色体的适应度及约束条件的满足情况；
S44、根据设定的交叉概率γ和变异概率σ，对种群规模内的每条染色体进行选择、交叉、变异操作，保留适应度高并满足约束条件的染色体进入下一代种群；
S45、当迭代次数达到设定的最大迭代次数T时，结束迭代，输出适应度最高且满足约束条件的染色体。
所述步骤S42中的基因位表示安装的配电自动化终端的类型，其中，0表示不安装配电自动化终端，1表示安装二遥终端，2表示安装三遥终端。
本技术方案能产生的有益效果：
1)本发明能够根据网络参数、负荷及用户分布情况对具体的配电网络进行整体优化布局，在保证设备投资费用小于给定费用的前提下，得到年等值费用最低的布局方案。
2)本发明在投资费用受限的情况下，通过合理的布置三遥、二遥终端能够保证年等值费用处于较低的水平，对于工程实践中投资费用受限的情况具有一定的指导作用。
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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明的终端优化布局模型求解流程图。
图2为本发明的IEEE RBTS BUS2算例系统接线图。
图3为本发明的不限制设备投资费用的收敛曲线。
图4为本发明的设备投资费用限制为10万元的收敛曲线。
具体实施方式
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付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了完成本发明的设计任务，首先阐述配电自动化终端作用的配电网可靠性评估方法，包括含配电自动化终端的故障处理过程、配电自动化终端对供电可靠性的影响和含配电自动化终端的可靠性评估流程。
1)含配电自动化终端的故障处理过程
出线断路器以及联络开关一般固定装设三遥终端，本发明选取熔断器作为用户分界开关，在用户侧发生故障时，熔断器能够立即断开相应电路，防止该用户故障对其他用户产生影响。
集中式馈线自动化的故障处理过程如下：当主干线路上某处发生故障时，出线断路器跳闸并重合闸失败，主站根据三遥及二遥终端传来的遥测信息进行故障定位，初步确定故障区间。若初步确定的故障区间上游安装有三遥开关(装有三遥终端的分段开关称为三遥开关)，则主站会给离故障区间最近的三遥开关下发遥控指令，断开相应的分段开关，此后，出线断路器合闸，恢复三遥开关与电源之间负荷点的供电。同理，若初步确定的故障区间下游装有三遥开关，则主站会给位于故障区间下游且离故障区间最近的三遥终端下发遥控指令，断开相应的分段开关并使联络开关合闸，恢复该三遥开关下游负荷点的供电。人工在初步确定的故障区间内查找具体的故障元件，找到故障元件后，手动断开故障元件两端的分段开关，故障元件两端的开关包含的区域为最终的故障区域，此后，合上故障区域上游和下游的所有开关，恢复除故障区域内负荷以外其余所有负荷的供电。最后人工修复故障，待故障修复完成后，合上故障元件两端的开关，恢复最终故障区域内负荷的供电。
2)配电自动化终端对供电可靠性的影响
在故障处理过程中，三遥终端与二遥终端都具有辅助定位作用。在不含三遥终端、二遥终端时，为了确定最终的故障元件，人工需要对整条主干线路进行排查。在装设有三遥终端或二遥终端后，人工只需要在初步确定的故障区间内查找故障。故障查找范围由整条主干线路缩短为初步确定的故障区间，假设前者花费的人工故障定位时间为tI，整条主干线包含的元件个数为M，初步确定的故障区间包含的元件数为m，则后者的故障定位时间tII可由式(1)求出：
Figure BDA0002277408670000041
除了辅助定位作用，三遥终端的另一作用是自动隔离故障，在初步确定故障区间后，能够立即恢复部分负荷的供电，使该部分负荷的停电时间缩短为主站自动故障定位时间与开关自动切换时间之和。
3)含配电自动化终端的可靠性评估流程
(1)负荷点分类
当配电网某个位置发生故障时，负荷点与故障区段的相对位置会影响负荷点的停电时间，根据负荷点与故障区段的位置关系将负荷点大致分为四类。A类负荷点位于故障区段内，只有故障修复后才能恢复供电。B类负荷点位于故障区段下游，在故障区段被开关自动隔离或者人工隔离后，能够通过闭合联络开关恢复供电。C类负荷点位于故障区段上游，在故障区段被自动隔离或者人工隔离后，能够通过主电源恢复供电。D类负荷点不受故障点的影响。
(2)确定故障点到负荷点所经过的开关集合
在故障处理过程中，对于B类或者C类负荷点，当故障点与负荷点之间安装有三遥开关时，该负荷点的停电时间为主站自动故障定位时间与开关自动切换时间之和。为了确定故障点与负荷点之间是否装有三遥开关从而进一步确定负荷点的停电时间，首先需确定故障点j到负荷点i的最短路径上所有分段开关编号集合。
具体过程如下：从故障点j出发，若负荷点i位于故障点j下游，则顺着潮流方向逐步搜索直至负荷点i即可得到故障点j与负荷点i之间最短路上包含的开关编号集合(若负荷点i位于故障点j上游则逆着潮流方向搜索即可)。若故障点j与负荷点i的最短路上无分段开关，则开关集合中的元素为-1。
(3)确定负荷点的停电时间
当主干线上某处发生故障时，首先判断该故障事件下各个负荷点的类型。若属于A类负荷点，则该负荷点的停电时间为故障定位时间与故障修复时间之和，考虑到一般情况下故障定位时间相较于故障修复时间而言很小，故忽略故障定位时间，将负荷点停运时间近似为故障修复时间，记为t1；若属于B类或者C类负荷点，则首先需要判断故障点j到负荷点i的开关集合中是否包含三遥开关，若包含三遥开关，则负荷点的停电时间为自动故障定位以及开关自动切换时间之和，记为t2；若不包含三遥开关，则需计算初步确定的故障区间所包含的线路段数，然后根据式(1)计算所需花费的人工故障定位时间，负荷点的停电时间为人工故障定位时间与人工故障隔离时间之和，记为t3；当某负荷点的分支线上发生故障时，由于安装有用户分界开关，该负荷点的故障不会对其余负荷点产生影响，只有该负荷点停电且停电时间为对应元件的修复时间，记为t4，其余所有负荷点都属于D类负荷点，停电时间为0。
(3)可靠性指标计算
在配电自动化终端优化布局过程中，只需要用到两个可靠性指标，分别是平均供电可靠率以及系统总电量不足指标。系统总电量不足指标为式(2)所示：
Figure BDA0002277408670000051
其中，Ni为负荷点i的用户数，Ui为负荷点i的年停电时间，∑UiNi表示系统停电时间，在计算时，需枚举所有可能的故障事件，确定各个事件下各个负荷点的停电时间(本发明只考虑主干线线路、分支线线路以及变压器故障，不考虑开关及终端故障)，然后根据故障事件发生的概率进行加权求和求得最终结果。
本发明实施例提供了一种计及投资费用约束的配电自动化终端布局优化方法，具体步骤如下：
S1、在出线断路器和联络开关上固定安装三遥终端，将主干线上安装的三遥终端的数量和三遥终端的类型作为决策量。
S2、将三遥终端和二遥终端的投资费用之和小于总的投资费用作为一次投资约束条件，将系统总电量不足指标不小于系统供电可靠率水平作为可靠性约束条件；所述一次投资约束条件为：(N2×CS2+N3×CS3)≤F，其中，F为总的投资经费，N2为二遥终端的安装数量，N3为三遥终端的安装数量；CS2为二遥终端的综合单价，CS3为三遥终端的综合单价。
S3、根据步骤S1中的决策量和步骤S2中的一次投资约束条件、可靠性约束条件构建配电自动化终端布局的目标函数；所述配电自动化终端布局的目标函数为：minCTOTAL＝CE+CO+CL，其中，
Figure BDA0002277408670000061
为设备投资费用，CO＝α×CE为设备运行费用，CL＝∑LaiUiCL(i)为停电损失费用，S为设备的使用年限，i'为投资回收率，α为运行维护费用系数，CL(i)为负荷点i的单位电量平均停电损失费用，Lai为负荷点i的平均负荷，Ui为负荷点i的年停电时间。
S4、利用遗传算法对步骤S3中的目标函数进行优化，输出最优的终端布局方案。
遗传算法是一种自适应启发式全局搜索的概率算法，鲁棒性较强，能同时搜索解空间的多个点，从而使待求问题实现全局最优，考虑到遗传算法求解非线性问题的优越性，本发明采用遗传算法求解终端布局优化模型，如图1所示，实现方法如下：
S41、根据配电网接线图，列出各个故障事件下负荷点的类型以及开关集矩阵；负荷点的类型以矩阵的形式表示。分析每种故障事件下，故障点到负荷点的最短路所包含的分段开关集合，分段开关集合用矩阵表示。确定系统参数、费用参数、时间参数，为后续的可靠性指标计算做准备。
S42、设置遗传算法的参数，包括种群规模K、最大迭代次数T、编码方式、染色体各个基因位的取值范围、交叉概率γ和变异概率σ。编码是采用遗传算法解决实际问题的关键要素，本发明采用的编码形式如图1所示，采用整数编码，系统中共有k个分段开关，则染色体由k个整数构成，所述基因位表示安装的配电自动化终端的类型，其中，0表示不安装配电自动化终端，1表示安装二遥终端，2表示安装三遥终端。
表1编码形式
D<sub>1</sub> D<sub>2</sub> D<sub>3</sub> D<sub>4</sub> … D<sub>k</sub>
S43、每条染色体中的各个基因位在取值范围内随机产生一个整数，每条染色体为一个终端布局方案，计算种群规模内每条染色体的适应度及约束条件的满足情况。
S44、根据设定的交叉概率γ和变异概率σ，对种群规模内的每条染色体进行选择、交叉、变异操作，保留适应度高并满足约束条件的染色体进入下一代种群。
S45、当迭代次数达到设定的最大迭代次数T时，结束迭代，输出适应度最高且满足约束条件的染色体。
仿真分析
本发明在文献[1]-[Allan R N,Billinton R,Sjarief I,et al.A reliabilitytest system for educational purposes-basic distribution system data andresults[J].IEEE Transactions on Power Systems,1991,6(2):813-820.]中的IEEERBTS BUS2算例上进行仿真分析，如图2所示，线路长度、元件故障率、负荷点数据详见文献[1]，变压器更换时间设置为4h。遗传算法参数设置为：种群规模K＝50，迭代次数T＝2000，交叉概率为γ＝0.8，变异概率为σ＝0.2。三遥终端的综合单价为CS3＝5.4万元/组，二遥终端的综合单价为CS2＝1.05万元/组，设备的运行维护费用占设备投资费用的CO＝0.03，贴现率取0.1，设备使用年限为S＝10年，单位停电损失为25元/(kw·h)，人工对整条线路进行故障排查的时间tI设置为2h，线路故障修复时间t1设置为4h，自动故障定位以及开关自动切换时间之和t2设置为0.05h，人工故障定位时间与人工故障隔离时间之和t3设置为3h，可靠性约束值设置为0.99979。
为了证明本发明方法的合理性，本发明针对五种情况进行了仿真分析。情况1为不限制设备投资费用，情况2将设备投资费用限制为26万元，情况3将设备投资费用限制为22万元，情况4将设备投资费用限制为18万元，情况5将设备投资费用限制为14万元，情况6将设备投资费用限制为10万元，每种情况的终端规划结果如表2所示，情况1和情况6的收敛曲线分别如图3、图4所示。
表2规划结果
Figure BDA0002277408670000071
由表2可以看出，在不限制一次投资费用或者给定的一次投资费用较多的情况下，年平均费用最少的规划结果中三遥终端数量最多，随着给定的一次投资费用慢慢减少，三遥终端数量减少，二遥终端数量增多，需要通过合理布置二遥终端的位置来满足可靠性约束的要求。由图3和图4可以看出，采用遗传算法求解终端规划问题，收敛效果良好。
每种情况的年平均总费用、实际一次投资费用以及可靠性如表3所示。
表3每种情况的费用及可靠性
Figure BDA0002277408670000081
由表3可以看出，相较于不限投资的情况，限制投资费用下规划结果的年等值费用都有所增加，且限制的投资费用越低，年等值费用越高，但是一次投资费用降低的速率远高于年等值费用增长的速率。以情况1和情况6为例，情况1的规划结果需要一次性投资34.5万元，每年的等值费用为22.7789万元，情况6的规划结果只需要一次性投资9.6万元，每年的等值费用为24.5973万元，一次投资减少了24.9万元，而年等值费用只增加了1.8184万元，这说明在一次投资费用有限的情况下，通过在线路中合理布置三遥终端、二遥终端，能够显著地降低一次投资费用，并且相较于不限投资的情况，年等值费用稍有增加。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (6)

1.一种计及投资费用约束的配电自动化终端布局优化方法，其特征在于，其步骤如下：
S1、在出线断路器和联络开关上固定安装三遥终端，将主干线上安装的三遥终端的数量和三遥终端的类型作为决策量；
S2、将三遥终端和二遥终端的投资费用之和小于总的投资费用作为一次投资约束条件，将系统总电量不足指标不小于系统供电可靠率水平作为可靠性约束条件；
S3、根据步骤S1中的决策量和步骤S2中的一次投资约束条件、可靠性约束条件构建配电自动化终端布局的目标函数；
S4、利用遗传算法对步骤S3中的目标函数进行优化，输出最优的终端布局方案。
2.根据权利要求1所述的计及投资费用约束的配电自动化终端布局优化方法，其特征在于，所述步骤S2中的系统总电量不足指标ASAI为：
Figure FDA0002277408660000011
其中，Ni为负荷点i的用户数，Ui为负荷点i的年停电时间，∑UiNi表示系统停电时间。
3.根据权利要求1所述的计及投资费用约束的配电自动化终端优化布局方法，其特征在于，所述步骤S2中的一次投资约束条件为：(N2×CS2+N3×CS3)≤F，其中，F为总的投资经费，N2为二遥终端的安装数量，N3为三遥终端的安装数量；CS2为二遥终端的综合单价，CS3为三遥终端的综合单价。
4.根据权利要求1或3所述的计及投资费用约束的配电自动化终端优化布局方法，其特征在于，所述配电自动化终端布局的目标函数为：min CTOTAL＝CE+CO+CL，其中，
Figure FDA0002277408660000012
为设备投资费用，CO＝α×CE为设备运行费用，CL＝∑LaiUiCL(i)为停电损失费用，S为设备的使用年限，i为投资回收率，α为运行维护费用系数，CL(i)为负荷点i的单位电量平均停电损失费用，Lai为负荷点i的平均负荷，Ui为负荷点i的年停电时间。
5.根据权利要求1所述的计及投资费用约束的配电自动化终端布局优化方法，其特征在于，所述步骤S4中利用遗传算法对步骤S3中的目标函数进行优化，输出最优的终端布局方案的方法为：
S41、根据配电网接线图，列出各个故障事件下负荷点的类型以及开关集矩阵；
S42、设置遗传算法的参数，包括种群规模K、最大迭代次数T、编码方式、染色体各个基因位的取值范围、交叉概率γ和变异概率σ；
S43、每条染色体中的各个基因位在取值范围内随机产生一个整数，每条染色体为一个终端布局方案，计算种群规模内每条染色体的适应度及约束条件的满足情况；
S44、根据设定的交叉概率γ和变异概率σ，对种群规模内的每条染色体进行选择、交叉、变异操作，保留适应度高并满足约束条件的染色体进入下一代种群；
S45、当迭代次数达到设定的最大迭代次数T时，结束迭代，输出适应度最高且满足约束条件的染色体。
6.根据权利要求5所述的计及投资费用约束的配电自动化终端布局优化方法，其特征在于，所述步骤S42中的基因位表示安装的配电自动化终端的类型，其中，0表示不安装配电自动化终端，1表示安装二遥终端，2表示安装三遥终端。
CN201911127825.9A 2019-11-15 2019-11-18 一种计及投资费用约束的配电自动化终端布局优化方法 Pending CN110889212A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911120510 2019-11-15
CN2019111205101 2019-11-15

Publications (1)

Publication Number Publication Date
CN110889212A true CN110889212A (zh) 2020-03-17

Family

ID=69747774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911127825.9A Pending CN110889212A (zh) 2019-11-15 2019-11-18 一种计及投资费用约束的配电自动化终端布局优化方法

Country Status (1)

Country Link
CN (1) CN110889212A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428377A (zh) * 2020-03-31 2020-07-17 国网西藏电力有限公司拉萨供电公司 考虑元件故障随机性的配电网可靠性评估方法及系统
CN111738525A (zh) * 2020-06-30 2020-10-02 国网河南省电力公司经济技术研究院 基于重要度排序的配电自动化终端优化布局方法
CN112001474A (zh) * 2020-08-24 2020-11-27 国网江西省电力有限公司经济技术研究院 一种配电网的配电终端设备优化配置方法
CN112183753A (zh) * 2020-08-17 2021-01-05 复旦大学 一种通过电机布局优化提高运动台控制带宽的方法及系统
CN114840952A (zh) * 2021-12-24 2022-08-02 国家电网有限公司 基于终端故障及关联关系的配电终端布局方法及装置
CN118336735A (zh) * 2024-04-12 2024-07-12 国网冀北电力有限公司经济技术研究院 一种面向终端用户可靠性需求的配电网终端配置方法
CN118336735B (zh) * 2024-04-12 2024-10-22 国网冀北电力有限公司经济技术研究院 一种面向终端用户可靠性需求的配电网终端配置方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944161A (zh) * 2014-04-10 2014-07-23 国网河南省电力公司鹤壁供电公司 分段开关优化配置方法及系统
CN104376376A (zh) * 2014-11-06 2015-02-25 国家电网公司 一种面向配电自动化终端类型的优化配置方法
CN104484712A (zh) * 2014-11-24 2015-04-01 国家电网公司 一种三遥配电终端优化配置方法
CN105356610A (zh) * 2015-11-26 2016-02-24 江苏省电力公司南京供电公司 智能配电网的配电自动化终端配置方法
CN107545516A (zh) * 2016-06-24 2018-01-05 中国电力科学研究院 一种基于遗传算法的馈线终端优化配置方法
CN108154249A (zh) * 2016-12-02 2018-06-12 中国电力科学研究院 一种馈线终端优化配置方法及装置
US20190147537A1 (en) * 2016-06-13 2019-05-16 Worldline A pareto-based genetic algorithm for a dynamic portfolio management
CN110086184A (zh) * 2019-04-11 2019-08-02 华北电力大学 一种基于投资约束的园区级综合能源系统容量优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944161A (zh) * 2014-04-10 2014-07-23 国网河南省电力公司鹤壁供电公司 分段开关优化配置方法及系统
CN104376376A (zh) * 2014-11-06 2015-02-25 国家电网公司 一种面向配电自动化终端类型的优化配置方法
CN104484712A (zh) * 2014-11-24 2015-04-01 国家电网公司 一种三遥配电终端优化配置方法
CN105356610A (zh) * 2015-11-26 2016-02-24 江苏省电力公司南京供电公司 智能配电网的配电自动化终端配置方法
US20190147537A1 (en) * 2016-06-13 2019-05-16 Worldline A pareto-based genetic algorithm for a dynamic portfolio management
CN107545516A (zh) * 2016-06-24 2018-01-05 中国电力科学研究院 一种基于遗传算法的馈线终端优化配置方法
CN108154249A (zh) * 2016-12-02 2018-06-12 中国电力科学研究院 一种馈线终端优化配置方法及装置
CN110086184A (zh) * 2019-04-11 2019-08-02 华北电力大学 一种基于投资约束的园区级综合能源系统容量优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
史燕混 等: "基于综合费用最低的配电网开关优化配置研究", 中国电机工程学报 *
巩敦卫 等: "变搜索区域多种群遗传算法", 控制理论与应用 *
李子韵 等: "配电自动化终端布局规划方法", 电网技术 *
王旭东 等: "三遥配电自动化终端的优化配置", 电力系统及其自动化学报 *
郭祥富 等: "计及投资费用约束的配电自动化终端 优化布局方法", 计算机技术与自动化 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428377A (zh) * 2020-03-31 2020-07-17 国网西藏电力有限公司拉萨供电公司 考虑元件故障随机性的配电网可靠性评估方法及系统
CN111738525A (zh) * 2020-06-30 2020-10-02 国网河南省电力公司经济技术研究院 基于重要度排序的配电自动化终端优化布局方法
CN111738525B (zh) * 2020-06-30 2021-09-07 国网河南省电力公司经济技术研究院 基于重要度排序的配电自动化终端优化布局方法
CN112183753A (zh) * 2020-08-17 2021-01-05 复旦大学 一种通过电机布局优化提高运动台控制带宽的方法及系统
CN112183753B (zh) * 2020-08-17 2023-03-07 复旦大学 一种通过电机布局优化提高运动台控制带宽的方法及系统
CN112001474A (zh) * 2020-08-24 2020-11-27 国网江西省电力有限公司经济技术研究院 一种配电网的配电终端设备优化配置方法
CN114840952A (zh) * 2021-12-24 2022-08-02 国家电网有限公司 基于终端故障及关联关系的配电终端布局方法及装置
CN114840952B (zh) * 2021-12-24 2024-08-23 国家电网有限公司 基于终端故障及关联关系的配电终端布局方法及装置
CN118336735A (zh) * 2024-04-12 2024-07-12 国网冀北电力有限公司经济技术研究院 一种面向终端用户可靠性需求的配电网终端配置方法
CN118336735B (zh) * 2024-04-12 2024-10-22 国网冀北电力有限公司经济技术研究院 一种面向终端用户可靠性需求的配电网终端配置方法

Similar Documents

Publication Publication Date Title
CN110889212A (zh) 一种计及投资费用约束的配电自动化终端布局优化方法
CN110490376B (zh) 面向配电网可靠性和经济性提升的智能软开关规划方法
CN110222889B (zh) 基于多种智能算法的配电网馈线自动化终端配置方法
CN104376376B (zh) 一种面向配电自动化终端类型的优化配置方法
Sahoo et al. Multi-objective planning of electrical distribution systems incorporating sectionalizing switches and tie-lines using particle swarm optimization
CN107256441B (zh) 基于非支配排序遗传算法的配电网规划建设方案设计方法
Shahsavari et al. Fault indicator deployment in distribution systems considering available control and protection devices: a multi-objective formulation approach
CN107545516B (zh) 一种基于遗传算法的馈线终端优化配置方法
CN110808633B (zh) 一种主动配电网配电自动化终端优化配置方法
CN109146124B (zh) 一种基于时变失效率的配电终端改造决策方法
CN105356610A (zh) 智能配电网的配电自动化终端配置方法
CN106503814B (zh) 一种计及可靠性的配电变压器组年度检修计划生成方法
CN113328437B (zh) 一种智能配电网cps拓扑构建方法及故障恢复方法
CN112541671A (zh) 基于多级模糊综合评价的一二次融合配电网建设评价体系
CN111738525B (zh) 基于重要度排序的配电自动化终端优化布局方法
CN115774933A (zh) 基于分布估计算法的配电网保护布点优化方法及系统
CN109687432B (zh) 一种基于多阶段协同的配电终端选址定型方法和系统
Ghayoor et al. Power network-planning optimization considering average power not supplied reliability index: Modified by chance-constrained programming
CN115062931B (zh) 搭建负荷关于配电网自动化终端的停电时间函数的方法
CN108281955A (zh) 考虑负荷分类的配电自动化终端配置优化方法
CN114491935A (zh) 一种配网设备容量及线路选型配置优化方法及系统
CN114069689A (zh) 基于负荷重要性的三阶段拓扑运行优化方法
CN113988390A (zh) 一种基于支持向量机的机组检修优化方法
CN103390249B (zh) 基于多维度的配电调度辅助决策方法
CN112395715B (zh) 一种用于接线母线电网络检修计划的评估方法及系统

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: 20200317

RJ01 Rejection of invention patent application after publication