CN112381385B - 一种移动应急电源的选址方法和装置 - Google Patents

一种移动应急电源的选址方法和装置 Download PDF

Info

Publication number
CN112381385B
CN112381385B CN202011260889.9A CN202011260889A CN112381385B CN 112381385 B CN112381385 B CN 112381385B CN 202011260889 A CN202011260889 A CN 202011260889A CN 112381385 B CN112381385 B CN 112381385B
Authority
CN
China
Prior art keywords
leaves
branches
power supply
root node
emergency power
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.)
Active
Application number
CN202011260889.9A
Other languages
English (en)
Other versions
CN112381385A (zh
Inventor
周凯
栾乐
安志国
叶石丰
刘俊翔
范伟男
郭倩雯
许中
杨柳
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011260889.9A priority Critical patent/CN112381385B/zh
Publication of CN112381385A publication Critical patent/CN112381385A/zh
Application granted granted Critical
Publication of CN112381385B publication Critical patent/CN112381385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Telephone Function (AREA)
  • Power Sources (AREA)
  • Direct Current Feeding And Distribution (AREA)

Abstract

本申请公开了一种移动应急电源的选址方法和装置，其中方法包括：S1、按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化初始根节点的参数，其中参数包括：枝叶伸展范围和枝叶数量；S2、根据参数，计算围绕初始根节点生长时新的参数；S3、根据新的参数，以初始根节点为中心产生新生枝叶，并计算新生枝叶的适应度；S4、判断初始根节点对应的集合树的最优适应度是否有增加，若是，则返回步骤S2，若否，则执行步骤S5；S5、判断最优适应度是否满足预置结束条件，若是，则输出最优适应度对应的枝叶位置，否则返回步骤S1，调整初始根节点的个数后重新进行寻优。

Description

一种移动应急电源的选址方法和装置
技术领域
本申请涉及电力资源配置技术领域，尤其涉及一种移动应急电源的选址方法和装置。
背景技术
当前，电网是现代社会最重要的生命线工程之一。近年来，随着气候、环境变化和电网大规模建设，各种极端条件引发的电网故障频发，局部设施故障有可能导致大停电事故，严重影响社会经济生活，威胁社会公共安全。移动应急电源可以保障用电可靠性，使得在电网故障发生之后能够尽快恢复供电、降低停电损失。近年来，相关研究人员对移动应急电源的供应点选择问题利用禁忌搜索算法进行计算，禁忌搜索算法可以成功解决移动应急电源选址问题，并提供多种解决方案，但搜索时是单操作搜索，在每一次迭代中是把一个解移动到另一个解，全局搜索能力弱，寻优速度较慢。
因此，提供一种搜索能力强、寻优速度快的移动应急电源选址方法是本领域技术人员亟待解决的技术问题。
发明内容
本申请提供了一种移动应急电源的选址方法和装置，解决了现有技术中对移动应急电源的选址时采用的禁忌搜索算法，全局搜索能力弱，寻优速度较慢的技术问题。
有鉴于此，本申请第一方面提供了一种移动应急电源的选址方法，包括步骤：
S1、按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化所述初始根节点的参数，其中所述参数包括：枝叶伸展范围和枝叶数量；
S2、根据所述参数，计算围绕所述初始根节点生长时新的所述参数；
S3、根据新的所述参数，以所述初始根节点为中心产生新生枝叶，并计算所述新生枝叶的适应度；
S4、判断所述初始根节点对应的集合树的最优适应度是否有增加，若是，则返回步骤S2，若否，则执行步骤S5；
S5、判断所述最优适应度是否满足预置结束条件，若是，则输出所述最优适应度对应的枝叶位置，否则返回步骤S1，调整所述初始根节点的个数后重新进行寻优。
可选地，步骤S2具体包括：
S21、根据采样价值计算公式，计算各所述初始根节点的采样价值；
S22、根据各所述采样价值，计算第j次迭代中集合树i的信息价值Vi H,j以及集合树i上枝叶s的信息价值
Figure BDA0002774603280000021
S23、根据各所述采样价值和所述信息价值
Figure BDA0002774603280000022
计算第j+1次迭代中根节点周围生长出的枝叶数量/>
Figure BDA0002774603280000023
和枝叶伸展范围/>
Figure BDA0002774603280000024
/>
可选地，所述采样价值计算公式为：
Figure BDA0002774603280000025
式中，
Figure BDA0002774603280000026
为采样价值，/>
Figure BDA0002774603280000027
为第j次迭代中第i颗集合树的枝叶s的适应度，/>
Figure BDA0002774603280000028
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure BDA0002774603280000029
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
可选地，步骤S3具体包括：
S31、根据步骤S23计算的所述枝叶数量
Figure BDA00027746032800000210
和所述枝叶伸展范围/>
Figure BDA00027746032800000211
以各所述初始根节点为中心产生新生枝叶；
S32、计算所述新生枝叶的适应度，并更新用于计算信息价值Vi H,j和信息价值
Figure BDA00027746032800000212
的信息熵；
S33、根据更新后的信息熵，基于根节点迭代公式，计算出下一次迭代要保留的根节点数量。
可选地，步骤S4具体包括：
判断所述初始根节点对应的集合树的第j+1次迭代的最优适应度是否大于第j次迭代的最优适应度，若是，则返回步骤S2，若否，则执行步骤S5。
本申请第二方面提供了一种移动应急电源的选址装置，包括：
采样单元，用于按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化所述初始根节点的参数，其中所述参数包括：枝叶伸展范围和枝叶数量；
第一计算单元，用于根据所述参数，计算围绕所述初始根节点生长时新的所述参数；
第二计算单元，用于根据新的所述参数，以所述初始根节点为中心产生新生枝叶，并计算所述新生枝叶的适应度；
第一判断单元，用于判断所述初始根节点对应的集合树的最优适应度是否有增加，若是，则触发所述第一计算单元，若否，则触发所述第二判断单元；
第二判断单元，用于判断所述最优适应度是否满足预置结束条件，若是，则输出所述最优适应度对应的枝叶位置，否则触发所述采样单元，调整所述初始根节点的个数后重新进行寻优。
可选地，所述第一计算单元包括：
第一计算子单元，用于根据采样价值计算公式，计算各所述初始根节点的采样价值；
第二计算子单元，用于根据各所述采样价值，计算第j次迭代中集合树i的信息价值Vi H,j以及集合树i上枝叶s的信息价值
Figure BDA0002774603280000031
第三计算子单元，用于根据各所述采样价值和所述信息价值
Figure BDA0002774603280000032
计算第j+1次迭代中根节点周围生长出的枝叶数量/>
Figure BDA0002774603280000033
和枝叶伸展范围/>
Figure BDA0002774603280000034
可选地所述采样价值计算公式为：
Figure BDA0002774603280000035
式中，
Figure BDA0002774603280000036
为采样价值，/>
Figure BDA0002774603280000037
为第j次迭代中第i颗集合树的枝叶s的适应度，/>
Figure BDA0002774603280000038
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure BDA0002774603280000039
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
可选地，所述第二计算单元包括：
新生子单元，用于根据第三计算子单元计算的所述枝叶数量
Figure BDA00027746032800000310
和所述枝叶伸展范围/>
Figure BDA00027746032800000311
以各所述初始根节点为中心产生新生枝叶；
第四计算子单元，用于计算所述新生枝叶的适应度，并更新用于计算信息价值Vi H ,j和信息价值
Figure BDA00027746032800000312
的信息熵；
第五计算子单元，用于根据更新后的信息熵，基于根节点迭代公式，计算出下一次迭代要保留的根节点数量。
可选地，所述第一判断单元具体用于，判断所述初始根节点对应的集合树的第j+1次迭代的最优适应度是否大于第j次迭代的最优适应度，若是，则触发所述第一计算单元，若否，则触发所述第二判断单元。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种移动应急电源的选址方法，包括：S1、按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化初始根节点的参数，其中参数包括：枝叶伸展范围和枝叶数量；S2、根据参数，计算围绕初始根节点生长时新的参数；S3、根据新的参数，以初始根节点为中心产生新生枝叶，并计算新生枝叶的适应度；S4、判断初始根节点对应的集合树的最优适应度是否有增加，若是，则返回步骤S2，若否，则执行步骤S5；S5、判断最优适应度是否满足预置结束条件，若是，则输出最优适应度对应的枝叶位置，否则返回步骤S1，调整初始根节点的个数后重新进行寻优。
本申请针对移动应急电源优化配置这样一个多目标优化问题，通过仿照林木的生长特点，逐级分布样本点，收敛速度快且精度较高，由此完成了移动应急电源的优化配置，全局搜索能力强，收敛速度相对较快，解决了现有技术中对移动应急电源的选址时采用的禁忌搜索算法，全局搜索能力弱，寻优速度较慢的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种移动应急电源的选址方法的实施例一的流程示意图；
图2为本申请实施例中一种移动应急电源的选址方法的实施例二的流程示意图；
图3为本申请实施例中一种移动应急电源的选址方法的应用例的流程示意图；
图4为本申请实施例中一种移动应急电源的选址装置的实施例的结构示意图。
具体实施方式
本申请实施例提供了一种移动应急电源的选址方法和装置，解决了现有技术中对移动应急电源的选址时采用的禁忌搜索算法，全局搜索能力弱，寻优速度较慢的技术问题。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参阅图1，本申请实施例中一种移动应急电源的选址方法的实施例一的流程示意图。
本实施例中的一种移动应急电源的选址方法，包括：
步骤101、按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化初始根节点的参数，其中参数包括：枝叶伸展范围和枝叶数量。
步骤102、根据参数，计算围绕初始根节点生长时新的参数。
步骤103、根据新的参数，以初始根节点为中心产生新生枝叶，并计算新生枝叶的适应度。
步骤104、判断初始根节点对应的集合树的最优适应度是否有增加，若是，则返回步骤102，若否，则执行步骤105。
步骤105、判断最优适应度是否满足预置结束条件，若是，则输出最优适应度对应的枝叶位置，否则返回步骤101，调整初始根节点的个数后重新进行寻优。
需要说明的是，预置结束条件为：最优适应度对应的迭代次数为最大迭代次数以上的值。
可以理解的是，输出的枝叶位置即为移动应急电源的选址安装位置。
本实施例中针对移动应急电源优化配置这样一个多目标优化问题，通过仿照林木的生长特点，逐级分布样本点，收敛速度快且精度较高，由此完成了移动应急电源的优化配置，全局搜索能力强，收敛速度相对较快，解决了现有技术中对移动应急电源的选址时采用的禁忌搜索算法，全局搜索能力弱，寻优速度较慢的技术问题。
以上为本申请实施例提供的一种移动应急电源的选址方法的实施例一，以下为本申请实施例提供的一种移动应急电源的选址方法的实施例二。
请参阅图2，本申请实施例中一种移动应急电源的选址方法的实施例二的流程示意图。
本实施例中的一种移动应急电源的选址方法，包括：
步骤201、按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化初始根节点的参数。
其中，参数包括：枝叶伸展范围和枝叶数量。
步骤202、根据采样价值计算公式，计算各初始根节点的采样价值。
采样价值计算公式为：
Figure BDA0002774603280000061
式中，
Figure BDA0002774603280000062
为采样价值，/>
Figure BDA0002774603280000063
为第j次迭代中第i颗集合树的枝叶s的适应度，/>
Figure BDA0002774603280000064
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure BDA0002774603280000065
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
步骤203、根据各采样价值，计算第j次迭代中集合树i的第一信息价值以及集合树i上枝叶s的第二信息价值。
其中，第j次迭代中集合树i的第一信息价值为Vi H,j以及集合树i上枝叶s的第二信息价值为
Figure BDA0002774603280000066
步骤204、根据各采样价值和第二信息价值，计算第j+1次迭代中根节点周围生长出的枝叶数量和枝叶伸展范围。
其中，第j+1次迭代中根节点周围生长出的枝叶数量为
Figure BDA0002774603280000067
和枝叶伸展范围为
Figure BDA0002774603280000071
步骤205、根据步骤204计算的枝叶数量和枝叶伸展范围，以各初始根节点为中心产生新生枝叶。
步骤206、计算新生枝叶的适应度，并更新用于计算第一信息价值和第二信息价值的信息熵。
步骤207、根据更新后的信息熵，基于根节点迭代公式，计算出下一次迭代要保留的根节点数量。
步骤208、判断初始根节点对应的集合树的第j+1次迭代的最优适应度是否大于第j次迭代的最优适应度，若是，则返回步骤202，若否，则执行步骤209。
步骤209、判断最优适应度是否满足预置结束条件，若是，则输出最优适应度对应的枝叶位置，否则返回步骤201，调整初始根节点的个数后重新进行寻优。
本实施例中针对移动应急电源优化配置这样一个多目标优化问题，通过仿照林木的生长特点，逐级分布样本点，收敛速度快且精度较高，由此完成了移动应急电源的优化配置，全局搜索能力强，收敛速度相对较快，解决了现有技术中对移动应急电源的选址时采用的禁忌搜索算法，全局搜索能力弱，寻优速度较慢的技术问题。
以上为本申请实施例提供的一种移动应急电源的选址方法的实施例二，以下为本申请实施例提供的一种移动应急电源的选址方法的应用例，具体请参阅图3。
本实施例中移动应急电源的选址方法包括：
步骤1：对种群进行初始化，对d维数据，在可行域r1×r2×r3×r4…×rd内依照均匀采样的原则选取n1×n2×n3…×nd个采样点作为根节点，同时初始化枝叶的伸展范围
Figure BDA0002774603280000072
和枝叶数量/>
Figure BDA0002774603280000073
并初始化根节点保留数量/>
Figure BDA0002774603280000074
设置学习因子α＝0.5，初始化每年大停电发生次数λ(即预置结束条件对应的最大迭代次数)；
步骤2：计算围绕根节点生长出来的枝叶数量和伸展范围，具体计算步骤如下：
步骤2.1：首先计算各个根节点的采样价值
Figure BDA0002774603280000081
具体计算公式为：
Figure BDA0002774603280000082
其中，
Figure BDA00027746032800000821
为第j次迭代中第i颗集合树的枝叶s的适应度(目标函数值越小，适应度越高)，/>
Figure BDA00027746032800000822
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure BDA0002774603280000085
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
第j次迭代中第i颗集合树的适应度
Figure BDA0002774603280000086
通过集合树中最优枝叶的适应度来代表，在此次优化问题中，目标函数值越小，适应度越高，同样意味着，适应
度最高的枝叶是最优枝叶，则
Figure BDA00027746032800000823
则第j次迭代中第i颗集合树获得的采样价值/>
Figure BDA0002774603280000088
计算公式为：
Figure BDA0002774603280000089
其中，
Figure BDA00027746032800000810
为第j次迭代中所有树的最小适应度，/>
Figure BDA00027746032800000811
为第j次迭代中所有树的最大适应度。
步骤2.2：计算第j次迭代中集合树i的信息价值
Figure BDA00027746032800000824
以及集合树i上枝叶s的信息价值/>
Figure BDA00027746032800000812
具体计算公式为：
Figure BDA00027746032800000813
Figure BDA00027746032800000814
其中，Hj为第j次迭代的信息熵，用于量化样本点对于从周围环境中获取信息的可靠度，由于可靠度会随着采样点的增多而增大。因此，随着迭代次数的增加，信息可靠度也会增大，因此第j次迭代的信息熵可以通过下式进行计算：
Hj＝1-e-j。
步骤2.3：计算出下一次迭代中根节点周围生长出的枝叶数量
Figure BDA00027746032800000815
和枝叶伸展范围/>
Figure BDA00027746032800000816
具体计算公式为：
Figure BDA00027746032800000817
/>
Figure BDA00027746032800000818
其中，α为学习因子，
Figure BDA00027746032800000819
为第j+1次迭代中第i颗集合树的枝叶数量，/>
Figure BDA00027746032800000820
为第j+1次迭代中第i颗集合树的枝叶伸展范围，具体计算方法如下：
Figure BDA0002774603280000091
Figure BDA0002774603280000092
式中，
Figure BDA00027746032800000912
为第j次迭代中第i颗集合树的枝叶数量，其中，/>
Figure BDA0002774603280000094
为第j次迭代中集合树i的信息价值变化率，/>
Figure BDA00027746032800000913
为第j次迭代中第i颗集合树的枝叶伸展范围。
Figure BDA0002774603280000096
的计算公式为：
Figure BDA0002774603280000097
步骤3：按照步骤2中计算出的围绕根节点生长出的枝叶数量和枝叶伸展范围，以各个根节点为中心产生新的枝叶，即开始进行新一轮采样，计算新生枝叶的适应度，同时更新信息熵Hj+1，具体更新方式为：
Hj+1＝1-e-(j+1)。
步骤4：计算出下一次迭代要保留的根节点数量
Figure BDA0002774603280000098
计算公式为：
Figure BDA0002774603280000099
而且，在步骤4中使用轮盘赌方法增加根节点选择的随机性。为了增强算法的全局搜索能力，保留
Figure BDA00027746032800000910
个适应度较高的枝叶作为下一轮迭代的根节点，并利用轮盘赌方法在其余枝叶中选择要保留的/>
Figure BDA00027746032800000911
个根节点，从而增加算法的随机性。
将剩余的枝叶按适应度从高到低进行排序，并对其进行归一化，则枝叶适应度正比于此枝叶作为下一轮迭代的根节点被保留的概率，其中，β为人为设定的系数，此处设定为0.7，则枝叶o被保留的概率为
Figure BDA0002774603280000101
其中，po代表枝叶o被选为下一轮迭代的根节点的概率。
构造一个比较数列：
Y1＝P1；
yo＝yo-1+po。
产生一个随机数rand∈(0，1)，按以下规则选择下一轮迭代的根节点：
Figure BDA0002774603280000102
其中，next代表选中枝叶的编号，m代表去除
Figure BDA0002774603280000103
个适应度较高的枝叶后第j轮迭代剩余的枝叶个数。
步骤5：判断集合树的最优适应度是否增加，如果
Figure BDA0002774603280000104
则转入步骤2；否则，转入步骤6；
步骤6：判断程序是否满足结束条件，若满足，则输出全局最优适应度和对应的枝叶位置，结束寻优，否则，转入步骤1，增加初始化中根节点的个数，重新进行寻优。
需要说明的是，枝叶s的适应度
Figure BDA0002774603280000105
的计算方法如下：
根据枝叶位置所代表的解编码，生成对应的决策函数，再计算此解对应的目标函数值，从而计算出枝叶的适应度，而移动应急电源配置问题的本质是一个多目标优化问题，其中，优化目标分为以下几个方面：
1)最小化损失费用
minG1＝λ∑i∑jzijfij(t)(aj+bj+cj)Pij+λ∑i∑j(1-zij)fij(t)(aj+bj+cj)Pij+∑i∑jαizijPij+∑i∑jβizijPij；
其中，aJ，bJ，cJ分别为单位时间、单位负荷容量的生命损失、经济损失和特殊损失。Pij为供应点i向用户j供应的核心负荷功率，
Figure BDA0002774603280000106
Figure BDA0002774603280000111
其中tij为供应点i到用户j的交通时间，td为开始停电到应急电源车发车的响应时间与应急电源车到达目的地到成功接入的操作时间之和，tj为用户j的备用电源持续时间，αi为供应点i考虑到移动应急电源寿命年限，折算到每年的单位容量投资费用，βi为供应点i每年每台应急电源车的运行费用与损失费用之和，λ为该地区每年发生大停电的平均次数，zij为决策函数，表达式为如下：
Figure BDA0002774603280000112
2)最大化被满足的用户数
maxG2＝∑i∑jzij；
则目标函数为
minG＝λ1G1-λ2G2；
其中，λ1+λ2＝1，λ1＝0.7，λ2＝0.3；
Figure BDA0002774603280000113
而且，此优化问题的约束条件为：
1)设Jn为第n级响应的重要用户集合，那么一定有
Figure BDA0002774603280000114
即第n级响应的重要用户一定也是第n+1级响应的重要用户；
2)设J为所用重要用户的集合，
Figure BDA0002774603280000115
一定/>
Figure BDA0002774603280000116
使得j∈Jn；
3)
Figure BDA0002774603280000117
若/>
Figure BDA0002774603280000118
则ΣizijPij≥Pj，即若确定为某一重要用户供电，则供应点对重要用户供电一定要满足重要用户核心负荷功率的需求；
4)
Figure BDA0002774603280000119
∑izij≤1，即对于任意一个重要用户，若它接受供应点供电，则一定仅由一个应急电源供应点供电。
本实施例提供了一种基于雨林算法的移动应急电源配置方法，该方法针对现有方法的不足，将雨林算法应用于配电网移动应急电源供应点的选取问题中，用于解决这一多目标优化问题，同时，该方法对优化过程中根节点的选取方法进行了改进，使用轮盘赌增加算法的随机性，从而增加算法的全局搜索能力。该方法全局搜索能力强，收敛速度相对较快，在寻优速度和准确度方面都具有明显优势。
以上为本申请实施例提供的一种移动应急电源的选址方法的应用例，以下为本申请实施例提供的一种移动应急电源的选址装置的实施例，具体请参阅图4。
本实施例中移动应急电源的选址装置包括：
采样单元401，用于按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化初始根节点的参数，其中参数包括：枝叶伸展范围和枝叶数量；
第一计算单元402，用于根据参数，计算围绕初始根节点生长时新的参数；
第二计算单元403，用于根据新的参数，以初始根节点为中心产生新生枝叶，并计算新生枝叶的适应度；
第一判断单元404，用于判断初始根节点对应的集合树的最优适应度是否有增加，若是，则触发第一计算单元，若否，则触发第二判断单元；
第二判断单元405，用于判断最优适应度是否满足预置结束条件，若是，则输出最优适应度对应的枝叶位置，否则触发采样单元，调整初始根节点的个数后重新进行寻优。
可选地，第一计算单元402包括：
第一计算子单元，用于根据采样价值计算公式，计算各初始根节点的采样价值；
第二计算子单元，用于根据各采样价值，计算第j次迭代中集合树i的信息价值Vi H ,j以及集合树i上枝叶s的信息价值
Figure BDA0002774603280000121
第三计算子单元，用于根据各采样价值和信息价值
Figure BDA0002774603280000122
计算第j+1次迭代中根节点周围生长出的枝叶数量/>
Figure BDA0002774603280000123
和枝叶伸展范围/>
Figure BDA0002774603280000124
可选地，采样价值计算公式为：
Figure BDA0002774603280000125
式中，
Figure BDA0002774603280000126
为采样价值，/>
Figure BDA0002774603280000127
为第j次迭代中第i颗集合树的枝叶s的适应度，/>
Figure BDA0002774603280000131
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure BDA0002774603280000132
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
可选地，第二计算单元403包括：
新生子单元，用于根据第三计算子单元计算的枝叶数量
Figure BDA0002774603280000133
和枝叶伸展范围
Figure BDA0002774603280000134
以各初始根节点为中心产生新生枝叶；
第四计算子单元，用于计算新生枝叶的适应度，并更新用于计算信息价值Vi H,j和信息价值
Figure BDA0002774603280000135
的信息熵；
第五计算子单元，用于根据更新后的信息熵，基于根节点迭代公式，计算出下一次迭代要保留的根节点数量。
可选地，第一判断单元具体用于，判断初始根节点对应的集合树的第j+1次迭代的最优适应度是否大于第j次迭代的最优适应度，若是，则触发第一计算单元，若否，则触发第二判断单元。
本申请提供了一种基于雨林算法的移动应急电源配置装置，该装置针对现有方法的不足，将雨林算法应用于配电网移动应急电源供应点的选取问题中，用于解决这一多目标优化问题，同时，该装置对优化过程中根节点的选取方法进行了改进，使用轮盘赌增加算法的随机性，从而增加算法的全局搜索能力。该装置全局搜索能力强，收敛速度相对较快，在寻优速度和准确度方面都具有明显优势。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个待安装电网网络，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请个实施例中的功能单元可以集成在一个处理单元中，也可以是个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。

Claims (10)

1.一种移动应急电源的选址方法，其特征在于，包括步骤：
S1、按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化所述初始根节点的参数，其中所述参数包括：枝叶伸展范围和枝叶数量；
S2、根据所述参数，计算围绕所述初始根节点生长时新的所述参数；
S3、根据新的所述参数，以所述初始根节点为中心产生新生枝叶，并计算所述新生枝叶的适应度；
S4、判断所述初始根节点对应的集合树的最优适应度是否有增加，若是，则返回步骤S2，若否，则执行步骤S5；
S5、判断所述最优适应度是否满足预置结束条件，若是，则输出所述最优适应度对应的枝叶位置，否则返回步骤S1，调整所述初始根节点的个数后重新进行寻优；
其中，所述枝叶的适应度
Figure FDA0003952700830000011
的计算函数包括：
1)最小化损失费用
minG1＝λ∑i∑jzijfij(t)(aj+bj+cj)Pij+λ∑i∑j(1-zij)fij(t)(aj+bj+cj)Pij+∑i∑jαizijPij+∑i∑jβizijPij；
其中，aj，bj，cj分别为单位时间、单位负荷容量的生命损失、经济损失和特殊损失，Pij为供应点i向用户j供应的核心负荷功率，
Figure FDA0003952700830000012
Figure FDA0003952700830000013
其中tij为供应点i到用户j的交通时间，td为开始停电到应急电源车发车的响应时间与应急电源车到达目的地到成功接入的操作时间之和，tj为用户j的备用电源持续时间，αi为供应点i考虑到移动应急电源寿命年限，折算到每年的单位容量投资费用，βi为供应点i每年每台应急电源车的运行费用与损失费用之和，λ为该地区每年发生大停电的平均次数，zij为决策函数，表达式为如下：
Figure FDA0003952700830000021
2)最大化被满足的用户数
maxG2＝∑i∑jzij；
则目标函数为
minG＝λ1G1-λ2G2；
其中，λ1+λ2＝1，λ1＝0.7，λ2＝0.3；
约束条件包括：
1)设Jn为第n级响应的重要用户集合，那么一定有
Figure FDA0003952700830000022
即第n级响应的重要用户一定也是第n+1级响应的重要用户；
2)设J为所用重要用户的集合，
Figure FDA0003952700830000023
一定/>
Figure FDA0003952700830000024
使得j∈Jn；
3)
Figure FDA0003952700830000025
若/>
Figure FDA0003952700830000026
则∑izijPij≥Pj，即若确定为某一重要用户供电，则供应点对重要用户供电一定要满足重要用户核心负荷功率的需求；
4)
Figure FDA0003952700830000027
∑izij≤1，即对于任意一个重要用户，若它接受供应点供电，则一定仅由一个应急电源供应点供电。
2.根据权利要求1所述的移动应急电源的选址方法，其特征在于，步骤S2具体包括：
S21、根据采样价值计算公式，计算各所述初始根节点的采样价值；
S22、根据各所述采样价值，计算第j次迭代中集合树i的信息价值Vi H,j以及集合树i上枝叶s的信息价值
Figure FDA0003952700830000028
S23、根据各所述采样价值和所述信息价值
Figure FDA0003952700830000029
计算第j+1次迭代中根节点周围生长出的枝叶数量/>
Figure FDA00039527008300000210
和枝叶伸展范围/>
Figure FDA00039527008300000211
3.根据权利要求2所述的移动应急电源的选址方法，其特征在于，所述采样价值计算公式为：
Figure FDA00039527008300000212
式中，
Figure FDA00039527008300000213
为采样价值，/>
Figure FDA00039527008300000214
为第j次迭代中第i颗集合树的枝叶s的适应度，/>
Figure FDA00039527008300000215
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure FDA00039527008300000216
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
4.根据权利要求3所述的移动应急电源的选址方法，其特征在于，步骤S3具体包括：
S31、根据步骤S23计算的所述枝叶数量
Figure FDA0003952700830000031
和所述枝叶伸展范围/>
Figure FDA0003952700830000032
以各所述初始根节点为中心产生新生枝叶；
S32、计算所述新生枝叶的适应度，并更新用于计算信息价值Vi H,j和信息价值
Figure FDA0003952700830000033
的信息熵；
S33、根据更新后的信息熵，基于根节点迭代公式，计算出下一次迭代要保留的根节点数量。
5.根据权利要求4所述的移动应急电源的选址方法，其特征在于，步骤S4具体包括：
判断所述初始根节点对应的集合树的第j+1次迭代的最优适应度是否大于第j次迭代的最优适应度，若是，则返回步骤S2，若否，则执行步骤S5。
6.一种移动应急电源的选址装置，其特征在于，包括：
采样单元，用于按照预置采样原则对移动应急电源的所有选址可行解进行采样，将采样结果作为初始根节点，并初始化所述初始根节点的参数，其中所述参数包括：枝叶伸展范围和枝叶数量；
第一计算单元，用于根据所述参数，计算围绕所述初始根节点生长时新的所述参数；
第二计算单元，用于根据新的所述参数，以所述初始根节点为中心产生新生枝叶，并计算所述新生枝叶的适应度；
第一判断单元，用于判断所述初始根节点对应的集合树的最优适应度是否有增加，若是，则触发所述第一计算单元，若否，则触发第二判断单元；
所述第二判断单元，用于判断所述最优适应度是否满足预置结束条件，若是，则输出所述最优适应度对应的枝叶位置，否则触发所述采样单元，调整所述初始根节点的个数后重新进行寻优；
其中，所述枝叶的适应度
Figure FDA0003952700830000034
的计算函数包括：
1)最小化损失费用
minG1＝λ∑i∑jzijfij(t)(aj+bj+cj)Pij+λ∑i∑j(1-zij)fij(t)(aj+bj+cj)Pij+ΣiΣjαizijPij+
ΣiΣjβizijPij；
其中，aj，bj，cj分别为单位时间、单位负荷容量的生命损失、经济损失和特殊损失，Pij为供应点i向用户j供应的核心负荷功率，
Figure FDA0003952700830000041
Figure FDA0003952700830000042
其中tij为供应点i到用户j的交通时间，td为开始停电到应急电源车发车的响应时间与应急电源车到达目的地到成功接入的操作时间之和，tj为用户j的备用电源持续时间，αi为供应点i考虑到移动应急电源寿命年限，折算到每年的单位容量投资费用，βi为供应点i每年每台应急电源车的运行费用与损失费用之和，λ为该地区每年发生大停电的平均次数，zij为决策函数，表达式为如下：
Figure FDA0003952700830000043
2)最大化被满足的用户数
maxG2＝Σi∑jzij；
则目标函数为
minG＝λ1G1-λ2G2；
其中，λ1+λ2＝1，λ1＝0.7，λ2＝0.3；
约束条件包括：
1)设Jn为第n级响应的重要用户集合，那么一定有
Figure FDA0003952700830000044
即第n级响应的重要用户一定也是第n+1级响应的重要用户；
2)设J为所用重要用户的集合，
Figure FDA0003952700830000045
一定/>
Figure FDA0003952700830000046
使得j∈Jn；
3)
Figure FDA0003952700830000047
若/>
Figure FDA0003952700830000048
则∑izijPij≥Pj，即若确定为某一重要用户供电，则供应点对重要用户供电一定要满足重要用户核心负荷功率的需求；
4)
Figure FDA0003952700830000051
∑izij≤1，即对于任意一个重要用户，若它接受供应点供电，则一定仅由一个应急电源供应点供电。
7.根据权利要求6所述的移动应急电源的选址装置，其特征在于，所述第一计算单元包括：
第一计算子单元，用于根据采样价值计算公式，计算各所述初始根节点的采样价值；
第二计算子单元，用于根据各所述采样价值，计算第j次迭代中集合树i的信息价值Vi H,j以及集合树i上枝叶s的信息价值
Figure FDA0003952700830000052
第三计算子单元，用于根据各所述采样价值和所述信息价值
Figure FDA0003952700830000053
计算第j+1次迭代中根节点周围生长出的枝叶数量/>
Figure FDA0003952700830000054
和枝叶伸展范围/>
Figure FDA0003952700830000055
/>
8.根据权利要求7所述的移动应急电源的选址装置，其特征在于，所述采样价值计算公式为：
Figure FDA0003952700830000056
式中，
Figure FDA0003952700830000057
为采样价值，/>
Figure FDA0003952700830000058
为第j次迭代中第i颗集合树的枝叶s的适应度，/>
Figure FDA0003952700830000059
为第j次迭代中第i颗集合树所有枝叶的最小适应度，/>
Figure FDA00039527008300000510
为第j次迭代中第i颗集合树所有枝叶的最大适应度。
9.根据权利要求8所述的移动应急电源的选址装置，其特征在于，所述第二计算单元包括：
新生子单元，用于根据第三计算子单元计算的所述枝叶数量
Figure FDA00039527008300000511
和所述枝叶伸展范围
Figure FDA00039527008300000512
以各所述初始根节点为中心产生新生枝叶；
第四计算子单元，用于计算所述新生枝叶的适应度，并更新用于计算信息价值Vi H,j和信息价值
Figure FDA00039527008300000513
的信息熵；
第五计算子单元，用于根据更新后的信息熵，基于根节点迭代公式，计算出下一次迭代要保留的根节点数量。
10.根据权利要求9所述的移动应急电源的选址装置，其特征在于，所述第一判断单元具体用于，判断所述初始根节点对应的集合树的第j+1次迭代的最优适应度是否大于第j次迭代的最优适应度，若是，则触发所述第一计算单元，若否，则触发所述第二判断单元。
CN202011260889.9A 2020-11-12 2020-11-12 一种移动应急电源的选址方法和装置 Active CN112381385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011260889.9A CN112381385B (zh) 2020-11-12 2020-11-12 一种移动应急电源的选址方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011260889.9A CN112381385B (zh) 2020-11-12 2020-11-12 一种移动应急电源的选址方法和装置

Publications (2)

Publication Number Publication Date
CN112381385A CN112381385A (zh) 2021-02-19
CN112381385B true CN112381385B (zh) 2023-05-30

Family

ID=74583301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011260889.9A Active CN112381385B (zh) 2020-11-12 2020-11-12 一种移动应急电源的选址方法和装置

Country Status (1)

Country Link
CN (1) CN112381385B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2577532A4 (en) * 2010-05-28 2016-04-06 Geostellar Inc SYSTEM AND METHOD FOR BASIC GEOMATIC MODELING OF VARIOUS RESOURCES ON LARGE LANDSCAPES
CN109919369B (zh) * 2019-02-26 2021-04-20 浙江财经大学 一种电池交换站选址和电动汽车路径规划方法
CN111222649A (zh) * 2019-11-26 2020-06-02 广州供电局有限公司 一种配电网自愈能力提升规划方法

Also Published As

Publication number Publication date
CN112381385A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN112734135B (zh) 一种电力负荷预测方法、智能终端及计算机可读存储介质
CN103117546A (zh) 一种超短期风电功率滑动预测方法
CN115796393B (zh) 基于多能互动的能源网管理优化方法、系统及存储介质
CN105184398A (zh) 一种电力最大负荷小样本预测方法
CN116961052A (zh) 一种分布式储能系统的选址定容方法及系统
CN115759467A (zh) 一种误差修正的分时刻集成学习光伏预测方法
CN111680712A (zh) 基于日内相似时刻的变压器油温预测方法、装置及系统
CN113205228B (zh) 一种短期风力发电输出功率的预测方法
CN112381385B (zh) 一种移动应急电源的选址方法和装置
CN108110756A (zh) 考虑不确定性因素的工业园区配电网规划方法
CN108446783A (zh) 一种新风机运行功率的预测及监控方法
CN117390550A (zh) 考虑排放训练集的低碳园区碳排放动态预测方法及系统
CN112307672A (zh) 基于布谷鸟算法优化的bp神经网络短期风功率预测方法
CN116885705A (zh) 区域负荷预测方法及装置
CN115860190A (zh) 负荷检测模型的训练、用电负荷的检测方法及相关装置
CN112785022B (zh) 一种挖掘电能替代潜力的方法及系统
CN114357865A (zh) 一种水电站径流及其关联源荷功率年场景模拟和预测方法
CN112686555A (zh) 一种区域配电网综合分析方法、装置及系统
Mahmood et al. Electricity Demand Prediction by a Transformer-Based Model
JPH08163778A (ja) 電力需要予測システム
CN114650190B (zh) 数据中心网络的节能方法、系统、终端设备及存储介质
Shi et al. Short-term generation scheduling with reliability constraint using ant colony optimization algorithm
CN116683471B (zh) 无功功率补偿资源的配置方法、装置以及设备
CN115511185A (zh) 冷量预测模型训练以及冷量预测方法、装置及存储介质
CN117851031A (zh) 一种基于cnn和gru的云资源预测方法、装置及介质

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