CN113239547A - 一种基于tlbo算法的核心骨干网架构建方法 - Google Patents

Abstract

本发明涉及电力系统差异化规划技术，具体涉及一种基于TLBO算法的核心骨干网架构建方法，分别基于风险理论和复杂网络理论构建支路和节点重要度评估指标体系，基于熵权‑TOPSIS法计算各指标权重；计算元件重要度并进行排序，基于最小斯坦纳树将所有重要负荷节点连通；以新能源出力收益与核心骨干网架运行风险比最大为目标函数构建机组优化配置模型，采用改进二进制TLBO算法进行求解，得到核心骨干网架构建方案。该方法为核心骨干网架的构建拓展新的思路，为电网规划部门制定差异化规划方案提供参考，有利于提升电力系统在大规模新能源接入趋势下的适应性。

Description

一种基于TLBO算法的核心骨干网架构建方法

技术领域

本发明属于电力系统差异化规划技术领域，特别涉及一种基于TLBO算法的核心骨干网架构建方法。

背景技术

差异化规划设计的目的是在重大自然灾害发生时能保障对重要负荷的持续供电，差异化规划的核心内容是核心骨干网架的构建。近年来，由于大规模新能源接入电力系统，电力系统在“源”、“荷”两端的不确定性显著提升，系统稳定运行受到极大挑战，关键支路、节点难以辨别增加核心骨干网架的构建难度。核心骨干网架的构建属于非线性、不连续的优化问题，依赖于人工智能算法，基于教与学的优化算法(TLBO)作为人工智能算法领域的一种新型群智能算法，在各工程领域取得了良好的效果。其具备算法简单、设置参数少、搜索能力强等优点。但传统的TLBO算法存在不能处理二进制规划、搜索速度慢等问题，需要进行一定改进。基于TLBO算法的核心骨干网架构建方法，对于增强电网在大规模新能源接入后的抗灾能力、保障电网在严重自然灾害下的安全可靠运行意义重大。

发明内容

针对背景技术存在的问题，本发明提供一种基于TLBO算法的核心骨干网架构建方法。

为解决上述技术问题，本发明采用如下技术方案：一种基于TLBO算法的核心骨干网架构建方法，包括以下步骤：

步骤1、分别基于风险理论和复杂网络理论，构建支路和节点重要度评估指标体系；

步骤2、基于熵权-TOPSIS法计算各指标权重；

步骤3、分别计算支路和节点重要度，对元件重要度进行排序；

步骤4、基于最小斯坦纳树将所有重要负荷节点连通；

步骤5、以新能源出力收益与核心骨干网架运行风险比最大为目标函数，构建机组优化配置模型；

步骤6、基于改进二进制TLBO算法对构建的模型进行求解，得到核心骨干网架构建方案。

在上述基于TLBO算法的核心骨干网架构建方法中，步骤1的实现包括：

步骤1.1、支路重要度评估指标体系包括四个单一支路风险指标，分别为节点电压越限风险、线路有功越限风险、切负荷风险和新能源损失风险指标；

步骤1.1.1、节点电压越限风险指标R_OV：

节点电压越限风险为系统不确定造成的电压波动情况，设电压标幺值在0.95-1.05范围内均满足稳定运行的要求，则该指标的计算公式如下：

式中，N为抽样总次数；n为节点总数；S(u_ik)为第k次抽样节点i电压越限严重度；u_ik为第k次抽样的节点i电压标幺值；

步骤1.1.2、线路有功越限风险指标R_LO：

该指标描述系统不确定性造成的线路有功越限情况，计算公式如下：

式中，M为系统所有的支路集合；

为线路ij的有功潮流样本矩阵中，超过该线路可承受的最大有功功率的次数，N为线路ij的有功潮流样本总数；P_ij,k为线路实际有功功率，P_ij,max为支路潮流允许最大值，二者均取标幺值；

步骤1.1.3、切负荷风险指标R_LC：

该指标描述线路潮流越限造成的切负荷情况，计算公式如下：

R_LC＝P_LC·S_evLC

步骤1.1.4、新能源弃电风险指标R_NC：

该指标描述发电过剩造成的弃风弃光现象，计算公式如下：

R_NC＝P_NC·S_evNC

式中，U_P,k为第k个抽样状态时系统电源损失状态，为0-1变量，取1时，代表需要弃风或弃光，取0时，代表无需弃风或弃光；N为抽样总次数，N_necut为N次抽样中需要弃风、弃光的次数；P_newcut,k为第k个抽样时刻需切除的风、光等新能源发电量，本发明的新能源弃电量规定为系统总切负荷量与新能源渗透率的乘积；P_new,k为第k个抽样时刻的新能源总发电量；

步骤1.2、节点重要度评估指标体系包括三个单一节点重要度指标，分别为改进节点度指标、最短路径和指标和节点介数指标；

步骤1.2.1、改进节点度指标D_1i：

改进节点度为与该节点相连支路重要度之和，计算公式如下：

式中，

为与节点i相连的节点集合；R_ik为节点i和k之间所连接的支路重要度大小；

步骤1.2.2、最短路径和指标D_2i：

最短路径和指标D_2i的计算公式如下：

式中，L_ik为节点i和k之间的最短路径，V为所有节点的集合；

步骤1.2.3、节点介数指标D_3i：

节点介数表示为经过该节点的最短路径数目占所有最短路径数目的比例；介数指标可以间接反映潮流流动方向，当介数越大时，节点在潮流流动中的位置和作用越大；节点介数指标D_3i的计算公式如下：

式中，L_i为经过节点i的最短路径数目；L_∑为所有最短路径数目之和。

在上述基于TLBO算法的核心骨干网架构建方法中，步骤2的实现包括：

步骤2.1、根据决策矩阵Y＝(y_ij)_m×n和熵权法确定的权向量W构造加权的决策矩阵：

Z＝YW＝(z_ij)_m×n；

步骤2.2、确定理想解Z⁺和负理想解Z^-：

Z⁺＝max{z_ij}

Z^-＝min{z_ij}；

步骤2.3、计算各评价对象到理想解和负理想解之间的距离：

步骤2.4、计算各评价对象的相对贴近度C_i并排序：

在上述基于TLBO算法的核心骨干网架构建方法中，步骤3的实现包括：

步骤3.1、支路重要度通过支路断开后系统整体风险水平反映，构建综合风险为各部分风险指标值与指标权重乘积的和，即支路i的重要度，计算公式如下：

式中，R_i为第i条支路的重要度；R_ij为第i条支路断开后的第j个风险指标，w_j为其对应的权重值；

步骤3.2、节点重要度计算公式如下：

式中，D_i为第i个节点的重要度；D_ij为第i个节点的第j个重要度指标，w_j为其对应的权重值。

在上述基于TLBO算法的核心骨干网架构建方法中，步骤4所述最小斯坦纳树为将指定的节点连通且边权总和最小的生成树，具体步骤为对支路、节点重要度负向化后，通过重要度大的支路、节点将重要负荷节点连通。

在上述基于TLBO算法的核心骨干网架构建方法中，步骤5的目标函数为：

式中，R为核心骨干网架运行风险，核心骨干网架经线路加强后只考虑网络电压偏移作为运行风险，以N次概率潮流平均值衡量；B为新能源发电收益，取N次概率潮流平均值，其中C₁为火电发电成本，B_e为环境收益；L_T为传统电源发电量；a、b和c分别为火电燃料成本系数；d为环境成本系数；α为调节系数；约束条件分别为潮流等式约束方程和潮流不等式约束方程。

在上述基于TLBO算法的核心骨干网架构建方法中，步骤6的所述改进二进制TLBO算法的具体步骤包括：

步骤6.1、输入所构建的连通所有重要负荷节点的网架参数和原始网架参数，设置TLBO算法参数，随机生产初始种群P；TLBO算法的控制参数设置为：精英个体数ES＝3，最大迭代次数k＝300，种群规模N＝100；

步骤6.2、以目标函数值为个体成绩，根据输入原始数据计算初始种群P中各个学生的成绩，选取最优个体作为教师；

步骤6.3、分别进行“教”与“学”阶段，并更新班级中个体的成绩；

“教”阶段的更新公式如下：

“学”阶段的更新公式如下：

在每次“教”与“学”阶段后，对班级中个体的成绩进行更新，更新公式如下：

步骤6.4、引入精英个体保留策略，变异机制来增强教与学优化算法的搜索能力；在每次“教”与“学”阶段完成后，将班级中最优的ES个个体替换班级中最差的ES个个体；对班级中相同的个体的随机一位变量进行0-1取反的变异操作；

步骤6.5、判断是否满足结束迭代条件，如满足则输出最优机组配置，不满足则返回步骤6.3。

与现有技术相比，本发明的有益效果：1.本发明以元件重要度为权重，并根据最小斯坦纳树连通所有重要负荷，有利于降低核心骨干网架构建问题的复杂度，为核心骨干网架的构建提供新的思路。2.本发明引入精英个体保留策略和相同个体变异策略对TLBO算法进行改进，有利于加快TLBO算法的收敛，避免TLBO算法陷入局部最优，求解结果更加准确可靠。3.本发明降低了核心骨干网架构建的变量维度，有利于提升核心骨干网架构建的速度和精度，可以延伸应用到较大规模的电力系统差异化规划中。

附图说明

图1是本发明一个实施例提供的核心骨干网架构建方法流程图；

图2是本发明一个实施例提供的核心骨干网架构建方法步骤示意图；

图3是本发明一个实施例提供的元件重要度评估指标体系示意图；

图4是本发明一个实施例提供的TLBO算法求解机组优化配置模型流程图。

具体实施方式

下面将结合本发明实施例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的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。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。

在大规模新能源接入电力系统的背景下，系统稳定运行受到极大挑战，关键支路、节点难以辨别，核心骨干网架的构建难度增加，因此本实施例提出基于TLBO算法的核心骨干网架构建方法。该方法首先分别基于风险理论和复杂网络理论构建支路和节点重要度评估指标体系，基于熵权-TOPSIS法计算各指标权重；其次，计算元件重要度并进行排序，基于最小斯坦纳树将所有重要负荷节点连通；最后，以新能源出力收益与核心骨干网架运行风险比最大为目标函数构建机组优化配置模型，采用改进二进制TLBO算法进行求解，得到核心骨干网架构建方案。综合考虑新能源接入对电网收益和风险的影响，引入TLBO算法对核心骨干网架构建方法进行重组和改进，可以为核心骨干网架的构建拓展新的思路，为电网规划部门制定差异化规划方案提供参考，有利于提升电力系统在大规模新能源接入趋势下的适应性。

本实施例是通过以下技术方案来实现的，一种基于TLBO算法的核心骨干网架构建方法，包括以下步骤：

S1、分别基于风险理论和复杂网络理论，构建支路和节点重要度评估指标体系；

S2、基于熵权-TOPSIS法计算各指标权重；

S3、分别计算支路和节点重要度，对元件重要度进行排序；

S4、基于最小斯坦纳树将所有重要负荷节点连通；

S5、以新能源出力收益与核心骨干网架运行风险比最大为目标函数，构建机组优化配置模型；

S6、基于改进二进制TLBO算法对构建的模型进行求解，得到核心骨干网架构建方案。

而且，支路重要度评估指标体系包括四个单一支路风险指标，分别为节点电压越限风险、线路有功越限风险、切负荷风险和新能源损失风险指标；节点重要度评估指标体系包括三个单一节点重要度指标，分别为改进节点度指标、最短路径和指标和节点介数指标。

而且，单一支路风险指标通过该支路直接退运后电网的潮流变化计算，节点电压越限风险描述系统不确定造成的电压波动情况，线路有功越限风险描述系统不确定性造成的线路有功越限情况，切负荷风险描述线路潮流越限造成的切负荷情况，新能源损失风险指标描述了发电过剩造成的弃风、弃光现象；所述的单一节点重要度指标通过电气网络的拓扑特性计算，改进节点度指标描述与某节点所连支路重要度之和的大小，最短路径和指标描述某节点在网络的中心性，节点介数指标间接描述潮流流动方向。

而且，熵权-TOPSIS法的具体步骤如下：

S2.1、根据决策矩阵和熵权法确定的权向量构造加权的决策矩阵；

S2.2、确定理想解和负理想解；

S2.3、计算各评价对象到理想解和负理想解之间的距离；

S2.4、计算各评价对象的相对贴近度并排序。

而且，最小斯坦纳树为将指定的节点连通且边权总和最小的生成树，具体步骤为对支路、节点重要度负向化后，通过重要度大的支路、节点将重要负荷节点连通。

而且，机组优化配置模型，目标函数需考虑数量级平衡系数，约束条件为潮流等式约束方程和潮流不等式约束方程。

而且，改进二进制TLBO算法的具体步骤如下：

S6.1、输入所需的网架参数和TLBO算法参数，产生初始种群；

S6.2、计算目标函数值，选取最优个体作为教师；

S6.3、分别进行“教”与“学”阶段，并更新班级中个体的成绩；

S6.4、采用精英个体保留策略和相同个体变异策略对种群进行变异操作；

S6.5、判断是否满足结束迭代条件，如满足则输出，不满足则返回S6.3。

具体实施时，如图1所示，一种基于TLBO算法的核心骨干网架构建方法，包括以下步骤：

如图2所示，S1：分别基于风险理论和复杂网络理论，构建支路和节点重要度评估指标体系；

S1中所述支路重要度评估指标体系包括四个单一支路风险指标，分别为节点电压越限风险、线路有功越限风险、切负荷风险和新能源损失风险指标。

节点电压越限风险指标R_OV：

该指标描述系统不确定造成的电压波动情况。本实施例认为电压标幺值在0.95-1.05范围内均满足稳定运行的要求，则该指标的计算公式如下：

式中，N为抽样总次数；n为节点总数；S(u_ik)为第k次抽样节点i电压越限严重度；u_ik为第k次抽样的节点i电压标幺值。

线路有功越限风险指标R_LO：

该指标描述系统不确定性造成的线路有功越限情况，计算公式如下：

式中，M为系统所有的支路集合；

为线路ij的有功潮流样本矩阵中，超过该线路可承受的最大有功功率的次数，N为线路ij的有功潮流样本总数。P_ij,k为线路实际有功功率，P_ij,max为支路潮流允许最大值，二者均取标幺值。

切负荷风险指标R_LC：

该指标描述线路潮流越限造成的切负荷情况，计算公式如下：

R_LC＝P_LC·S_evLC

新能源弃电风险指标R_NC：

该指标描述发电过剩造成的弃风弃光现象，计算公式如下：

R_NC＝P_NC·S_evNC

式中，U_P,k为第k个抽样状态时系统电源损失状态，为0-1变量，取1时，代表需要弃风或弃光，取0时，代表无需弃风或弃光；N为抽样总次数，N_necut为N次抽样中需要弃风、弃光的次数；P_newcut,k为第k个抽样时刻需切除的风、光等新能源发电量，本实施例的新能源弃电量规定为系统总切负荷量与新能源渗透率的乘积；P_new,k为第k个抽样时刻的新能源总发电量。

S1中所述节点重要度评估指标体系包括三个单一节点重要度指标，分别为改进节点度指标、最短路径和指标和节点介数指标。

改进节点度指标D_1i：

节点的度定义为与该节点相连的边的个数。在电气网络中，可能有很多节点的度相同，无法正确反映该节点在网络中的重要程度。故对此指标进行改进，改进节点度为与该节点相连支路重要度之和，计算公式如下：

式中，

为与节点i相连的节点集合；R_ik为节点i和k之间所连接的支路重要度大小。

最短路径和指标D_2i：

连接两个节点的最短路径所用边的个数为两节点之间的距离。在加权图中，可将边个数改进为边权重。为反映节点与节点间的电气联系，以支路电抗作为权重。最短路径和指标D_2i的计算公式如下：

式中，L_ik为节点i和k之间的最短路径，V为所有节点的集合。

节点介数指标D_3i：

节点介数表示为经过该节点的最短路径数目占所有最短路径数目的比例。介数指标可以间接反映潮流流动方向，当介数越大时，节点在潮流流动中的位置和作用越大。节点介数指标D_3i的计算公式如下：

式中，L_i为经过节点i的最短路径数目；L_∑为所有最短路径数目之和。

S2：基于熵权-TOPSIS法计算各指标权重；

S2中所述TOPSIS-熵权法的具体步骤如下：

S2.1，由决策矩阵Y＝(y_ij)_m×n和熵权法确定的权向量W构造加权的决策矩阵：

Z＝YW＝(z_ij)_m×n,

S2.2，确定理想解Z⁺和负理想解Z^-：

Z⁺＝max{z_ij}

Z^-＝min{z_ij}

S2.3，计算各评价对象到理想解和负理想解之间的距离：

S2.4，计算各评价对象的相对贴近度C_i并排序：

S3：分别计算支路和节点重要度，对元件重要度进行排序；

支路重要度通过支路断开后系统整体风险水平直接反映，为了便于对系统整体风险水平进行评估与比较，构建综合风险为各部分风险指标值与指标权重乘积的和，即支路i的重要度，计算公式如下：

式中，R_i为第i条支路的重要度；R_ij为第i条支路断开后的第j个风险指标，w_j为其对应的权重值。

节点重要度计算公式如下：

式中，D_i为第i个节点的重要度；D_ij为第i个节点的第j个重要度指标，w_j为其对应的权重值。

S4：基于最小斯坦纳树将所有重要负荷节点连通；

S4中所述最小斯坦纳树为将指定的节点连通且边权总和最小的生成树，具体步骤为对支路、节点重要度负向化后，通过重要度大的支路、节点将重要负荷节点连通。

S5：以新能源出力收益与核心骨干网架运行风险比最大为目标函数，构建机组优化配置模型；

S5中所述的机组优化配置模型中，考虑到新能源有功出力通过调度消纳可以减少传统火电机组的发电成本，减少的碳硫排放成本也可以纳入新能源有功出力的收益中，但新能源机组出力的不确定性影响核心骨干网架的安全稳定运行，因此目标函数力求在收益与运行风险中找到平衡。该模型具体如下：

式中，R为核心骨干网架运行风险，核心骨干网架经线路加强后只考虑网络电压偏移作为运行风险，以N次概率潮流平均值衡量；B为新能源发电收益，取N次概率潮流平均值，其中C₁为火电发电成本，B_e为环境收益；L_T为传统电源发电量；a、b和c分别为火电燃料成本系数；d为环境成本系数；α为调节系数。约束条件分别为潮流等式约束方程和潮流不等式约束方程。

如图3所示，S6：基于改进二进制TLBO算法对构建的模型进行求解，得到核心骨干网架构建方案。

S6中所述改进二进制TLBO算法的具体步骤如下：

S6.1，输入所构建的连通所有重要负荷节点的网架参数和原始网架参数，设置TLBO算法参数，随机生产初始种群P。TLBO算法的控制参数一般设置为：精英个体数ES＝3，最大迭代次数k＝300，种群规模N＝100；

S6.2，以目标函数值为个体成绩，根据输入原始数据计算初始种群P中各个学生的成绩，选取最优个体作为教师；

S6.3，分别进行“教”与“学”阶段，并更新班级中个体的成绩；

“教”阶段的更新公式如下：

“学”阶段的更新公式如下：

在每次“教”与“学”阶段后，对班级中个体的成绩进行更新，更新公式如下：

S6.4，引入精英个体保留策略，变异机制来增强教与学优化算法的搜索能力。在每次“教”与“学”阶段完成后，将班级中最优的ES个个体替换班级中最差的ES个个体；对班级中相同的个体的随机一位变量进行0-1取反的变异操作。

S6.5，判断是否满足结束迭代条件，如满足则输出最优机组配置，不满足则返回步骤6.3。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (7)

1.一种基于TLBO算法的核心骨干网架构建方法，其特征在于：包括以下步骤：

步骤1、分别基于风险理论和复杂网络理论，构建支路和节点重要度评估指标体系；

步骤2、基于熵权-TOPSIS法计算各指标权重；

步骤3、分别计算支路和节点重要度，对元件重要度进行排序；

步骤4、基于最小斯坦纳树将所有重要负荷节点连通；

步骤5、以新能源出力收益与核心骨干网架运行风险比最大为目标函数，构建机组优化配置模型；

步骤6、基于改进二进制TLBO算法对构建的模型进行求解，得到核心骨干网架构建方案。

2.根据权利要求1所述基于TLBO算法的核心骨干网架构建方法，其特征在于：步骤1的实现包括：

步骤1.1、支路重要度评估指标体系包括四个单一支路风险指标，分别为节点电压越限风险、线路有功越限风险、切负荷风险和新能源损失风险指标；

步骤1.1.1、节点电压越限风险指标R_OV：

节点电压越限风险为系统不确定造成的电压波动情况，设电压标幺值在0.95-1.05范围内均满足稳定运行的要求，则该指标的计算公式如下：

式中，N为抽样总次数；n为节点总数；S(u_ik)为第k次抽样节点i电压越限严重度；u_ik为第k次抽样的节点i电压标幺值；

步骤1.1.2、线路有功越限风险指标R_LO：

该指标描述系统不确定性造成的线路有功越限情况，计算公式如下：

式中，M为系统所有的支路集合；

为线路ij的有功潮流样本矩阵中，超过该线路可承受的最大有功功率的次数，N为线路ij的有功潮流样本总数；P_ij,k为线路实际有功功率，P_ij,max为支路潮流允许最大值，二者均取标幺值；

步骤1.1.3、切负荷风险指标R_LC：

该指标描述线路潮流越限造成的切负荷情况，计算公式如下：

R_LC＝P_LC·S_evLC

步骤1.1.4、新能源弃电风险指标R_NC：

该指标描述发电过剩造成的弃风弃光现象，计算公式如下：

R_NC＝P_NC·S_evNC

式中，U_P,k为第k个抽样状态时系统电源损失状态，为0-1变量，取1时，代表需要弃风或弃光，取0时，代表无需弃风或弃光；N为抽样总次数，N_necut为N次抽样中需要弃风、弃光的次数；P_newcut,k为第k个抽样时刻需切除的风、光等新能源发电量，本发明的新能源弃电量规定为系统总切负荷量与新能源渗透率的乘积；P_new,k为第k个抽样时刻的新能源总发电量；

步骤1.2、节点重要度评估指标体系包括三个单一节点重要度指标，分别为改进节点度指标、最短路径和指标和节点介数指标；

步骤1.2.1、改进节点度指标D_1i：

改进节点度为与该节点相连支路重要度之和，计算公式如下：

式中，

为与节点i相连的节点集合；R_ik为节点i和k之间所连接的支路重要度大小；

步骤1.2.2、最短路径和指标D_2i：

最短路径和指标D_2i的计算公式如下：

式中，L_ik为节点i和k之间的最短路径，V为所有节点的集合；

步骤1.2.3、节点介数指标D_3i：

节点介数表示为经过该节点的最短路径数目占所有最短路径数目的比例；介数指标可以间接反映潮流流动方向，当介数越大时，节点在潮流流动中的位置和作用越大；节点介数指标D_3i的计算公式如下：

式中，L_i为经过节点i的最短路径数目；L_∑为所有最短路径数目之和。

3.根据权利要求1所述基于TLBO算法的核心骨干网架构建方法，其特征在于：步骤2的实现包括：

步骤2.1、根据决策矩阵Y＝(y_ij)_m×n和熵权法确定的权向量W构造加权的决策矩阵：

Z＝YW＝(z_ij)_m×n；

步骤2.2、确定理想解Z⁺和负理想解Z^-：

Z⁺＝max{z_ij}

Z^-＝min{z_ij}；

步骤2.3、计算各评价对象到理想解和负理想解之间的距离：

步骤2.4、计算各评价对象的相对贴近度C_i并排序：

4.根据权利要求1所述基于TLBO算法的核心骨干网架构建方法，其特征在于：步骤3的实现包括：

步骤3.1、支路重要度通过支路断开后系统整体风险水平反映，构建综合风险为各部分风险指标值与指标权重乘积的和，即支路i的重要度，计算公式如下：

式中，R_i为第i条支路的重要度；R_ij为第i条支路断开后的第j个风险指标，w_j为其对应的权重值；

步骤3.2、节点重要度计算公式如下：

式中，D_i为第i个节点的重要度；D_ij为第i个节点的第j个重要度指标，w_j为其对应的权重值。

5.根据权利要求1所述基于TLBO算法的核心骨干网架构建方法，其特征在于：步骤4所述最小斯坦纳树为将指定的节点连通且边权总和最小的生成树，具体步骤为对支路、节点重要度负向化后，通过重要度大的支路、节点将重要负荷节点连通。

6.根据权利要求1所述基于TLBO算法的核心骨干网架构建方法，其特征在于：步骤5的目标函数为：

式中，R为核心骨干网架运行风险，核心骨干网架经线路加强后只考虑网络电压偏移作为运行风险，以N次概率潮流平均值衡量；B为新能源发电收益，取N次概率潮流平均值，其中C₁为火电发电成本，B_e为环境收益；L_T为传统电源发电量；a、b和c分别为火电燃料成本系数；d为环境成本系数；α为调节系数；约束条件分别为潮流等式约束方程和潮流不等式约束方程。

7.根据权利要求1所述基于TLBO算法的核心骨干网架构建方法，其特征在于：步骤6的所述改进二进制TLBO算法的具体步骤包括：

步骤6.1、输入所构建的连通所有重要负荷节点的网架参数和原始网架参数，设置TLBO算法参数，随机生产初始种群P；TLBO算法的控制参数设置为：精英个体数ES＝3，最大迭代次数k＝300，种群规模N＝100；

步骤6.2、以目标函数值为个体成绩，根据输入原始数据计算初始种群P中各个学生的成绩，选取最优个体作为教师；

步骤6.3、分别进行“教”与“学”阶段，并更新班级中个体的成绩；

“教”阶段的更新公式如下：

“学”阶段的更新公式如下：

在每次“教”与“学”阶段后，对班级中个体的成绩进行更新，更新公式如下：

步骤6.4、引入精英个体保留策略，变异机制来增强教与学优化算法的搜索能力；在每次“教”与“学”阶段完成后，将班级中最优的ES个个体替换班级中最差的ES个个体；对班级中相同的个体的随机一位变量进行0-1取反的变异操作；

步骤6.5、判断是否满足结束迭代条件，如满足则输出最优机组配置，不满足则返回步骤6.3。

Images