CN113191575A - 配电网检修停电方式的优化方法、装置、终端和存储介质 - Google Patents
配电网检修停电方式的优化方法、装置、终端和存储介质 Download PDFInfo
- Publication number
- CN113191575A CN113191575A CN202110669995.0A CN202110669995A CN113191575A CN 113191575 A CN113191575 A CN 113191575A CN 202110669995 A CN202110669995 A CN 202110669995A CN 113191575 A CN113191575 A CN 113191575A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power failure
- power distribution
- power
- data
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims abstract description 7
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (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
本发明公开了一种电网检修停电方式的优化方法、装置、终端和存储介质,包括:对配电网区域内的历史负荷数据进行预处理,并将预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;获取配电网区域内的实时负荷数据,并将实时数据通过负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;建立多目标停电方式优化模型,并结合负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;将Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案;本发明通过多目标优化获得一组最优解,便于决策者综合考虑、灵活权衡,选择并实施最佳停电方案。
Description
技术领域
本发明涉及停电方式优化技术领域,特别是涉及一种电网检修停电方式的优化方法、装置、终端和存储介质。
背景技术
我国各地用电负荷呈快速增长趋势,但部分地区的输电网建设相对落后,供电设备常处于满载或超载运行状态,易导致故障的发生。因此在日常调度中,有必要通过设备的停电检修来减少电网的运行风险。同时,由于设备的停电检修会降低部分区域供电可靠性,且对应着一定的费用支出和经济损失,因此有必要科学、统筹优化设备的停电检修计划,达到降风险、增效益的目标。
目前,国内外关于电网检修计划优化问题的研究逐渐从发输电侧转移到配电侧,并提出了诸多数学模型。一般地,所使用的目标函数集中在使用经济性指标、可靠性指标或实用性指标。当使用多个指标时,通过明确或隐式添加权重系数将其转换了单目标优化问题,此时权重系数的选择易对优化结果产生不符预期的影响。
发明内容
本发明的目的是:提供一种配电网检修停电方式的优化方法、装置、终端和存储介质,通过Elman神经网络负荷预测模型获得检修窗口期的负荷时序值,并应用于多目标优化模型的求解,提供满足要求的检修停电方案集供决策者选择。
为了实现上述目的,本发明提供了一种配电网检修停电方式的优化方法,包括:
获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据;
将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;
获取配电网区域内的实时负荷数据,并将所述实时负荷数据通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
建立多目标停电方式优化模型,并结合所述负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;
将所述Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案。
进一步地,所述获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据,包括:
获取配电网各节点的历史负荷数据,并对所述历史负荷数据进行去除噪声、修正错误数据和归一化处理,获得处理后的历史负荷数据。
进一步地,所述归一化处理,采用如下计算公式:
进一步地,所述将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型,采用如下计算公式:
y(k)=.g(w1x1(k)+w2x2(k))
x1(k)=f(w3xc1(k)+w4(u1(k-1)))
xc1(k)=x1(k-1)
x2(k)=f(w5xc2(k)+w6(u2(k-1)))
xc2(k)=x2(k-1)
式中,k为时间序列编号,g为输出层函数;f为隐含层函数;y(k)表示k时刻的输出数据;x1(k)表示k时刻隐含层1的输出;x2(k)表示k时刻隐含层2的输出;xc1(k)表示k时刻承接层1的输出;xc2(k)表示k时刻承接层2的输出;u1(k)表示k时刻输入层1的输入;u2(k)表示k时刻输入层2的输入;w1为隐含层1与输出层的连接权值;w2为隐含层2与输出层的连接权值;w3为隐含层1与承接层1的连接权值;w4为隐含层1与承接层2的连接权值;w5为隐含层2与承接层1的连接权值;w6为隐含层2与承接层2的连接权值。
进一步地,所述多目标停电方式优化模型,包括:最小化停电引起的供电可靠性的降低程度和最小化检修停电成本,其中,
所述最小化停电引起的供电可靠性的降低程度,采用如下计算公式:
所述最小化检修停电成本,采用如下计算公式:
式中,Li为第i个设备停电造成单位时间电费损失;Ti为第i个设备停电持续时间;Ri为第i个设备检修费用。
进一步地,所述多目标停电方式优化模型,包括:电网安全的约束条件、检修关系的约束条件和检修资源的约束条件。
进一步地,所述电网安全约束条件,包括:节点电压的约束条件和线路潮流的约束条件,其中,
所述节点电压的约束条件,采用如下计算公式:
Ui,min≤Ui≤Ui,max
式中,Ui为节点i的电压,Ui,min、Ui,max为节点i的电压的下限和上限;
所述线路潮流的约束条件,采用如下计算公式:
|Pl|≤Pl,max
式中,Pl为线路的潮流值,Pl,max为线路允许通过的潮流限值;
所述检修关系的约束条件,包括:互斥检修的约束条件和同时检修的约束条件,其中,
所述互斥检修的约束条件,采用如下计算公式:
sj-si>ti+1
式中,si、sj为存在检修冲突的设备i、j的检修起始时间,si<sj,ti为设备i的检修持续时间;
所述同时检修的约束条件,采用如下计算公式:
si=sj
式中,si、sj为需安排同时检修的设备i、j的检修起始时间;
所述检修资源的约束条件,采用如下计算公式:
式中,N为区域内的设备总数,zi(t)为设备i在t时刻安排的检修工作量,Z(t)为t时刻可安排的检修工作量上限。
本发明还提供一种配电网检修停电方式的优化装置,包括:数据处理模块、数据训练模块、负荷预测模块、最优解模块和决策模块,其中,
所述数据处理模块,用于获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据;
所述数据训练模块,用于将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;
所述负荷预测模块,用于获取配电网区域内的实时负荷数据,并将所述实时负荷数据通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
所述最优解模块,用于建立多目标停电方式优化模型,并结合所述负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;
所述决策模块,用于将所述Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案。
本发明还提供一种计算机终端设备,包括:一个或多个处理器;存储器,与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一项所述的配电网检修停电方式的优化方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的配电网检修停电方式的优化方法。
本发明实施例一种配电网检修停电方式的优化方法、装置、终端和存储介质与现有技术相比,其有益效果在于:
1、本发明通过负荷预测估计停电损失,能够使检修停电方案更准确地反映电网实际状态,更易于满足电网的可靠性、经济性要求;
2、本发明通过多目标优化获得一组最优解,便于决策者综合考虑、灵活权衡,选择并实施最佳停电方案。
附图说明
图1是本发明提供的一种配电网检修停电方式的优化方法的流程示意图;
图2是本发明提供的配电网检修停电方式的优化装置的结构示意图。
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作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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如图1所示,本发明的一种配电网检修停电方式的优化方法,至少包括如下步骤:
S1、获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据;
具体地,获取配电网各节点的历史负荷数据,并对所述历史负荷数据进行去除噪声、修正错误数据和归一化处理,获得处理后的历史负荷数据。
在本发明的某一实施例中,所述归一化处理,采用如下计算公式:
S2、将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;
具体地,所述将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型,采用如下计算公式:
y(k)=g(w1x1(k)+w2x2(k))
x1(k)=f(w3xc1(k)+w4(u1(k-1)))
xc1(k)=x1(k-1)
x2(k)=f(w5xc2(k)+w6(u2(k-1)))
xc2(k)=x2(k-1)
式中,k为时间序列编号,g为输出层函数;f为隐含层函数;y(k)表示k时刻的输出数据;x1(k)表示k时刻隐含层1的输出;x2(k)表示k时刻隐含层2的输出;xc1(k)表示k时刻承接层1的输出;xc2(k)表示k时刻承接层2的输出;u1(k)表示k时刻输入层1的输入;u2(k)表示k时刻输入层2的输入;w1为隐含层1与输出层的连接权值;w2为隐含层2与输出层的连接权值;w3为隐含层1与承接层1的连接权值;w4为隐含层1与承接层2的连接权值;w5为隐含层2与承接层1的连接权值;w6为隐含层2与承接层2的连接权值。
S3、获取配电网区域内的实时负荷数据,并将所述实时负荷数据通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
具体地,获取配电网区域内的实时负荷数据,并对所述数据经过预处理后,通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
S4、建立多目标停电方式优化模型,并结合所述负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;
具体地,所述多目标停电方式优化模型,包括:电网安全的约束条件、检修关系的约束条件和检修资源的约束条件。
需要说明的是,所述节点电压的约束条件,采用如下计算公式:
Ui,min≤Ui≤Ui,max
式中,Ui为节点i的电压,Ui,min、Ui,max为节点i的电压的下限和上限;
所述线路潮流的约束条件,采用如下计算公式:
|Pl|≤Pl,max
式中,Pl为线路的潮流值,Pl,max为线路允许通过的潮流限值;
所述检修关系的约束条件,包括:互斥检修的约束条件和同时检修的约束条件,其中,
所述互斥检修的约束条件,采用如下计算公式:
sj-si>ti+1
式中,si、sj为存在检修冲突的设备i、j的检修起始时间,si<sj,ti为设备i的检修持续时间;
所述同时检修的约束条件,采用如下计算公式:
si=sj
式中,si、sj为需安排同时检修的设备i、j的检修起始时间;
所述检修资源的约束条件,采用如下计算公式:
式中,N为区域内的设备总数,zi(t)为设备i在t时刻安排的检修工作量,Z(t)为t时刻可安排的检修工作量上限。
需要说明的是,所述Pareto最优解集,即一系列满足要求的检修停电方案,其形式如下:
S5、将所述Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案。
具体地,绘制直角坐标图,横坐标和纵坐标分别为最小化停电引起的供电可靠性的降低程度和最小化检修停电成本的值,将每个Pareto最优解标注在图中,并分别列出各最优解的具体检修停电方案,供决策者综合权衡并选择最佳方案。
本发明实施例提供的一种配电网检修停电方式的优化方法与现有技术相比,其有益效果在于:
1、本发明通过负荷预测估计停电损失,能够使检修停电方案更准确地反映电网实际状态,更易于满足电网的可靠性、经济性要求;
2、本发明通过多目标优化获得一组最优解,便于决策者综合考虑、灵活权衡,选择并实施最佳停电方案。
如图2所示,本发明还提供一种配电网检修停电方式的优化装置200,包括:数据处理模块201、数据训练模块202、负荷预测模块203、最优解模块204和决策模块205,其中,
所述数据处理模块201,用于获取配电网区域内历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据;
所述数据训练模块202,用于将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;
所述负荷预测模块203,用于获取配电网区域内实时负荷数据,并将所述实时负荷数据通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
所述最优解模块204,用于建立多目标停电方式优化模型,并结合所述负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;
所述决策模块205,用于将所述Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案。
本发明还提供一种计算机终端设备,包括:一个或多个处理器;存储器,与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一项所述的配电网检修停电方式的优化方法。
需要说明的是,所述处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMediaCard,SMC)、安全数字(SecureDigital,SD)卡和闪存卡(FlashCard)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的配电网检修停电方式的优化方法。
需要说明的是,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种配电网检修停电方式的优化方法,其特征在于,包括:
获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据;
将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;
获取配电网区域内的实时负荷数据,并将所述实时负荷数据通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
建立多目标停电方式优化模型,并结合所述负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;
将所述Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案。
2.根据权利要求1所述的配电网检修停电方式的优化方法,其特征在于,所述获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据,包括:
获取配电网各节点的历史负荷数据,并对所述历史负荷数据进行去除噪声、修正错误数据和归一化处理,获得处理后的历史负荷数据。
4.根据权利要求1所述的配电网检修停电方式的优化方法,其特征在于,所述将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型,采用如下计算公式:
y(k)=g(w1x1(k)+w2x2(k))
x1(k)=f(w3xc1(k)+w4(u1(k-1)))
xc1(k)=x1(k-1)
x2(k)=f(w5xc2(k)+w6(u2(k-1)))
xc2(k)=x2(k-1)
式中,k为时间序列编号,g为输出层函数;f为隐含层函数;y(k)表示k时刻的输出数据;x1(k)表示k时刻隐含层1的输出;x2(k)表示k时刻隐含层2的输出;xc1(k)表示k时刻承接层1的输出;xc2(k)表示k时刻承接层2的输出;u1(k)表示k时刻输入层1的输入;u2(k)表示k时刻输入层2的输入;w1为隐含层1与输出层的连接权值;w2为隐含层2与输出层的连接权值;w3为隐含层1与承接层1的连接权值;w4为隐含层1与承接层2的连接权值;w5为隐含层2与承接层1的连接权值;w6为隐含层2与承接层2的连接权值。
6.根据权利要求5所述的配电网检修停电方式的优化方法,其特征在于,所述多目标停电方式优化模型,包括:电网安全的约束条件、检修关系的约束条件和检修资源的约束条件。
7.根据权利要求6所述的配电网检修停电方式的优化方法,其特征在于,所述电网安全约束条件,包括:节点电压的约束条件和线路潮流的约束条件,其中,
所述节点电压的约束条件,采用如下计算公式:
Ui,min≤Ui≤Ui,max
式中,Ui为节点i的电压,Ui,min、Ui,max为节点i的电压的下限和上限;
所述线路潮流的约束条件,采用如下计算公式:
|Pl|≤Pl,max
式中,Pl为线路的潮流值,Pl,max为线路允许通过的潮流限值;
所述检修关系的约束条件,包括:互斥检修的约束条件和同时检修的约束条件,其中,
所述互斥检修的约束条件,采用如下计算公式:
sj-si>ti+1
式中,si、sj为存在检修冲突的设备i、j的检修起始时间,si<sj,ti为设备i的检修持续时间;
所述同时检修的约束条件,采用如下计算公式:
si=sj
式中,si、sj为需安排同时检修的设备i、j的检修起始时间;
所述检修资源的约束条件,采用如下计算公式:
式中,N为区域内的设备总数,zi(t)为设备i在t时刻安排的检修工作量,Z(t)为t时刻可安排的检修工作量上限。
8.一种配电网检修停电方式的优化装置,其特征在于,包括:数据处理模块、数据训练模块、负荷预测模块、最优解模块和决策模块,其中,
所述数据处理模块,用于获取配电网区域内的历史负荷数据,并对所述历史负荷数据进行预处理,获得预处理后的历史负荷数据;
所述数据训练模块,用于将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练,获得配电网区域的负荷预测模型;
所述负荷预测模块,用于获取配电网区域内的实时负荷数据,并将所述实时负荷数据通过所述负荷预测模型进行预测,获得配电网区域内检修窗口期的负荷预测值;
所述最优解模块,用于建立多目标停电方式优化模型,并结合所述负荷预测值和电网参数,通过多目标粒子群优化,获得Pareto最优解集;
所述决策模块,用于将所述Pareto最优解集和各最优解的方案进行图表可视化处理,供决策者确定配电网检修停电方式的方案。
9.一种计算机终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7任一项所述的配电网检修停电方式的优化方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的配电网检修停电方式的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669995.0A CN113191575B (zh) | 2021-06-16 | 2021-06-16 | 配电网检修停电方式的优化方法、装置、终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669995.0A CN113191575B (zh) | 2021-06-16 | 2021-06-16 | 配电网检修停电方式的优化方法、装置、终端和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191575A true CN113191575A (zh) | 2021-07-30 |
CN113191575B CN113191575B (zh) | 2024-01-23 |
Family
ID=76976507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669995.0A Active CN113191575B (zh) | 2021-06-16 | 2021-06-16 | 配电网检修停电方式的优化方法、装置、终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191575B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113962429A (zh) * | 2021-09-03 | 2022-01-21 | 华南理工大学 | 一种求解负荷置换的优化方法、系统、装置及介质 |
CN114285032A (zh) * | 2021-12-23 | 2022-04-05 | 广东电网有限责任公司 | 配电网线路负荷峰值预测方法、装置、计算机设备及介质 |
CN114418292A (zh) * | 2021-12-14 | 2022-04-29 | 国电南瑞南京控制系统有限公司 | 一种系统级停电检修计划标准工期计算体系的构建方法 |
CN116596512A (zh) * | 2023-05-22 | 2023-08-15 | 湖北华中电力科技开发有限责任公司 | 一种基于信息系统的电力运维安全强化方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140081704A1 (en) * | 2012-09-15 | 2014-03-20 | Honeywell International Inc. | Decision support system based on energy markets |
CN109117570A (zh) * | 2018-08-24 | 2019-01-01 | 国网安徽省电力有限公司岳西县供电公司 | 一种基于分布式光伏的配电网检修优化方法 |
CN111898799A (zh) * | 2020-06-24 | 2020-11-06 | 南京理工大学 | 一种基于BFA-Elman的电力负荷预测方法 |
CN112232542A (zh) * | 2020-08-19 | 2021-01-15 | 周宁 | 基于负荷预测的电网检修方式辅助生成系统 |
CN112418950A (zh) * | 2020-12-08 | 2021-02-26 | 江苏科技大学 | 计及光伏的微电网短期负荷预测及控制方法 |
-
2021
- 2021-06-16 CN CN202110669995.0A patent/CN113191575B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140081704A1 (en) * | 2012-09-15 | 2014-03-20 | Honeywell International Inc. | Decision support system based on energy markets |
CN109117570A (zh) * | 2018-08-24 | 2019-01-01 | 国网安徽省电力有限公司岳西县供电公司 | 一种基于分布式光伏的配电网检修优化方法 |
CN111898799A (zh) * | 2020-06-24 | 2020-11-06 | 南京理工大学 | 一种基于BFA-Elman的电力负荷预测方法 |
CN112232542A (zh) * | 2020-08-19 | 2021-01-15 | 周宁 | 基于负荷预测的电网检修方式辅助生成系统 |
CN112418950A (zh) * | 2020-12-08 | 2021-02-26 | 江苏科技大学 | 计及光伏的微电网短期负荷预测及控制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962429A (zh) * | 2021-09-03 | 2022-01-21 | 华南理工大学 | 一种求解负荷置换的优化方法、系统、装置及介质 |
CN113962429B (zh) * | 2021-09-03 | 2024-04-05 | 华南理工大学 | 一种求解负荷置换的优化方法、系统、装置及介质 |
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 |
CN114418292A (zh) * | 2021-12-14 | 2022-04-29 | 国电南瑞南京控制系统有限公司 | 一种系统级停电检修计划标准工期计算体系的构建方法 |
CN114285032A (zh) * | 2021-12-23 | 2022-04-05 | 广东电网有限责任公司 | 配电网线路负荷峰值预测方法、装置、计算机设备及介质 |
CN114285032B (zh) * | 2021-12-23 | 2024-05-03 | 广东电网有限责任公司 | 配电网线路负荷峰值预测方法、装置、计算机设备及介质 |
CN116596512A (zh) * | 2023-05-22 | 2023-08-15 | 湖北华中电力科技开发有限责任公司 | 一种基于信息系统的电力运维安全强化方法和系统 |
CN116596512B (zh) * | 2023-05-22 | 2024-05-10 | 湖北华中电力科技开发有限责任公司 | 一种基于信息系统的电力运维安全强化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113191575B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113191575A (zh) | 配电网检修停电方式的优化方法、装置、终端和存储介质 | |
CN109447510B (zh) | 基于scuc的中长期电量安全校核方法、装置及系统 | |
Chen et al. | Stochastic optimization of wind turbine power factor using stochastic model of wind power | |
CN107491867B (zh) | 一种用于多周期发输变检修计划的安全校核及评估方法 | |
Mohammadi et al. | Allocation of centralized energy storage system and its effect on daily grid energy generation cost | |
Kamarposhti et al. | Effect of wind penetration and transmission line development in order to reliability and economic cost on the transmission system connected to the wind power plant | |
CN113159341A (zh) | 融合深度强化学习和专家经验的配电网辅助决策方法及系统 | |
CN110783950B (zh) | 一种配电网节点光伏最佳配置容量确定方法 | |
CN110739690A (zh) | 考虑电动汽车快充站储能设施的配电网优化调度方法及系统 | |
CN113626767B (zh) | 一种风机限电识别方法、系统、设备和存储介质 | |
CN112365090A (zh) | 一种基于深度学习的非入侵式用电负荷识别方法及装置 | |
CN113689068B (zh) | 一种电力电量平衡规划方法、装置及终端设备 | |
CN110866647A (zh) | 用户侧储能控制方法、装置、设备及存储介质 | |
Krad et al. | An assessment of flexibility reserves in stochastic modeling at multiple timescales | |
Faranda et al. | SCADA system for optimization of energy exchange with the BESS in a residential case | |
CN112053193A (zh) | 基于可调整电价的发电管理方法、装置、设备及存储介质 | |
CN116488149A (zh) | 微电网发电策略确定方法、装置以及微电网 | |
CN113129168B (zh) | 电力台区的线损确定方法、装置及终端设备 | |
CN109995094A (zh) | 一种交直流混合微电网的规划方法及系统 | |
CN113139271B (zh) | 聚合资源建模方法及装置、电子设备及存储介质 | |
CN111932138A (zh) | 一种基于高斯混合模型和期望极大算法的居民用电行为分析的系统及方法 | |
CN110401210A (zh) | 需求响应参与下风电储能系统调度方法 | |
CN113162124B (zh) | 新能源集中并网节点出力优化方法、装置、设备及介质 | |
CN118157188B (zh) | 一种基于工商业储能的需量控制方法及系统 | |
CN113572162A (zh) | 新能源汇集区的电压滚动预测方法、装置、终端及介质 |
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 |