CN111709632A - 基于人工智能和多目标约束的停电计划自动编排方法 - Google Patents
基于人工智能和多目标约束的停电计划自动编排方法 Download PDFInfo
- Publication number
- CN111709632A CN111709632A CN202010516140.XA CN202010516140A CN111709632A CN 111709632 A CN111709632 A CN 111709632A CN 202010516140 A CN202010516140 A CN 202010516140A CN 111709632 A CN111709632 A CN 111709632A
- Authority
- CN
- China
- Prior art keywords
- power failure
- power
- maintenance
- constraint
- population
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000012423 maintenance Methods 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 230000003044 adaptive effect Effects 0.000 claims abstract description 40
- 230000002068 genetic effect Effects 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 11
- 101150095029 W gene Proteins 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009396 hybridization Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 229920001610 polycaprolactone Polymers 0.000 description 1
- 239000004632 polycaprolactone Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Public Health (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
本发明公开了基于人工智能和多目标约束的停电计划自动编排方法,包括以下步骤:构建配电网基础数据、构建考虑多重停电事件的电网最优检修计划停电决策模型、构建基于比例系数法的电网最优检修停电决策单目标函数优化模型、构建基于惩罚函数的适应值优化模型、采用遗传算法求解最优检修停电决策问题。本发明能够有效降低用户停电次数,提高电网供电可靠性,减少用户停电电量,避免供电侧电费损失,而且降低了用户用电失望度,大大提高了用户满意度,为电网检修决策者应对多重计划停电事件提供理论和技术支撑。
Description
技术领域
本发明涉及电网检修停电决策技术领域,尤其涉及基于人工智能和多目标约束的停电计划自动编排方法。
背景技术
电力设备的检修停电计划策略能够直接影响电力系统的可靠性与经济性,合理的检修停电决策模型能够改善供电可靠性与用户用电满意程度。现有实际检修停电计划策略依赖于决策者经验和主观判断,仅适合针对单一停电事件的检修决策安排,而对多重停电事件的检修决策安排较难实现其最优化决策,并且优化模型缺乏对电网侧、用户侧以及检修侧的综合考虑,造成检修计划无法保证用户停电电量最小、用户满意度最高等指标,并且停电计划的制定过程繁琐,且不能达到全局最优,急需提出一种基于人工智能和多目标约束的停电计划自动编排方法来解决多重停电事件的电网检修计划决策问题。
发明内容
本发明是为避免上述现有技术所存在的不足之处,提供一种基于人工智能和多目标约束的停电计划自动编排方法,有效降低用户停电电量、提高检修效率,从而全面提升配网供电可靠性与用户用电满意程度。
本发明是通过以下技术方案实现:
基于人工智能和多目标约束的停电计划自动编排方法,包括以下步骤:
步骤一:构建配电网基础数据;
步骤二:构建考虑多重停电事件的电网最优检测计划停电决策模型;
步骤三:构建基于比例系数法的电网最优检修停电决策单目标函数优化模型;
步骤四:构建基于惩罚函数的适应值优化模型;
步骤五:采用遗传算法求解最优检修停电决策问题。
进一步地,所述步骤一中,采用区域实际简单电网为测试系统,获取不同用户的实际负荷数据、配网设备的台账、拓扑节点关系、上报的停电检修计划表、配网设备的停电检修时间和用户的停电信息,用户的停电信息,包括用户的停电频率、停电电量、停电时间差异度和总停电电量,并对重叠检修的设备进行合并处理,构建出配电网基础数据。
进一步地,所述步骤二中,以月度为停电计划编排周期,以设备停电时间为决策变量,以最小化月停电电量、用户用电失望度以及最大化设备停电时间差异度构造目标函数,以停电电量约束、特殊事件约束为约束函数,构建考虑多重停电事件的电网最优检修计划停电决策模型。
进一步地,所述步骤三中,为提高停电计划决策效率,构建基于比例系数法的电网最优检修停电决策单目标函数优化模型,为不同目标函数赋予相应的权重系数,将多目标优化函数转化为单目标函数,并有效区分不同目标函数的重要程度。
进一步地,所述步骤四中,采用罚函数法将带约束优化模型转化为无约束优化模型,基于惩罚函数系数和约束函数越限标志求出惩罚函数,以停电计划综合目标函数与惩罚函数的和作为适应值函数,构建基于惩罚函数的适应值优化模型。
进一步地,所述步骤五中,将步骤四中的适应值优化模型,以基于遗传算法的电网检修停电计划最优算法进行求解,通过多次迭代筛选出适应值最优的个体变量;
基于遗传算法的电网检修停电计划最优算法包含以下步骤:初始化种群、个体适应值计算、选择操作、交叉操作、变异操作、更新种群和迭代终止判定。
进一步地,初始化迭代次数k=0,种群中个体数目为M,遗传算法的迟滞代数为N,设置种群编码类型为实数双精度编码,并生成大小为M×EN的随机实数矩阵,所得初始种群如下所示:
进一步地,按照适应值大小对种群Zk的个体进行排序,通过给定的固定步长选择相应个体进行后续交叉操作;
为防止优化过程出现局部收敛,对获得的种群个体进行变异操作,设置变异率为pm,需要进行变异操作的是第q个个体的第w个基因,变异前第q个个体表示为:
对第q个个体第w个基因进行变异操作:
若得到的最优适应值在经过N代后未发生变化,则迭代结束,输出最优适应值F(Zbest)及其对应的个体变量Zbest,否则令k=k+1并继续迭代。
与现有的技术相比,本发明的有益效果是:
本发明公开了基于人工智能和多目标约束的停电计划自动编排方法,与现有技术相比用户的停电次数大大减少,停电电量显著下降,停电时间不会出现集中式的缺点,并且同类型设备的检修时间能够较为分散的分布在停电计划周期内,为提高配电网安全稳定运行水平提供技术支撑。
附图说明
图1为本发明基于人工智能和多目标约束的停电计划自动编排方法的流程图;
图2为基于遗传算法的电网检修决策流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请一并参阅图1~图2,其中图1为本发明基于人工智能和多目标约束的停电计划自动编排方法的流程图;图2为基于遗传算法的电网检修决策流程图。
所述基于人工智能和多目标约束的停电计划自动编排方法,包括以下步骤:
步骤一:构建配电网基础数据。
采用区域实际简单电网为测试系统,获取不同用户的实际负荷数据、配网设备的台账、拓扑节点关系、上报的停电检修计划表、配网设备的停电检修时间和用户的停电信息,用户的停电信息包括用户的停电频率、停电电量、停电时间差异度和总停电电量,并对重叠检修的设备进行合并处理,构建出配电网基础数据。
步骤二:构建考虑多重停电事件的电网最优检测计划停电决策模型。
在步骤一的基础上,通过整合所辖区域上报的停电计划制定检修停电计划安排,以月度为停电计划编排周期,以设备停电时间为决策变量,分别从供电侧、用户侧和检修侧构造停电计划的目标函数,并在优化过程中考虑多种约束。
步骤2.1:为减少因设备检修发生的用户停电次数、降低停电电量及提高供电效益,将最小化用户检修停电电量作为检修停电供电侧决策优化目标函数,即:
步骤2.2:构造用户用电失望度表征连续停电事件的发生或者过高的停电频率对用户用电满意度的影响,并将其作为电网检修停电用户侧决策优化目标函数,即:
式中,CECDi为第i个用户用户失望度;FCusSid为最小化用户用电失望度。为确保目标函数的优化类型一致,本文结合分段函数法和取倒法构造用户用电失望度,如下式所示:
式中,CoCi为第i个用户的停电时间序列;var(CoCi)为第i个用户停电时间方差,用来表征第i个用户的停电时间差异度;PCLFi为第i个用户在停电计划周期内的停电次数。
步骤2.3:分别计算各类型设备的检修时间差异度来描述检修编排是否合理,为确保目标函数的优化类型一致,确定电网检修停电检修侧决策优化目标函数,如下所示:
式中,j=L,T,K分别表示线路、变压器以及开关;EqCj为j类型设备的停电时间序列;var(EqCj)为j类型设备的停电时间方差,用来表征j类型设备的停电时间差异度;FMaiSid为最大化设备检修时间差异度。
步骤2.4:将相同设备的月停电事件整合到一起,采用正整数向量X={X1,…,Xj…,XEN}作为检修停电计划模型的决策变量。其中,j为设备编号,EN为待检修设备总数目,Xj为第j个设备的停电时间。为便于计算,对不同类型设备的编号如下:1)X1,…,XSL为线路,SL为线路数目;2)XSL+1,…,XSL+ST为变压器,ST为变压器数目;3)XSL+ST+1,…,XSL+ST+SK为开关,SK为开关数目。因此决策变量约束如下所示:
1≤Xj≤Ndm且Xj∈Ndm
式中,Ndm为待分析月份的天数。
步骤2.5:通过同类设备的最大检修数量刻画人力资源约束,即:
式中,ModeNum(X1,X2,…,Xa)表示计算序列{X1,X2,…,Xa}中出现的次数;nL、nT和nK分别为线路、变压器和开关在同一天能够被检修的最大数目。
步骤2.6:通过下式约束电网检修停电计划优化前后用户的停电电量变化:
步骤2.7:由于特殊事件(如恶劣天气日、特殊节假日)的发生会导致计划制定周期内某段时间不允许检修,为错开事件发生时间、提高停电计划可行性,需添加特殊事件约束,如下式所示:
式中,Y表示特殊事件对应的时间集合。
步骤三:构建基于比例系数法的电网最优检修停电决策单目标函数优化模型。
为提高停电计划决策效率,构建基于比例系数法的电网最优检修停电决策单目标函数优化模型,为不同目标函数赋予相应的权重系数,将多目标优化函数转化为单目标函数,并有效区分不同目标函数的重要程度,如下式所示:
FTotal=αFSupSide+βFCusSid+γFMaiSid
式中,α、β和γ分别为目标函数FSupSid,FCusSid,和FMaiSid的权重系数;FTotal为停电计划模型的综合目标函数。
式中,α、β和γ分别为目标函数FSupSid,FCusSid,和FMaiSid的权重系数;FTotal为停电计划模型的综合目标函数。
步骤四:构建基于惩罚函数的适应值优化模型。
步骤4.1:采用罚函数法将带约束优化模型转化为无约束优化模型,基于惩罚函数系数和约束函数越限标志求出惩罚函数,如下式所示:
FPunish=C×flag
式中,FPunish为惩罚函数;C为惩罚函数系数;flag为约束函数越限标志。
步骤4.2:以停电计划综合目标函数与惩罚函数的和作为适应值函数,构建基于惩罚函数的适应值优化模型如下:
Ffitness=FTotal+FPunish
=(αFSupSide+βFCusSid+γFMaiSid)+FPunish
式中,Ffitness为适应值函数。
步骤五:采用遗传算法求解最优检修停电决策问题。
将步骤四中的适应值优化模型,以基于遗传算法的电网检修停电计划最优算法进行求解,通过多次迭代筛选出适应值最优的个体变量。基于遗传算法的电网检修停电计划最优算法包含以下步骤:初始化种群、个体适应值计算、选择操作、交叉操作、变异操作、更新种群和迭代终止判定。
步骤5.1:初始化迭代次数k=0,种群中个体数目为M,遗传算法的迟滞代数为N,设置种群编码类型为实数双精度编码,并生成大小为M×EN的随机实数矩阵,所得初始种群如下所示:
步骤5.2:按照适应值大小对种群Zk的个体进行排序,通过给定的固定步长选择相应个体进行后续交叉操作。
为防止优化过程出现局部收敛的情况,对获得的种群个体进行变异操作。设变异率为pm,需要进行变异操作的是第q个个体的第w个基因,变异前第q个个体可表示为:
对第q个个体第w个基因进行变异操作:
若得到的最优适应值在经过N代后未发生变化,则迭代结束,输出最优适应值F(Zbest)及其对应的个体变量Zbest,否则令k=k+1并继续迭代。
与现有的技术相比,本发明的有益效果是:
本发明公开了基于人工智能和多目标约束的停电计划自动编排方法,与现有技术相比用户的停电次数大大减少,停电电量显著下降,停电时间不会出现集中式的缺点,并且同类型设备的检修时间能够较为分散的分布在停电计划周期内,为提高配电网安全稳定运行水平提供技术支撑。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于人工智能和多目标约束的停电计划自动编排方法,其特征在于,包括以下步骤:
步骤一:构建配电网基础数据;
步骤二:构建考虑多重停电事件的电网最优检测计划停电决策模型;
步骤三:构建基于比例系数法的电网最优检修停电决策单目标函数优化模型;
步骤四:构建基于惩罚函数的适应值优化模型;
步骤五:采用遗传算法求解最优检修停电决策问题。
2.根据权利要求1所述的基于人工智能和多目标约束的停电计划自动编排方法,其特征在于,所述步骤一中,采用区域实际简单电网为测试系统,获取不同用户的实际负荷数据、配网设备的台账、拓扑节点关系、上报的停电检修计划表、配网设备的停电检修时间和用户的停电信息,用户的停电信息,包括用户的停电频率、停电电量、停电时间差异度和总停电电量,并对重叠检修的设备进行合并处理,构建出配电网基础数据。
3.根据权利要求2所述的基于人工智能和多目标约束的停电计划自动编排方法,其特征在于,所述步骤二中,以月度为停电计划编排周期,以设备停电时间为决策变量,以最小化月停电电量、用户用电失望度以及最大化设备停电时间差异度构造目标函数,以停电电量约束、特殊事件约束为约束函数,构建考虑多重停电事件的电网最优检修计划停电决策模型。
4.根据权利要求3所述的基于人工智能和多目标约束的停电计划自动编排方法,其特征在于,所述步骤三中,为提高停电计划决策效率,构建基于比例系数法的电网最优检修停电决策单目标函数优化模型,为不同目标函数赋予相应的权重系数,将多目标优化函数转化为单目标函数,并有效区分不同目标函数的重要程度。
5.根据权利要求4所述的基于人工智能和多目标约束的停电计划自动编排方法,其特征在于,所述步骤四中,采用罚函数法将带约束优化模型转化为无约束优化模型,基于惩罚函数系数和约束函数越限标志求出惩罚函数,以停电计划综合目标函数与惩罚函数的和作为适应值函数,构建基于惩罚函数的适应值优化模型。
6.根据权利要求5所述的基于人工智能和多目标约束的停电计划自动编排方法,其特征在于,所述步骤五中,将步骤四中的适应值优化模型,以基于遗传算法的电网检修停电计划最优算法进行求解,通过多次迭代筛选出适应值最优的个体变量;
基于遗传算法的电网检修停电计划最优算法包含以下步骤:初始化种群、个体适应值计算、选择操作、交叉操作、变异操作、更新种群和迭代终止判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010516140.XA CN111709632A (zh) | 2020-06-09 | 2020-06-09 | 基于人工智能和多目标约束的停电计划自动编排方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010516140.XA CN111709632A (zh) | 2020-06-09 | 2020-06-09 | 基于人工智能和多目标约束的停电计划自动编排方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111709632A true CN111709632A (zh) | 2020-09-25 |
Family
ID=72539479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010516140.XA Pending CN111709632A (zh) | 2020-06-09 | 2020-06-09 | 基于人工智能和多目标约束的停电计划自动编排方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709632A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365069A (zh) * | 2020-11-17 | 2021-02-12 | 国家电网有限公司 | 电网定检计划编排的优化方法 |
CN113159991A (zh) * | 2021-04-22 | 2021-07-23 | 广西大学行健文理学院 | 一种综合停电计划编排方法 |
CN113537646A (zh) * | 2021-09-14 | 2021-10-22 | 中国电力科学研究院有限公司 | 电网设备停电检修方案制定方法、系统、设备及存储介质 |
CN113780886A (zh) * | 2021-09-27 | 2021-12-10 | 国网湖南省电力有限公司 | 电网预算式停电检修计划制定方法及系统 |
CN114428932A (zh) * | 2021-12-23 | 2022-05-03 | 贵州电网有限责任公司 | 一种考虑完善行为规则计算的配网编排方法 |
CN114565297A (zh) * | 2022-03-03 | 2022-05-31 | 国网山东省电力公司临沂供电公司 | 一种配网停电检修计划自动校核平衡工具 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341892A (ja) * | 1998-05-22 | 1999-12-10 | Fuji Electric Co Ltd | 発電機の定期補修計画作成方法 |
CN102243734A (zh) * | 2010-11-08 | 2011-11-16 | 华北电力大学 | 考虑多约束、多目标条件的检修计划智能优化方法 |
CN102521673A (zh) * | 2011-12-01 | 2012-06-27 | 嘉兴电力局 | 一种基于遗传算法的停电计划优化方法 |
CN102832625A (zh) * | 2011-06-13 | 2012-12-19 | 重庆市电力公司教育培训中心 | 配电网滤波装置优化配置的数学模型 |
CN105740977A (zh) * | 2016-01-28 | 2016-07-06 | 福州大学 | 一种基于多目标粒子群的停电管理优化方法 |
CN106157174A (zh) * | 2016-07-21 | 2016-11-23 | 中国南方电网有限责任公司电网技术研究中心 | 以减少停电时间与电量为目标的停电计划优化决策方法 |
US20170359418A1 (en) * | 2001-08-10 | 2017-12-14 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
CN108448577A (zh) * | 2018-04-11 | 2018-08-24 | 南方电网科学研究院有限责任公司 | 配电网停电计划排程优化方法及装置 |
CN109582985A (zh) * | 2017-09-29 | 2019-04-05 | 魏莹 | 一种改进的遗传退火的片上网络映射方法 |
CN109636205A (zh) * | 2018-12-18 | 2019-04-16 | 合肥师范学院 | 一种研发项目组合中多技能人员调度方法 |
CN109710374A (zh) * | 2018-12-05 | 2019-05-03 | 重庆邮电大学 | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 |
CN109888835A (zh) * | 2019-04-16 | 2019-06-14 | 武汉理工大学 | 一种基于改进粒子群的分布式光伏配电网规划方法 |
CN110288208A (zh) * | 2019-06-10 | 2019-09-27 | 广西电网有限责任公司电力科学研究院 | 一种辐射型配电网可靠性与经济性的综合评估方法 |
-
2020
- 2020-06-09 CN CN202010516140.XA patent/CN111709632A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341892A (ja) * | 1998-05-22 | 1999-12-10 | Fuji Electric Co Ltd | 発電機の定期補修計画作成方法 |
US20170359418A1 (en) * | 2001-08-10 | 2017-12-14 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
CN102243734A (zh) * | 2010-11-08 | 2011-11-16 | 华北电力大学 | 考虑多约束、多目标条件的检修计划智能优化方法 |
CN102832625A (zh) * | 2011-06-13 | 2012-12-19 | 重庆市电力公司教育培训中心 | 配电网滤波装置优化配置的数学模型 |
CN102521673A (zh) * | 2011-12-01 | 2012-06-27 | 嘉兴电力局 | 一种基于遗传算法的停电计划优化方法 |
CN105740977A (zh) * | 2016-01-28 | 2016-07-06 | 福州大学 | 一种基于多目标粒子群的停电管理优化方法 |
CN106157174A (zh) * | 2016-07-21 | 2016-11-23 | 中国南方电网有限责任公司电网技术研究中心 | 以减少停电时间与电量为目标的停电计划优化决策方法 |
CN109582985A (zh) * | 2017-09-29 | 2019-04-05 | 魏莹 | 一种改进的遗传退火的片上网络映射方法 |
CN108448577A (zh) * | 2018-04-11 | 2018-08-24 | 南方电网科学研究院有限责任公司 | 配电网停电计划排程优化方法及装置 |
CN109710374A (zh) * | 2018-12-05 | 2019-05-03 | 重庆邮电大学 | 移动边缘计算环境下最小化任务卸载费用的vm迁移策略 |
CN109636205A (zh) * | 2018-12-18 | 2019-04-16 | 合肥师范学院 | 一种研发项目组合中多技能人员调度方法 |
CN109888835A (zh) * | 2019-04-16 | 2019-06-14 | 武汉理工大学 | 一种基于改进粒子群的分布式光伏配电网规划方法 |
CN110288208A (zh) * | 2019-06-10 | 2019-09-27 | 广西电网有限责任公司电力科学研究院 | 一种辐射型配电网可靠性与经济性的综合评估方法 |
Non-Patent Citations (5)
Title |
---|
M.O.W. GROND: "Multi-Objective Optimization Techniques and", 《IEEE》 * |
刘永梅等: "基于网络拓扑和遗传算法的配电设备检修计划优化模型", 《电网技术》 * |
谢昶: "电网检修计划优化编制方法研究及应用", 《中国博士学位论文全文数据库工程科技II辑》 * |
郇嘉嘉等: "多目标决策分析的电网综合停电管理模型", 《电网技术》 * |
颜雪松等: "《遗传算法及其应用》", 31 December 2018 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365069A (zh) * | 2020-11-17 | 2021-02-12 | 国家电网有限公司 | 电网定检计划编排的优化方法 |
CN112365069B (zh) * | 2020-11-17 | 2024-05-31 | 国家电网有限公司 | 电网定检计划编排的优化方法 |
CN113159991A (zh) * | 2021-04-22 | 2021-07-23 | 广西大学行健文理学院 | 一种综合停电计划编排方法 |
CN113537646A (zh) * | 2021-09-14 | 2021-10-22 | 中国电力科学研究院有限公司 | 电网设备停电检修方案制定方法、系统、设备及存储介质 |
CN113537646B (zh) * | 2021-09-14 | 2021-12-14 | 中国电力科学研究院有限公司 | 电网设备停电检修方案制定方法、系统、设备及存储介质 |
CN113780886A (zh) * | 2021-09-27 | 2021-12-10 | 国网湖南省电力有限公司 | 电网预算式停电检修计划制定方法及系统 |
CN113780886B (zh) * | 2021-09-27 | 2023-05-26 | 国网湖南省电力有限公司 | 电网预算式停电检修计划制定方法及系统 |
CN114428932A (zh) * | 2021-12-23 | 2022-05-03 | 贵州电网有限责任公司 | 一种考虑完善行为规则计算的配网编排方法 |
CN114565297A (zh) * | 2022-03-03 | 2022-05-31 | 国网山东省电力公司临沂供电公司 | 一种配网停电检修计划自动校核平衡工具 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709632A (zh) | 基于人工智能和多目标约束的停电计划自动编排方法 | |
CN109508857B (zh) | 一种主动配电网多阶段规划方法 | |
Song | Modern optimisation techniques in power systems | |
Wen et al. | Optimally co-ordinated bidding strategies in energy and ancillary service markets | |
Ahmadian et al. | Fuzzy stochastic long-term model with consideration of uncertainties for deployment of distributed energy resources using interactive honey bee mating optimization | |
Kalakova et al. | A novel genetic algorithm based dynamic economic dispatch with short-term load forecasting | |
CN111030188A (zh) | 一种含分布式和储能的分层分级控制策略 | |
CN108964124B (zh) | 增量配电网中计及电价响应的分布式电源并网优化配置方法 | |
CN104077651B (zh) | 电网检修计划优化方法 | |
CN110854891B (zh) | 一种配电网灾前资源配置方法及系统 | |
CN111415049A (zh) | 一种基于神经网络及聚类的停电敏感性分析方法 | |
Hu et al. | Multi-objective optimization of time-of-use price for tertiary industry based on generalized seasonal multi-model structure | |
CN110245799B (zh) | 考虑负荷柔性需求的配电网架结构过渡的多目标规划方法 | |
CN114362238B (zh) | 光伏控制系统及方法 | |
CN114444805A (zh) | 多光伏电站共享储能系统平滑出力的控制方法 | |
Wang et al. | Day-ahead allocation of operation reserve in composite power systems with large-scale centralized wind farms | |
CN113971476A (zh) | 一种5g与电网基础资源共享的多业务组合投资优化方法 | |
CN114462854A (zh) | 含新能源和电动汽车并网的分层调度方法及其系统 | |
Nammouchi et al. | Robust opportunistic optimal energy management of a mixed microgrid under asymmetrical uncertainties | |
CN111563652A (zh) | 一种评价电网企业综合计划执行情况的方法 | |
CN115409282A (zh) | 一种水风光长期互补调度规则提取方法 | |
Valsan et al. | Hopfield neural network approach to the solution of economic dispatch and unit commitment | |
CN111832836B (zh) | 一种计及负荷用电特性的配电网重构方法及系统 | |
CN114266466A (zh) | 一种主动配电网调度运行管理系统形态发展水平确定方法 | |
Tan et al. | Bi-level electricity market design with boundary equivalence of interior security constraints |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200925 |