CN112069632A - 一种采用馈线故障预测结果的配网抢修驻点位置分布方法 - Google Patents

一种采用馈线故障预测结果的配网抢修驻点位置分布方法 Download PDF

Info

Publication number
CN112069632A
CN112069632A CN202010797430.6A CN202010797430A CN112069632A CN 112069632 A CN112069632 A CN 112069632A CN 202010797430 A CN202010797430 A CN 202010797430A CN 112069632 A CN112069632 A CN 112069632A
Authority
CN
China
Prior art keywords
emergency repair
feeder line
fault
point
repair
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
Application number
CN202010797430.6A
Other languages
English (en)
Other versions
CN112069632B (zh
Inventor
曹轶毅
朱佳佳
宋祎波
石江华
夏子朋
钱晓军
李俊颖
侯仲华
陆黎明
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 Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai 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 Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202010797430.6A priority Critical patent/CN112069632B/zh
Publication of CN112069632A publication Critical patent/CN112069632A/zh
Application granted granted Critical
Publication of CN112069632B publication Critical patent/CN112069632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种采用馈线故障预测结果的配网抢修驻点位置分布方法，属电力数据分析处理领域。其把各条馈线看作为两维坐标系上效用等同的一个质点，构建基于馈线故障预测结果的抢修驻点位置优化模型，考虑预测所得的馈线故障等级设置的权重，并且将途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型。其在布置抢修驻点方面充分考虑到故障概率大小，能有效缩减抢修驻点去往各故障抢修实施位置的距离，减少了抢修到达现场的时间，并为随后的故障修复阶段留下尽量多的自由时间。可广泛用于电力数据的分析处理领域。

Description

一种采用馈线故障预测结果的配网抢修驻点位置分布方法
技术领域
本发明属于电力数据分析处理领域，尤其涉及一种基于馈线故障预测结果的抢修驻点位置优化方法。
背景技术
如今，与配电网连接的设备较多，其拓扑结构也种类繁多，极易造成用户停电事故的出现。倘若不能及时去除配电网故障，那么会引发更大范围的停电事件。配电网的重要度、它的网络结构和所带负荷的错综复杂度以及发生多故障事件的大概率使得配电网故障抢修任务具有较大的挑战性和现实意义。
配电网故障抢修工作的效果和效率直接影响到供电可靠性和供电公司的服务质量，而选择合适的抢修驻点位置能够有效提高抢修效率，减少停电造成的损失。
提高配电网故障抢修质量以减少抢修时间为基本目的，目前主要方法有优化分配故障抢修工作、合理分配抢修资源、最佳化抢修路径、增加故障恢复速率等。
因为国内标准化配网抢修体系起步较晚，对抢修方式的研究主要建立在对抢修预案、提高故障定位准确率，快速查找故障点，抢修标准化建立及抢修任务等管理性策略。而且受到营销-配网设备信息连接建立影响，部分单位对配网抢修量数据还止步于人工上报基础上，并未建立信息化、智能化的工作平台，拥有前期抢修数据。在该方法上实施的配网抢修策略，理论性偏强，如通过模糊评判法的配网抢修模型，基于历史抢修数据采用指数序列法对未来的抢修数据进行预测，确立抢修方法，再用模糊评价法对每一次的抢修方法进行总结，为建设配网抢修数据平台提供了理论支撑。
有人对配电网多故障抢修资源调度策略研究，分析了多故障事件后故障点物资需求特点，针对物资需求量不确定、故障点被修复的优先级不同、道路的好坏程度等影响物资调度策略制定的因素，采用模糊三角数、故障点重要度、道路可靠度分别对各因素进行分析；在此方法上，确立了多仓库点协调配合的物资调运方式。或主要针对380V低压电网，对10kV配电网涉猎较少。
申请公布号为CN 105225013 A，申请公布日为2016.01.06的中国发明专利申请，公开了一种基于最短路径法的配网抢修驻点分布方法，其包括以下步骤：1)获取配网区域内各故障地点的位置和故障次数，建立坐标系，得到各故障地点的坐标；2)构建最短路径法的数学模型；3)求解最短路径法的数学模型，得到配网抢修驻点的最佳分布坐标。
该技术方案的核心内容为：选择初始驻点T0坐标(x0，y0)，并限定驻点T(x，y)的取值范围，则有：
(x-x0)2+(y-y0)2≤52
构建最短路径法的数学模型的目标函数为：
Figure BDA0002626171470000021
其中，Ri为第i个故障地点的故障权值，TPi为第i个故障地点到驻点T的实际距离，n为故障地点总数。
该技术方案没有考虑故障所在馈线的预测等级权重，也没有充分考虑途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型，所以实际上是求一些故障点的几何中心。
以上研究内容为抢修资源配置策略研究提供了部分具有建设性的思路，但受限基于几何最短路径法确定配网抢修驻点位置分布，实际可操作性相当有限。
鉴于此，确立一种可以基于馈线故障预测结果的配网抢修驻点位置分布方法，受到了各方关注。
发明内容
本发明所要解决的技术问题是提供一种采用馈线故障预测结果的配网抢修驻点位置分布方法。其通过构建基于馈线故障预测结果的抢修驻点位置优化模型，充分考虑了预测所得的馈线故障等级设置的权重，并且将途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型。在布置抢修驻点方面充分考虑到故障概率大小，能有效缩减抢修驻点去往各故障抢修实施位置的距离，因此减少了抢修到达现场的时间，并为随后的故障修复阶段留下尽量多的自由时间。
本发明的技术方法是：提供一种采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是：
为定量表达抢修驻点Pη到各条馈线的间隔，把各条馈线看作为两维坐标系上效用等同的一个质点Fμ，则抢修驻点与馈线之间的间隔与抢修驻点与馈线质点的间隔效用等同；
按照根据历年数据预测所得的馈线月故障率确定第μ条馈线故障协同因素fμ，以便在符合束缚前提下抢修驻点偏向于接近月故障率高的馈线，可使每月故障抢修路途花费的总时间和减少，为后续修复留足时间；
对于某一明确的抢修范围，假如须要设定m个抢修驻点，馈线等价点数量规定为n，η和μ分别表示抢修驻点编号和馈线等价点编号，其中η＝1,2,3,4...m，μ＝1,2,3,4...n。Pη＝(xη,yη)、
Figure BDA0002626171470000031
分别为抢修驻点和故障点在二维空间中的地理位置坐标，Gημ表示第μ个故障点到第η个抢修驻点的几何间隔；
则获取抢修驻点η通往馈线μ的Gημ计算方式为：
Figure BDA0002626171470000032
式(1)中，
Figure BDA0002626171470000033
代表Pη与Fμ之间的欧几里得度量。
所述的配网抢修驻点位置分布方法，按照故障抢修过程，考虑途径阻塞因素σ；途径障碍因素
Figure BDA0002626171470000034
馈线弯扭因素ρ；天气影响因素δ；抢修车辆平均速率为v；则抢修驻点η去馈线μ的抢修路途花费时间Tημ的运算公式如下：
Figure BDA0002626171470000035
在所述的配网抢修驻点位置分布方法中，抢修沿途时间需满足供电公司对社会的允诺时间Tmax范围，；
设供电公司调度中心故障报告受理时间为T1；管理层调度及故障点排查时间为T2；机动车出勤准备时间为T3；维修小分队寻址时间为T4；则抢修驻点通往馈线的沿途所花去的极大时间TBig的运算公式如下：
TBig＝Tmax-T1-T2-T3-T4 (3)。
具体的，所述供电公司对社会的允诺时间Tmax范围为：
市区的允诺时间Tmax为40mins；
郊区的允诺时间Tmax为60mins。。
在所述的配网抢修驻点位置分布方法中，假定馈线μ和抢修驻点η区间几何间隔满足在供电公司允诺时间内抵达，那么Rημ＝1，如果没有Rημ＝0，这样为抢修驻点划分了其责任馈线，并由此约定了抢修驻点的相关馈线区域；
假使本方法任何一个抢修驻点对应唯一一条馈线，由此可建立抢修驻点位置最佳化的数学模型，它的特征值函数可为：
Figure BDA0002626171470000041
特征值函数MinG体现了抢修驻点抵达各自责任区域内馈线的间隔总和为最小。
具体的，所述的抢修驻点位置最佳化方法限制前提为：
(1)时间限制：
Tημ≤TBig (5)
该时间限制限制条件展现了抢修工人在通往故障点沿途路上的束缚时间。
(2)馈线隶属抢修驻点限制：
Figure BDA0002626171470000042
其中，m为馈线数量，n为抢修驻点数量；
该馈线隶属抢修驻点限制条件为n个抢修驻点职责区域所接受的馈线抢修任务之束缚条件。
所述的配网抢修驻点位置分布方法，通过构建基于馈线故障预测结果的抢修驻点位置优化模型，充分考虑预测所得的馈线故障等级设置的权重，并且将途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型。
所述的配网抢修驻点位置分布方法，在布置抢修驻点方面充分考虑到故障概率大小，能有效缩减抢修驻点去往各故障抢修实施位置的距离，减少了抢修到达现场的时间，并为随后的故障修复阶段留下尽量多的自由时间。
与现有技术比较，本发明的优点是：
1.本发明的技术方案，通过构建基于馈线故障预测结果的抢修驻点位置优化模型，充分考虑预测所得的馈线故障等级设置的权重，并且将途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型；
2..本发明的技术方案，在布置抢修驻点方面充分考虑到故障概率大小，能有效缩减抢修驻点去往各故障抢修实施位置的距离，减少了抢修到达现场的时间，并为随后的故障修复阶段留下尽量多的自由时间。
3.采用本发明的技术方案，能获得相比原有方法其抢修驻点月故障抢修路途花费总时间和明显缩短，从而验证了本方法的有效性。
附图说明
图1是某驻点负责区域各馈线效用等同点经纬度分布示意图；
图2是原驻点及最佳化抢修驻点的位置示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
本发明涉及一种用于基于馈线故障预测结果的抢修驻点位置最佳化方法，包括以下步骤:
为定量表达抢修驻点Pη到各条馈线的间隔，可以把各条馈线看作为两维坐标系上效用等同的一个质点Fμ，那么抢修驻点与馈线之间的间隔与抢修驻点与馈线质点的间隔效用等同；按照根据历年数据预测所得的馈线月故障率确定第μ条馈线故障协同因素fμ，以便在符合束缚前提下抢修驻点偏向于接近月故障率高的馈线，所以可使每月故障抢修路途花费的总时间和减少，为后续修复留足时间。
对于某一明确的抢修范围，假如须要设定m个抢修驻点，馈线等价点数量规定为n，η和μ分别表示抢修驻点编号和馈线等价点编号，其中η＝1,2,3,4...m，μ＝1,2,3,4...n。Pη＝(xη,yη)、
Figure BDA0002626171470000051
分别为抢修驻点和故障点在二维空间中的地理位置坐标，Gημ表示第μ个故障点到第η个抢修驻点的几何间隔。从而获取抢修驻点η通往馈线μ的Gημ计算方式为：
Figure BDA0002626171470000052
式(1)中，
Figure BDA0002626171470000053
代表Pη与Fμ之间的欧几里得度量。
本发明的技术方案，按照故障抢修过程，考虑途径阻塞因素σ；途径障碍因素
Figure BDA0002626171470000054
馈线弯扭因素ρ；天气影响因素δ；抢修车辆平均速率为v。这样就获取了抢修驻点η去馈线μ的抢修路途花费时间Tημ的运算方法：
Figure BDA0002626171470000055
另外，抢修沿途时间需满足供电公司对社会的允诺时间Tmax范围，其范围，市区Tmax为40mins；郊区Tmax为60mins。
假使供电公司调度中心故障报告受理时间为T1；管理层调度及故障点排查时间为T2；机动车出勤准备时间为T3；维修小分队寻址时间为T4；那么就确定了抢修驻点通往馈线的沿途所花去的极大时间TBig的运算方法：
TBig＝Tmax-T1-T2-T3-T4 (3)
假定馈线μ和抢修驻点η区间几何间隔满足在供电允诺时间内抵达，那么Rημ＝1，如果没有Rημ＝0，这样为抢修驻点划分了其责任馈线，并由此约定了抢修驻点的相关馈线区域。
假使本方法任何一个抢修驻点对应唯一一条馈线，由此可建立抢修驻点位置最佳化的数学模型，它的特征值函数可为：
Figure BDA0002626171470000061
特征值函数MinG体现了抢修驻点抵达各自责任区域内馈线的间隔总和为最小。
抢修驻点位置最佳化方法限制前提为：
(1)时间限制
Tημ≤TBig (5)
该限制条件展现了抢修工人在通往故障点沿途路上的束缚时间。
(2)馈线隶属抢修驻点限制
Figure BDA0002626171470000062
其中，m为馈线数量，n为抢修驻点数量。式(6)为n个抢修驻点职责区域所接受的馈线抢修任务之束缚条件。
实施例：
在某供电公司一驻点负责区域内对采用故障预测结果的配网抢修驻点位置分布和未采用故障预测结果的配网抢修驻点进行对比实验。
首先将各馈线的中点确定为效用等同点，然后根据历史数据对各馈线月故障次数进行预测。
在每次随机试验中，随机选取数据集的70％作为训练样本，30％作为测试样本。所有实验均在Python环境下进行，并将各馈线的经纬度及预测的月故障分类(A类5次以上，B类2～5次，C类0～1次，)填入表1中。
图1是根据表1画出的28条馈线效用等同点在该驻点负责区域的经纬度分布图，并按故障等级的不同，分别以A，B和C类三种不同的符号表示。
从图1可见，A类故障主要分布在该驻点负责区域的右下部分，B类故障主要分布在中部，而C类故障比较均匀分布在整个驻点负责区域。
表1各馈线效用等同点经纬度及月故障次数
Figure BDA0002626171470000071
表2是根据本发明技术方案中的模型，计算抢修沿途时间采用的系数值。
根据抢修沿途时间需满足供电公司对社会的允诺时间Tmax范围，其具体范围是市区Tmax为40mins，那么就确定了抢修驻点通往馈线的沿途所花去的极大时间TBig。由Python编程计算TBig为25分钟。
图2是根据建立抢修驻点位置最佳化的数学模型及其特征值函数
Figure BDA0002626171470000072
计算所得的抢修驻点抵达各自责任区域内馈线的间隔总和为最小时，原驻点和新驻点位置图。
由图2可知，本发明技术方案提出的应用馈线故障预测结果的抢修驻点位置优化方法，使得新抢修驻点更加地靠近月故障等级高的馈线效用等同点，从而新抢修驻点比原驻点(几何中心)的抢修效率有明显提升。
该实施例中该城区区域优化前后的月抢修路途总时间分别为2211.68mins和1846.75mins,即抢修驻点月故障抢修路途花费总时间最多减少16.5％。证明基于馈线故障预测结果的抢修驻点位置优化可以大幅度缩短驻点通往故障点的平均到达时间，并为随后的故障修复阶段留下尽量多的自由时间；达到了提高配电网故障抢修工作效率、优化资源配置、提高服务质量的目的。
表2抢修沿途时间模型所采用系数
Figure BDA0002626171470000081
通过选取28条馈线两年的数据作为实验样本，通过与未应用故障预测结果的配网抢修驻点位置分布方法对比，本发明在布置抢修驻点方面充分考虑到故障概率大小，能有效缩减抢修驻点去往各故障抢修实施位置的距离，能获得相比原有方法其抢修驻点月故障抢修路途花费总时间和明显缩短，从而验证了本方法的有效性。
本发明的技术方案，针对目前基于几何最短路径法确定配网抢修驻点位置分布、抢修效率低，耗费时间长的问题，通过构建基于馈线故障预测结果的抢修驻点位置优化模型，充分考虑了预测所得的馈线故障等级设置的权重，并且将途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型。通过数据预处理、数据挖掘分析、特征选择等方法，得到了馈线故障预测所需的输入作为样本数据。
本发明与前述对比文件“一种基于最短路径法的配网抢修驻点分布方法”的技术方案相比，依据本发明的技术方案所得到的新抢修驻点比对比文件中的原驻点(几何中心)的抢修效率有明显提升。跟实施例中该城区区域优化前后的月抢修路途总时间分别为2211.68mins和1846.75mins，即抢修驻点月故障抢修路途花费总时间最多减少16.5％。显然，本发明优于现有技术。
本发明可广泛用于电力数据的分析处理领域。

Claims (8)

1.一种采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是：
为定量表达抢修驻点Pη到各条馈线的间隔，把各条馈线看作为两维坐标系上效用等同的一个质点Fμ，则抢修驻点与馈线之间的间隔与抢修驻点与馈线质点的间隔效用等同；
按照根据历年数据预测所得的馈线月故障率确定第μ条馈线故障协同因素fμ，以便在符合束缚前提下抢修驻点偏向于接近月故障率高的馈线，可使每月故障抢修路途花费的总时间和减少，为后续修复留足时间；
对于某一明确的抢修范围，假如须要设定m个抢修驻点，馈线等价点数量规定为n，η和μ分别表示抢修驻点编号和馈线等价点编号，其中η＝1,2,3,4...m，μ＝1,2,3,4...n；Pη＝(xη,yη)、
Figure FDA0002626171460000014
分别为抢修驻点和故障点在二维空间中的地理位置坐标，Gημ表示第μ个故障点到第η个抢修驻点的几何间隔；
则获取抢修驻点η通往馈线μ的Gημ计算方式为：
Figure FDA0002626171460000011
式(1)中，
Figure FDA0002626171460000012
代表Pη与Fμ之间的欧几里得度量。
2.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是所述的配网抢修驻点位置分布方法，按照故障抢修过程，考虑途径阻塞因素σ；途径障碍因素
Figure FDA0002626171460000015
馈线弯扭因素ρ；天气影响因素δ；抢修车辆平均速率为v；则抢修驻点η去馈线μ的抢修路途花费时间Tημ的运算公式如下：
Figure FDA0002626171460000013
3.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是在所述的配网抢修驻点位置分布方法中，抢修沿途时间需满足供电公司对社会的允诺时间Tmax范围，；
设供电公司调度中心故障报告受理时间为T1；管理层调度及故障点排查时间为T2；机动车出勤准备时间为T3；维修小分队寻址时间为T4；则抢修驻点通往馈线的沿途所花去的极大时间TBig的运算公式如下：
TBig＝Tmax-T1-T2-T3-T4 (3)。
4.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是所述供电公司对社会的允诺时间Tmax范围为：
市区的允诺时间Tmax为40mins；
郊区的允诺时间Tmax为60mins。
5.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是在所述的配网抢修驻点位置分布方法中，假定馈线μ和抢修驻点η区间几何间隔满足在供电公司允诺时间内抵达，那么Rημ＝1，如果没有Rημ＝0，这样为抢修驻点划分了其责任馈线，并由此约定了抢修驻点的相关馈线区域；
假使本方法任何一个抢修驻点对应唯一一条馈线，由此可建立抢修驻点位置最佳化的数学模型，它的特征值函数可为：
Figure FDA0002626171460000021
特征值函数MinG体现了抢修驻点抵达各自责任区域内馈线的间隔总和为最小。
6.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是所述的抢修驻点位置最佳化方法限制前提为：
(1)时间限制：
Tημ≤TBig (5)
该时间限制限制条件展现了抢修工人在通往故障点沿途路上的束缚时间。
(2)馈线隶属抢修驻点限制：
Figure FDA0002626171460000022
其中，m为馈线数量，n为抢修驻点数量；
该馈线隶属抢修驻点限制条件为n个抢修驻点职责区域所接受的馈线抢修任务之束缚条件。
7.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是所述的配网抢修驻点位置分布方法，通过构建基于馈线故障预测结果的抢修驻点位置优化模型，充分考虑预测所得的馈线故障等级设置的权重，并且将途径阻塞因素、途径障碍因素、馈线弯扭因素、天气影响因素、抢修车辆平均速率等过程参数用于馈线的抢修驻点位置优化模型。
8.按照权利要求1所述的采用馈线故障预测结果的配网抢修驻点位置分布方法，其特征是所述的配网抢修驻点位置分布方法，在布置抢修驻点方面充分考虑到故障概率大小，能有效缩减抢修驻点去往各故障抢修实施位置的距离，减少了抢修到达现场的时间，并为随后的故障修复阶段留下尽量多的自由时间。
CN202010797430.6A 2020-08-10 2020-08-10 一种采用馈线故障预测结果的配网抢修驻点位置分布方法 Active CN112069632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010797430.6A CN112069632B (zh) 2020-08-10 2020-08-10 一种采用馈线故障预测结果的配网抢修驻点位置分布方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010797430.6A CN112069632B (zh) 2020-08-10 2020-08-10 一种采用馈线故障预测结果的配网抢修驻点位置分布方法

Publications (2)

Publication Number Publication Date
CN112069632A true CN112069632A (zh) 2020-12-11
CN112069632B CN112069632B (zh) 2023-03-28

Family

ID=73661058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010797430.6A Active CN112069632B (zh) 2020-08-10 2020-08-10 一种采用馈线故障预测结果的配网抢修驻点位置分布方法

Country Status (1)

Country Link
CN (1) CN112069632B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105225013A (zh) * 2015-10-22 2016-01-06 国网上海市电力公司 一种基于最短路径法的配网抢修驻点分布方法
CN106849055A (zh) * 2015-12-07 2017-06-13 国网上海市电力公司 一种基于数据分析的配电网抢修驻点优化方法
CN106855959A (zh) * 2016-11-15 2017-06-16 国网上海市电力公司 一种城市配电网抢修驻点设置的优化方法
CN109447344A (zh) * 2018-10-26 2019-03-08 国网天津市电力公司 基于配网故障大数据的抢修驻点和路径优化方法及系统
CN109840690A (zh) * 2018-12-29 2019-06-04 国网山东省电力公司日照供电公司 一种基于大数据的人工智能电力抢修系统及方法
CN111461399A (zh) * 2020-02-28 2020-07-28 国网浙江省电力有限公司 一种基于故障非线性离散分布的驻点坐标配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105225013A (zh) * 2015-10-22 2016-01-06 国网上海市电力公司 一种基于最短路径法的配网抢修驻点分布方法
CN106849055A (zh) * 2015-12-07 2017-06-13 国网上海市电力公司 一种基于数据分析的配电网抢修驻点优化方法
CN106855959A (zh) * 2016-11-15 2017-06-16 国网上海市电力公司 一种城市配电网抢修驻点设置的优化方法
CN109447344A (zh) * 2018-10-26 2019-03-08 国网天津市电力公司 基于配网故障大数据的抢修驻点和路径优化方法及系统
CN109840690A (zh) * 2018-12-29 2019-06-04 国网山东省电力公司日照供电公司 一种基于大数据的人工智能电力抢修系统及方法
CN111461399A (zh) * 2020-02-28 2020-07-28 国网浙江省电力有限公司 一种基于故障非线性离散分布的驻点坐标配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟军等: "配电网故障抢修驻点选址与抢修任务分配优化策略", 《广东电力》 *
李肇卿等: "典型城市电力故障抢修驻点配置方案研究", 《中国电业(技术版)》 *

Also Published As

Publication number Publication date
CN112069632B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN105303285B (zh) 一种电力应急处置物资的智能化调拨方法
CN107067163A (zh) 一种故障维修派工方法和装置
CN105740556B (zh) 基于客流需求的列车运行图自动编制方法
He et al. Optimal scheduling for charging and discharging of electric vehicles
CN108346010B (zh) 基于用户需求分析的共享汽车调度方法
CN102722767B (zh) 电动汽车充换电站布点规划系统及方法
CN111452669B (zh) 公交智能充电的系统和方法及介质
CN105046449A (zh) 一种基于网格化配电网的评估方法
CN114186754B (zh) 含有不同类型充电桩的电动汽车充电站选址定容优化方法
CN106849055A (zh) 一种基于数据分析的配电网抢修驻点优化方法
CN112949987A (zh) 基于预测的出租车调度和匹配方法、系统、设备及介质
de Souza et al. An Optimization-based Strategy for Shared Autonomous Vehicle Fleet Repositioning.
DE202022106297U1 (de) Intelligentes System für Energiebedarfsprognosen und nachhaltiges Energiemanagement durch maschinelles Lernen und künstliche Intelligenz
CN110033104B (zh) 面向农机装备远程运维服务网络的服务区域划分方法
Leffler et al. Real-time short-turning in high frequency bus services based on passenger cost
CN115752493A (zh) 一种用于电力故障抢修的路径规划方法
CN115798189A (zh) 一种交通拥堵指数评价方法
CN117439134A (zh) 电力应急储能系统快速响应方法及系统
CN112069632B (zh) 一种采用馈线故障预测结果的配网抢修驻点位置分布方法
Wood et al. Analysis of fast charging station network for electrified ride-hailing services
CN111429166A (zh) 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法
CN114862018B (zh) 考虑充电行驶距离的电动汽车充电站选址和定容规划方法
Ghamami et al. Electric Vehicle Charger Placement Optimization in Michigan: Phase II-Urban
CN114764653A (zh) 一种成本最小化的综合运维调度方法
CN109460844B (zh) 基于gis的保电车辆优化调度方法

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