CN112966882A - 一种基于时空全局匹配的配电网调度方法 - Google Patents

Abstract

本发明公开了一种基于时空全局匹配的配电网调度方法，采集配电抢修数据，并处理得到配电故障序列P_fa和抢修人员的排序序列R_px，然后，进行时空分布拟合得到配电故障与抢修人员时空分布矩阵；进一步地考虑调度人员至故障点的时间集合，采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，得到最佳的抢修人员的调度策略。本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案。本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。

Description

一种基于时空全局匹配的配电网调度方法

技术领域

本发明属于配电网抢修调度的技术领域，具体涉及一种基于时空全局匹配的配电网调度方法。

背景技术

配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网。是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起重要分配电能作用的网络。当配电网发生故障时，需要派出人员进行故障的处理。现有的配电网调度包括以下方法：

(1)应急抢修调度方法，通过营销、运维检修、生产调度等各专业系统数据融合，解决了传统人工调度的抢修调度周期长，灵活性差的问题。

(2)分布式能源的配电网抢修调度方法，通过配电网故障分层、分阶段抢修与恢复，实现了配电网的最佳抢修，和配电网故障的快速恢复。

(3)基于配电网全过程阶段的调度抢修方法，通过分析配电网故障预警状态，自动生成故障抢修计划，并快速完成配电网的故障恢复。

(4)基于模型拼接的配电网故障抢修调度方法，通过配电网的实时、历史故障数据的多维度融合，实现配电网抢修的高效调度。

然而，现有方法中未考虑配电网抢修班组成员的工作状态与人员所处地理位置，精益管控力度不足，具有抢修人员匹配度差、抢修工作效率低的问题，已不能适应配电网抢修发展需要。现有研究对配电网抢修人员的工作状态匹配度差，配电网抢修调度存在优化空间。

发明内容

本发明的目的在于提供一种基于时空全局匹配的配电网调度方法，旨在解决上述问题。本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。

本发明主要通过以下技术方案实现；

一种基于时空全局匹配的配电网调度方法，包括以下步骤：

步骤S100：采集配电抢修数据，配电抢修数据包括主动报修数据、被动报修数据以及抢修人员信息；分析主动报修数据、被动报修数据得到故障类型以及所处地理位置信息，并形成配电抢修资源池；所述抢修人员信息包括抢修人员的工作状态、工作量、地理坐标的信息，采集抢修人员信息并形成抢修人员资源池；

步骤S200：处理步骤S100中的配电抢修数据分别得到配电故障序列P_fa和抢修人员的排序序列R_px，然后将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵，得到可调动人员到配电故障点的先后排序清单；

步骤S300：根据步骤S200中的可调动人员到配电故障点的先后排序清单，计算故障点道路拥堵情况以及可调动抢修人员情况，然后，计算故障点分配到抢修人员的若干路径，根据道路交通拥堵系数计算出抢修人员所有路径的通行时间集合，通过带权二分图最优匹配法对抢修人员进行时空全局匹配，实现配电故障点到抢修人员的最优路径分配。

为了更好地实现本发明，进一步地，所述步骤S100中，抢修人员的工作状态分为未开始和已开始两种状态，针对未开始状态的配电抢修人员优先调度；针对已开始状态的配电抢修人员，则采用TCN网络对配电抢修时间进行预测，并以预测抢修结束时间的长短进行调度排序；其中TCN网络的空洞卷积核数据H_a为：

其中：T_av为平均故障处理时长，

W_ar为停电影响范围的权重，

W_le为抢修重要程度权重，

n_a为配电故障类型分类种数，

W_l为抢修人员的劳动系数，

f为TCN网络的过滤函数；

含残差的预测抢修任务时长H_b为：

H_b＝activation(H_a+γ(H_a)) (2)

其中：γ为TCN网络的激活函数，

预测的抢修任务结束时间t_end为：

t_end＝t_be+H_b (3)

其中：抢修开始时间为t_be。

为了更好地实现本发明，进一步地，所述步骤S100中，抢修人员的工作量G_a为：

其中：T_d为单次抢修的时长，W_l为抢修人员的劳动系数，W_fl为分类故障权重系数，T_av为分类平均故障处理时长，n_b为所有的抢修人员当天已完成的总任务个数，n_c为单个抢修人员完成的任务个数，n_d为抢修的人员个数。

为了更好地实现本发明，进一步地，所述步骤S200中，抢修人员的排序序列R_px为：

其中：

G_a为抢修人员工作量，

已完成抢修任务的抢修人员数量为n_f，

未完成抢修任务的抢修人员数量为n_g，

按照希尔排序法，排序初始设置数据为k_a，

未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式(3)的预测的抢修任务结束时间t_end从短到长排序。

为了更好地实现本发明，进一步地，所述步骤S200中，配电抢修资源池的配电故障序列P_fa为：

其中：W_ar为停电影响范围的权重，

W_le为抢修重要程度权重，

n_e为配电故障资源池的故障数量；

按照希尔排序法，排序初始设置数据为k。

为了更好地实现本发明，进一步地，所述步骤S200中，所述时空分布矩阵包括停电影响范围、重要等级及地理坐标位置、可抢修人员资源排序及抢修人员的地理坐标位置；在获得配电故障序列P_fa和抢修人员的排序序列R_px后，进行时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵K_a；

其中，配电故障与抢修人员排序数据的拟合函数Z_a为：

时空分布矩阵K_a为：

其中：配电故障地理坐标为L(x_a,y_a)，

可参与调配的抢修人员总数为n_h，

已完成抢修任务的抢修人员数量为n_f，

未完成抢修任务的抢修人员数量为n_g，

n_h＝n_f+n_g，

抢修人员地理位置坐标为L(x_b,y_b)。

为了更好地实现本发明，进一步地，所述步骤S300中，根据可调动人员到配电故障点的先后排序清单，计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况：

由配电故障与抢修人员时空分布矩阵K_a，可获得可调动抢修人员到故障点的排序清单R_ab：

设抢修人员到配电故障点的交通节点个数为n_h，采用递归函数σ查找抢修人员到故障点的所有路径U_a：

抢修人员到单个配电故障点的所有的路径距离集合L_all为：

设抢修人员到配电故障点的平均速度为s_b，交通节点为式(10)的n_h，每个交通节点摄像头的平均车速为s_c，道路交通拥堵系数W_yd为：

结合道路交通拥堵系数，计算出每个路径的交通同行时间；由式(11)获得所有的路径距离集合L_all，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合S_all：

采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，由配电故障与抢修人员时空分布矩阵中得配电故障数量n_e，可调动抢修人员数量n_h；从式(13)中得抢修人员所有交通路径同行时间集合S_all，最佳的抢修人员调度策略E_sl为：

最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，将时间数值按照从大至小的顺序排列，优先调度时间数值最大的抢修人员。

本发明的有益效果：

本发明采用精确的TCN网络预测抢修人员的抢修时间，精确的得到抢修人员的工作状态排序，然后结合工作人员的工作量得到抢修人员的排序序列；根据配电故障序列与抢修人员的排序序列的时空分布拟合得到配电故障与抢修人员时空分布矩阵；进一步地考虑调度人员至故障点的时间集合，采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，得到最佳的抢修人员的调度策略。本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案，本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。

附图说明

图1为本发明的原理框图。

具体实施方式

实施例1：

一种基于时空全局匹配的配电网调度方法，包括以下步骤：

步骤S100：采集配电抢修数据，配电抢修数据包括主动报修数据、被动报修数据以及抢修人员信息；分析主动报修数据、被动报修数据得到故障类型以及所处地理位置信息，并形成配电抢修资源池；所述抢修人员信息包括抢修人员的工作状态、工作量、地理坐标的信息，采集抢修人员信息并形成抢修人员资源池；

步骤S200：处理步骤S100中的配电抢修数据分别得到配电故障序列P_fa和抢修人员的排序序列R_px，然后将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵，得到可调动人员到配电故障点的先后排序清单；

步骤S300：根据步骤S200中的可调动人员到配电故障点的先后排序清单，计算故障点道路拥堵情况以及可调动抢修人员情况，然后，计算故障点分配到抢修人员的若干路径，根据道路交通拥堵系数计算出抢修人员所有路径的通行时间集合，通过带权二分图最优匹配法对抢修人员进行时空全局匹配，实现配电故障点到抢修人员的最优路径分配。

本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案，本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。

实施例2：

本实施例是在实施例1的基础上进行优化，所述步骤S100中，抢修人员的工作状态分为未开始和已开始两种状态，针对未开始状态的配电抢修人员优先调度；针对已开始状态的配电抢修人员，则采用TCN网络对配电抢修时间进行预测，并以预测抢修结束时间的长短进行调度排序；其中TCN网络的空洞卷积核数据H_a为：

其中：T_av为平均故障处理时长，

W_ar为停电影响范围的权重，

W_le为抢修重要程度权重，

n_a为配电故障类型分类种数，

W_l为抢修人员的劳动系数，

f为TCN网络的过滤函数；

含残差的预测抢修任务时长H_b为：

H_b＝activation(H_a+γ(H_a)) (2)

其中：γ为TCN网络的激活函数，

预测的抢修任务结束时间t_end为：

t_end＝t_be+H_b (3)

其中：抢修开始时间为t_be。

进一步地，所述步骤S100中，抢修人员的工作量G_a为：

其中：T_d为单次抢修的时长，W_l为抢修人员的劳动系数，W_fl为分类故障权重系数，T_av为分类平均故障处理时长，n_b为所有的抢修人员当天已完成的总任务个数，n_c为单个抢修人员完成的任务个数，n_d为抢修的人员个数。

进一步地，所述步骤S200中，抢修人员的排序序列R_px为：

其中：

G_a为抢修人员工作量，

已完成抢修任务的抢修人员数量为n_f，

未完成抢修任务的抢修人员数量为n_g，

按照希尔排序法，排序初始设置数据为k_a，未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式(3)的预测的抢修任务结束时间t_end从短到长排序。

进一步地，所述步骤S200中，配电抢修资源池的配电故障序列P_fa为：、

其中：W_ar为停电影响范围的权重，

W_le为抢修重要程度权重，

n_e为配电故障资源池的故障数量；

按照希尔排序法，排序初始设置数据为k。

本实施例的其他部分与实施例1相同，故不再赘述。

实施例3：

本实施例是在实施例1或2的基础上进行优化，所述步骤S200中，所述时空分布矩阵包括停电影响范围、重要等级及地理坐标位置、可抢修人员资源排序及抢修人员的地理坐标位置；在获得配电故障序列P_fa和抢修人员的排序序列R_px后，进行时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵K_a。

其中，配电故障与抢修人员排序数据的拟合函数Z_a为：

时空分布矩阵K_a为：

其中：配电故障地理坐标为L(x_a,y_a)，

可参与调配的抢修人员总数为n_h，

已完成抢修任务的抢修人员数量为n_f，

未完成抢修任务的抢修人员数量为n_g，

n_h＝n_f+n_g，

抢修人员地理位置坐标为L(x_b,y_b)。

进一步地，所述步骤S300中，计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况。

由配电故障与抢修人员时空分布矩阵K_a，可获得可调动抢修人员到故障点的排序清单R_ab：

设抢修人员到配电故障点的交通节点个数为n_h，采用递归函数σ查找抢修人员到故障点的所有路径U_a：

抢修人员到单个配电故障点的所有的路径距离集合L_all为：

设抢修人员到配电故障点的平均速度为s_b，交通节点为式(10)的n_h，每个交通节点摄像头的平均车速为s_c，道路交通拥堵系数W_yd为：

结合道路交通拥堵系数，计算出每个路径的交通同行时间；由式(11)获得所有的路径距离集合L_all，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合S_all：

采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，由配电故障与抢修人员时空分布矩阵中得配电故障数量n_e，可调动抢修人员数量n_h；从式(13)中得抢修人员所有交通路径同行时间集合S_all，最佳的抢修人员调度策略E_sl为：

最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，将时间数值按照从大至小的顺序排列，优先调度时间数值最大的抢修人员。

本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案，本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。

本实施例的其他部分与上述实施例1或2相同，故不再赘述。

实施例4：

一种基于时空全局匹配的配电网调度方法，如图1所示，包括抢修数据采集、配电抢修资源池和配电抢修全局调度。

在配电抢修数据采集环节，对配电网的故障数据和抢修人员的信息进行采集汇聚。通过配电智能融合终端采集主动报修的故障，并研判出故障类型及所处地理位置信息；通过电力服务热线，记录客户电话被动报修的故障信息，并分析出故障类型及故障所在理位置信息；通过抢修人员移动作业终端采集抢修人员的工作状态、工作量和当前地理位置信息。在配电抢修资源池环节，构建配电故障与抢修人员的时空分布矩阵。在配电故障资源方面，通过延迟收集，获得足够多的配电网故障，形成配电故障资源池，以便能够更合理的分配抢修人员；在抢修人员资源方面，获取配电抢修人员的工作状态、日度工作量、所处地理位置等信息，形成可供调配的抢修人员资源池。在此基础上，将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵。在配电抢修全局调度环节，首先计算故障点道路的拥堵情况和可调动人员情况，其次，再计算故障点分配到抢修人员的多种路径，最后通过时空全局匹配，实现配电故障点到抢修人员的最优路径分配。

1.1配电抢修数据采集

(1)配电故障数据采集

配电故障数据采集主要包括通过配电智能融合终端采集的主动报修故障信息和通过电力服务热线收集的电话报修故障信息。

1)主动报修信息采集

配电网是分配电能的网络，主要由中压线路、环网柜、配电变压器、分支箱、低压线路、用电设备等构成。本发明采用配电智能融合终端采集上述设备的电气、环境、安防等特征信息。当配电网发生故障时，配电智能融合终端结合各设备之间的电气、环境、安防特性信息，对故障点的真实节点和故障类型进行研判，并记录故障所在的地理坐标位置。

2)被动报修信息采集

被动报修信息来源于用电客户拨打的电力服务热线数据。为解决单个用电客户故障报修信息描述不准确，故障产生原因及地点不清晰的问题。本方法对多个用电客户报修信息进行关联分析，从而获取故障的真实节点、故障类型、产生原因及故障所在的地理坐标位置。

通过主动报修和被动报修采集的地理坐标表示为L(x_a,y_a)，故障类型如表1所示：

表1配电故障类型表

(2)配电抢修人员数据采集

为解决配电抢修人员工作数据难量化的问题，本发明通过配电抢修人员随身携带的移动作业终端采集配电抢修人员的工作状态、工作量和当前地理位置等信息进行综合分析。

1)工作状态

配电抢修人员的工作状态分未开始和已开始两类。其中，工作状态为未开始的配电抢修人员可优先调度；工作状态为已开始的配电抢修人员，则根据已处理任务的停电影响范围、抢修重要程度、配电故障类型、平均故障类型处理时长、抢修人员劳动力系数、和抢修开始时间预测抢修结束时间，并以预测抢修结束时间的长短进行调度排序。

时间卷积网络(Temporal Convolutional Network,TCN)在处理时间序列预测上具有速度快、准确率高等特点，可用于时间维度的数据预测。

为提高配电抢修结束时间准确性，本发明采用TCN网络对配电抢修结束时间进行预测。本发明的抢修权重系数表如表2所示，设停电影响范围的权重为W_ar，抢修重要程度权重为W_le，配电故障类型分类有n_a种，平均故障处理时长为T_av，抢修人员的劳动系数为W_l，TCN网络过滤函数为f，空洞卷积核数据H_a为：

时间卷积网络TCN是现有的网络，本发明在网络的基础商，增加了停电影响范围的权重为W_ar，抢修重要程度权重为W_le，抢修人员的劳动系数为W_l，激活函数为激活TCN网络的函数，利用该函数，可以运行网络。

设TCN网络的激活函数为γ，含残差的预测抢修任务时长H_b为：

H_b＝activation(H_a+γ(H_a)) (2)

设抢修开始时间为t_be，预测的抢修任务结束时间t_end为：

t_end＝t_be+H_b (3)

H_b是抢修任务时间长度，例如1小时；t_be是开始时间，例如9：00,

t_end结束时间＝9：00+1＝10：00

表2配电抢修权重表

2)工作量

在日时间维度上，按配电故障类型、平均故障处理时长、抢修人员劳动系数、抢修人员已完成任务数、单次抢修时长等信息统计配电抢修人员的工作量。

由表2得到分类故障权重系数为W_fl，分类平均故障处理时长为T_av，抢修人员的劳动系数为W_l，设所有的抢修人员当天已完成的总任务个数为n_b，单个抢修人员完成的任务个数为n_c，抢修的人员个数为n_d，单次抢修的时长为T_d，抢修人员工作量G_a为：

3)当前地理位置

通过配电抢修移动作业终端，定位配电抢修人员当前的地理坐标位置，配电抢修人员的地理坐标位置表示为L(x_b,y_b)。

1.2配电抢修资源池

(1)配电故障资源

为解决单个配电网故障分配会造成抢修人员资源分配不合理的问题，本发明采用延迟收集，对时间范围内的配电网故障类型及故障所处的地理坐标位置进行收集，以获得足够多的配电网数量，形成配电故障资源池，以便能够更合理的分配抢修人员。

在配电故障资源排序环节，由表2得到停电影响范围的权重W_ar，抢修重要程度权重W_le，配电故障资源池的故障数量为n_e，按照希尔排序法，排序初始设置数据为k，从停电影响范围、抢修重要程度的关联进行排序，其配电故障序列P_fa为：

(2)抢修人员资源

获取配电抢修人员的工作状态、日工作量、所在地理位置等信息，并按照可分配人员进行优先排序，其中首先对未分配工作任务的抢修人员按劳动强度依次排序，已分配工作任务的抢修人员按照预测抢修结束时间长短依次排序，并形成可供调配的抢修人员资源池。

在配电抢修人员排序，由式4可得抢修人员工作量G_a，已完成抢修任务的抢修人员数量为n_f，未完成抢修任务的抢修人员数量为n_g，按照希尔排序法，排序初始设置数据为k_a，未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式3的预测的抢修任务结束时间t_end从短到长排序。其人员的排序序列R_px为：

(3)配电故障与抢修人员时空分布矩阵

将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵；矩阵包括停电影响范围、重要等级及地理坐标位置；可抢修人员资源排序及抢修人员的地理坐标位置。

在获得配电故障序列和可调配人员抢修序列后，采时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以本发明采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合。拟合函数Z_a为：

通过配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵，设配电故障地理坐标为L(x_a,y_a),可参与调配的抢修人员总数为n_h，n_h＝n_f+n_g，抢修人员地理位置坐标为L(x_b,y_b)，时空分布矩阵K_a为：

1.3配电抢修时空全局匹配调度

(1)抢修路径拥堵分析

首先根据配电故障与抢修人员时空分布矩阵获得出可调动人员到配电故障点的先后排序清单。然后计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况。

由配电故障与抢修人员时空分布矩阵K_a，可获得可调动抢修人员到故障点的排序清单R_ab：

设抢修人员到配电故障点的交通节点个数为n_h，本发明采用递归函数σ查找抢修人员到故障点的所有路径U_a：

抢修人员到单个配电故障点的所有的路径距离集合L_all为：

设抢修人员到配电故障点的平均速度为s_b，交通节点为式10的n_h，每个交通节点摄像头的平均车速为s_c，拥堵系数W_yd为：

(2)抢修路径规划分析

结合道路交通拥堵节点系数，计算出每个路径的交通同行时间。

由式11获得所有的路径距离集合L_all，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合S_all：

(3)调度抢修时空全局匹配

为解决配电故障资源和可调配抢修人员全局优化问题，本发明采用改进带权二分图最优匹配法(Karnik-Mendel,KM)，对抢修人员进行时空全局匹配。

由配电故障与抢修人员时空分布矩阵中得配电故障数量n_e，可调动抢修人员数量n_h；从式13中得抢修人员所有交通路径同行时间集合S_all，最佳的抢修人员调度策略E_sl为：

最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，最后是时间数值最大的会优先排出。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (7)

1.一种基于时空全局匹配的配电网调度方法，其特征在于，包括以下步骤：

步骤S100：采集配电抢修数据，配电抢修数据包括主动报修数据、被动报修数据以及抢修人员信息；分析主动报修数据、被动报修数据得到故障类型以及所处地理位置信息，并形成配电抢修资源池；所述抢修人员信息包括抢修人员的工作状态、工作量、地理坐标的信息，采集抢修人员信息并形成抢修人员资源池；

步骤S200：处理步骤S100中的配电抢修数据分别得到配电故障序列P_fa和抢修人员的排序序列R_px，然后将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵，得到可调动人员到配电故障点的先后排序清单；

步骤S300：根据步骤S200中的可调动人员到配电故障点的先后排序清单，计算故障点道路拥堵情况以及可调动抢修人员情况，然后，计算故障点分配到抢修人员的若干路径，根据道路交通拥堵系数计算出抢修人员所有路径的通行时间集合，通过带权二分图最优匹配法对抢修人员进行时空全局匹配，实现配电故障点到抢修人员的最优路径分配。

2.根据权利要求1所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S100中，抢修人员的工作状态分为未开始和已开始两种状态，针对未开始状态的配电抢修人员优先调度；针对已开始状态的配电抢修人员，则采用TCN网络对配电抢修时间进行预测，并以预测抢修结束时间的长短进行调度排序；其中TCN网络的空洞卷积核数据H_a为：

其中：T_av为平均故障处理时长，

W_ar为停电影响范围的权重，

W_le为抢修重要程度权重，

n_a为配电故障类型分类种数，

W_l为抢修人员的劳动系数，

f为TCN网络的过滤函数；

含残差的预测抢修任务时长H_b为：

H_b＝activation(H_a+γ(H_a)) (2)

其中：γ为TCN网络的激活函数，

预测的抢修任务结束时间t_end为：

t_end＝t_be+H_b (3)

其中：抢修开始时间为t_be。

3.根据权利要求2所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S100中，抢修人员的工作量G_a为：

其中：T_d为单次抢修的时长，

W_l为抢修人员的劳动系数，

W_fl为分类故障权重系数，

T_av为分类平均故障处理时长，

n_b为所有的抢修人员当天已完成的总任务个数，

n_c为单个抢修人员完成的任务个数，

n_d为抢修的人员个数。

4.根据权利要求3所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S200中，抢修人员的排序序列R_px为：

其中：

G_a为抢修人员工作量，

已完成抢修任务的抢修人员数量为n_f，

未完成抢修任务的抢修人员数量为n_g，

按照希尔排序法，排序初始设置数据为k_a，

未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式(3)的预测的抢修任务结束时间t_end从短到长排序。

5.根据权利要求1所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S200中，配电抢修资源池的配电故障序列P_fa为：

其中：W_ar为停电影响范围的权重，

W_le为抢修重要程度权重，

n_e为配电故障资源池的故障数量；

按照希尔排序法，排序初始设置数据为k。

6.根据权利要求1-5任一项所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S200中，所述时空分布矩阵包括停电影响范围、重要等级及地理坐标位置、可抢修人员资源排序及抢修人员的地理坐标位置；在获得配电故障序列P_fa和抢修人员的排序序列R_px后，进行时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵K_a；

其中，配电故障与抢修人员排序数据的拟合函数Z_a为：

时空分布矩阵K_a为：

其中：配电故障地理坐标为L(x_a,y_a)，

可参与调配的抢修人员总数为n_h，

已完成抢修任务的抢修人员数量为n_f，

未完成抢修任务的抢修人员数量为n_g，

n_h＝n_f+n_g，

抢修人员地理位置坐标为L(x_b,y_b)。

7.根据权利要求6所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S300中，计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况：

由配电故障与抢修人员时空分布矩阵K_a，可获得可调动抢修人员到故障点的排序清单R_ab：

设抢修人员到配电故障点的交通节点个数为n_h，采用递归函数σ查找抢修人员到故障点的所有路径U_a：

抢修人员到单个配电故障点的所有的路径距离集合L_all为：

设抢修人员到配电故障点的平均速度为S_b，交通节点为式(10)的n_h，每个交通节点摄像头的平均车速为S_c，道路交通拥堵系数W_yd为：

结合道路交通拥堵系数，计算出每个路径的交通同行时间；由式(11)获得所有的路径距离集合L_all，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合S_all：

采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，由配电故障与抢修人员时空分布矩阵中得配电故障数量n_e，可调动抢修人员数量n_h；从式(13)中得抢修人员所有交通路径同行时间集合S_all，最佳的抢修人员调度策略E_sl为：

最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，将时间数值按照从大至小的顺序排列，优先调度时间数值最大的抢修人员。

Images