CN113962410A - 一种基于贪婪算法组合的配电网灾后抢修调度方法和装置 - Google Patents

一种基于贪婪算法组合的配电网灾后抢修调度方法和装置 Download PDF

Info

Publication number
CN113962410A
CN113962410A CN202111267898.5A CN202111267898A CN113962410A CN 113962410 A CN113962410 A CN 113962410A CN 202111267898 A CN202111267898 A CN 202111267898A CN 113962410 A CN113962410 A CN 113962410A
Authority
CN
China
Prior art keywords
emergency repair
repair
distribution network
emergency
greedy algorithm
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.)
Pending
Application number
CN202111267898.5A
Other languages
English (en)
Inventor
周健
宋平
陈颖
时珊珊
黄少伟
张琪祁
任辰
林敏�
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.)
Tsinghua University
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Tsinghua University
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 Tsinghua University, State Grid Shanghai Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202111267898.5A priority Critical patent/CN113962410A/zh
Publication of CN113962410A publication Critical patent/CN113962410A/zh
Pending legal-status Critical Current

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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于贪婪算法组合的配电网灾后抢修调度方法，包括以下步骤：构建三种预防抢修策略的贪婪算法，根据配电网当时的负荷状态，分别寻求最优解，选取配电网损失最小的最优解，作为配电网的抢修策略；各个贪婪算法均包括：从抢修中心出发，各个抢修队分别选取最满足对应抢修策略的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中最满足对应抢修策略进行抢修，直至所有故障抢修完毕；三个贪婪算法对应的抢修策略分别为距离最近、抢修效果最好和抢修效率最高。与现有技术相比，本发明可以快速得到满意的解，省去在整个空间上探索所耗费的大量时间，尽可能保证最优性的同时提高灾后求解的效率。

Description

一种基于贪婪算法组合的配电网灾后抢修调度方法和装置
技术领域
本发明涉及配电网领域，尤其是涉及一种基于贪婪算法组合的配电网灾后抢修调度方法和装置。
背景技术
配电网处于灾害场景下时，会形成灾害损失，影响配电网的正常运行，因此针对大自然选择的每一个灾害场景，需要进行该场景下的灾后配网重构，对与重构不能恢复的负荷则需要安排抢修人员进行抢修，直至配电网恢复正常运行。灾后重构及抢修的目标是为了求取抢修问题的最优解，降低电网损失。
目前存在的配电网抢修策略大多通过粒子群算法等求解最优化问题，寻求最优解，但粒子群的求解效率相对较低，特别是当粒子数目增多，粒子维数增大或迭代次数变多时。而灾后抢修作为时间紧迫的一个阶段，要求其具有较为高效的求解效率，因此有必要寻求更为高效的灾后抢修算法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种更为高效的基于贪婪算法组合的配电网灾后抢修调度方法和装置。
本发明的目的可以通过以下技术方案来实现：
一种基于贪婪算法组合的配电网灾后抢修调度方法，包括以下步骤：
构建三种预防抢修策略的贪婪算法，根据配电网当时的负荷状态，分别寻求最优解，选取配电网损失最小的最优解，作为配电网的抢修策略；
所述三种预防抢修策略的贪婪算法包括：
基于距离的贪婪算法：从抢修中心出发，各个抢修队分别选取各自的距离抢修中心最近的故障点进行抢修，每个抢修队抢修完毕后，选取距离该抢修队最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕；
基于抢修效果的贪婪算法：预先定义配电网中故障点的抢修效果，从抢修中心出发，各个抢修队分别选取各自的抢修效果最大的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕；
基于抢修效率的贪婪算法：预先定义配电网中故障点的抢修效率，从抢修中心出发，各个抢修队分别选取各自的抢修效率最高的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕。
进一步地，将一个故障点抢修完毕之后配电网系统拾起的负荷的价值定义为该故障点的抢修效果。
进一步地，若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，则该故障点的抢修效果的表达式为：
Figure BDA0003327552100000021
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重。
进一步地，所述基于抢修效果的贪婪算法还包括：若存在多个故障点，且修复的抢修效果相同，则采用所述基于距离的贪婪算法确定抢修策略。
进一步地，所述抢修效率根据某一故障点的抢修耗时计算，所述某一故障点的抢修耗时为：某一抢修队从其所在位置出发到故障点修复完毕的时间，即道路时间和故障修复时间的和。
进一步地，若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，该故障点的抢修耗时为Tr，则对该抢修队而言此故障点的抢修效率为：
Figure BDA0003327552100000022
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重。
进一步地，所述基于抢修效率的贪婪算法还包括：若存在多个故障点，且修复的抢修效率相同，则采用所述基于距离的贪婪算法确定抢修策略。
本发明还提供一种基于贪婪算法组合的配电网灾后抢修调度装置，包括：
基于距离的贪婪算法模块，被配置为，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的距离抢修中心最近的故障点进行抢修，每个抢修队抢修完毕后，选取距离该抢修队最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕，得到第一最优解；
基于抢修效果的贪婪算法模块，被配置为，预先定义配电网中故障点的抢修效果，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的抢修效果最大的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕，得到第二最优解；
基于抢修效率的贪婪算法模块，被配置为，预先定义配电网中故障点的抢修效率，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的抢修效率最高的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕，得到第三最优解；
最终的抢修策略确定模块，被配置为，获取第一最优解、第二最优解和第三最优解，从中选取配电网损失最小的最优解，作为配电网的抢修策略。
进一步地，将一个故障点抢修完毕之后配电网系统拾起的负荷的价值定义为该故障点的抢修效果；
若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，则该故障点的抢修效果的表达式为：
Figure BDA0003327552100000031
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重；
所述基于抢修效果的贪婪算法还包括：若存在多个故障点，且修复的抢修效果相同，则采用所述基于距离的贪婪算法确定抢修策略。
进一步地，所述抢修效率根据某一故障点的抢修耗时计算，所述某一故障点的抢修耗时为：某一抢修队从其所在位置出发到故障点修复完毕的时间，即道路时间和故障修复时间的和；
若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，该故障点的抢修耗时为Tr，则对该抢修队而言此故障点的抢修效率为：
Figure BDA0003327552100000032
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重；
所述基于抢修效率的贪婪算法还包括：若存在多个故障点，且修复的抢修效率相同，则采用所述基于距离的贪婪算法确定抢修策略。
与现有技术相比，本发明具有以下优点：
(1)相较于粒子群等需要在整个策略空间进行探索并迭代寻优的算法，贪婪算法可以快速得到满意的解。贪婪算法常以当前情况为基础作最优选择，而不考虑整体情况，因此会省去在整个空间上探索所耗费的大量时间；本发明利用贪婪算法设计了三种预防抢修策略，在尽可能保证最优性的同时提高灾后求解的效率。
(2)一般而言，不论何种贪婪算法，都不能保证灾后抢修的效果较为满意。但取三种贪婪算法中效果最好的，往往可以达到较为满意的抢修效果，同时保持较高的抢修效率。
附图说明
图1为本发明实施例中提供一种基于贪婪算法组合的配电网灾后抢修调度方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
实施例1
如图1所示，本实施例提供一种基于贪婪算法组合的配电网灾后抢修调度方法，包括以下步骤：
构建三种预防抢修策略的贪婪算法，根据配电网当时的负荷状态，分别寻求最优解，选取配电网损失最小的最优解，作为配电网的抢修策略；
三种预防抢修策略的贪婪算法包括：
基于距离的贪婪算法：从抢修中心出发，各个抢修队分别选取各自的距离抢修中心最近的故障点进行抢修，每个抢修队抢修完毕后，选取距离该抢修队最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕；
基于抢修效果的贪婪算法：预先定义配电网中故障点的抢修效果，从抢修中心出发，各个抢修队分别选取各自的抢修效果最大的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕；
基于抢修效率的贪婪算法：预先定义配电网中故障点的抢修效率，从抢修中心出发，各个抢修队分别选取各自的抢修效率最高的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕。
本方法的详细描述如下：
针对某一特定的灾害场景，粒子群算法可以进行多抢修队灾后抢修问题近似最优求解。但粒子群的求解效率相对较低，特别是当粒子数目增多，粒子维数增大或迭代次数变多时。而灾后抢修作为配电网抗灾博弈的最后一个阶段，要求其具有较为高效的求解效率，因此有必要寻求更为高效的灾后抢修算法。
相较于粒子群等需要在整个策略空间进行探索并迭代寻优的算法，贪婪算法可以快速得到满意的解。贪婪算法常以当前情况为基础作最优选择，而不考虑整体情况，因此会省去在整个空间上探索所耗费的大量时间。本实施例利用贪婪算法设计了三种预防抢修策略，在尽可能保证最优性的同时提高灾后求解的效率。
基于距离的贪婪算法：从抢修中心出发，r个抢修队分别选择距离抢修中心最近的r个故障点进行抢修；每个抢修队抢修完毕后，选择距离其最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕。
基于抢修效果的贪婪算法：首先进行抢修效果的定义，一个故障点抢修完毕之后系统拾起的负荷的价值定义为该故障点的抢修效果。一般而言，抢修完一个故障点后相应的故障线路修复完毕，会有一个孤岛微网接入配网馈线，恢复正常供电。若一个故障点抢修完毕之后孤岛微电Mm接入配网馈线，则该故障点的抢修效果的表达式为：
Figure BDA0003327552100000061
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重。
基于抢修效果的贪婪算法为从抢修中心出发，r个抢修队分别选择抢修效果最大的r个故障点进行抢修；每个抢修队抢修完毕后，选择尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕。若存在多个故障点，其修复的抢修效果相同(即修复任意一个故障点均可导致某一负荷区域恢复正常供电)，则采用基于距离的贪婪算法。
基于抢修效率的贪婪算法：在基于抢修效果的贪婪算法的基础上，进一步考虑故障点抢修的耗时，从而引入抢修效率的概念。对于某一抢修队而言，某一故障点的抢修耗时为：该抢修队从其所在位置出发到该故障点修复完毕的时间，即道路时间和故障修复时间的和。若一个故障点抢修完毕之后孤岛微电网Mm接入配网馈线，对一抢修队而言该故障点抢修耗耗时为Tr，则对该抢修队而言此故障点的抢修效率为：
Figure BDA0003327552100000062
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重。
基于抢修效率的贪婪算法为，r个抢修队分别选择抢修效率最高的r个故障点进行抢修；每个抢修队抢修完毕后，选择尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕。若存在多个故障点，其修复的抢修效率相同，则采用基于距离的贪婪算法。
一般而言，不论何种贪婪算法，都不能保证灾后抢修的效果较为满意。但取三种贪婪算法中效果最好的，往往可以达到较为满意的抢修效果，同时保持较高的抢修效率。
实施例2
本实施例提供一种基于贪婪算法组合的配电网灾后抢修调度装置，包括：
基于距离的贪婪算法模块，被配置为，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的距离抢修中心最近的故障点进行抢修，每个抢修队抢修完毕后，选取距离该抢修队最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕，得到第一最优解；
基于抢修效果的贪婪算法模块，被配置为，预先定义配电网中故障点的抢修效果，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的抢修效果最大的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕，得到第二最优解；
基于抢修效率的贪婪算法模块，被配置为，预先定义配电网中故障点的抢修效率，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的抢修效率最高的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕，得到第三最优解；
最终的抢修策略确定模块，被配置为，获取第一最优解、第二最优解和第三最优解，从中选取配电网损失最小的最优解，作为配电网的抢修策略。
将一个故障点抢修完毕之后配电网系统拾起的负荷的价值定义为该故障点的抢修效果；
若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，则该故障点的抢修效果的表达式为：
Figure BDA0003327552100000071
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重；
基于抢修效果的贪婪算法还包括：若存在多个故障点，且修复的抢修效果相同，则采用基于距离的贪婪算法确定抢修策略。
抢修效率根据某一故障点的抢修耗时计算，某一故障点的抢修耗时为：某一抢修队从其所在位置出发到故障点修复完毕的时间，即道路时间和故障修复时间的和；
若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，该故障点的抢修耗时为Tr，则对该抢修队而言此故障点的抢修效率为：
Figure BDA0003327552100000072
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重；
基于抢修效率的贪婪算法还包括：若存在多个故障点，且修复的抢修效率相同，则采用基于距离的贪婪算法确定抢修策略。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，包括以下步骤：
构建三种预防抢修策略的贪婪算法，根据配电网当时的负荷状态，分别寻求最优解，选取配电网损失最小的最优解，作为配电网的抢修策略；
所述三种预防抢修策略的贪婪算法包括：
基于距离的贪婪算法：从抢修中心出发，各个抢修队分别选取各自的距离抢修中心最近的故障点进行抢修，每个抢修队抢修完毕后，选取距离该抢修队最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕；
基于抢修效果的贪婪算法：预先定义配电网中故障点的抢修效果，从抢修中心出发，各个抢修队分别选取各自的抢修效果最大的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕；
基于抢修效率的贪婪算法：预先定义配电网中故障点的抢修效率，从抢修中心出发，各个抢修队分别选取各自的抢修效率最高的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕。
2.根据权利要求1所述的一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，将一个故障点抢修完毕之后配电网系统拾起的负荷的价值定义为该故障点的抢修效果。
3.根据权利要求2所述的一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，则该故障点的抢修效果的表达式为：
Figure FDA0003327552090000011
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重。
4.根据权利要求1所述的一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，所述基于抢修效果的贪婪算法还包括：若存在多个故障点，且修复的抢修效果相同，则采用所述基于距离的贪婪算法确定抢修策略。
5.根据权利要求1所述的一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，所述抢修效率根据某一故障点的抢修耗时计算，所述某一故障点的抢修耗时为：某一抢修队从其所在位置出发到故障点修复完毕的时间，即道路时间和故障修复时间的和。
6.根据权利要求5所述的一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，该故障点的抢修耗时为Tr，则对该抢修队而言此故障点的抢修效率为：
Figure FDA0003327552090000021
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重。
7.根据权利要求1所述的一种基于贪婪算法组合的配电网灾后抢修调度方法，其特征在于，所述基于抢修效率的贪婪算法还包括：若存在多个故障点，且修复的抢修效率相同，则采用所述基于距离的贪婪算法确定抢修策略。
8.一种基于贪婪算法组合的配电网灾后抢修调度装置，其特征在于，包括：
基于距离的贪婪算法模块，被配置为，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的距离抢修中心最近的故障点进行抢修，每个抢修队抢修完毕后，选取距离该抢修队最近的尚未被抢修的故障点进行抢修，直至所有故障抢修完毕，得到第一最优解；
基于抢修效果的贪婪算法模块，被配置为，预先定义配电网中故障点的抢修效果，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的抢修效果最大的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效果最大的故障点进行抢修，直至所有故障抢修完毕，得到第二最优解；
基于抢修效率的贪婪算法模块，被配置为，预先定义配电网中故障点的抢修效率，根据配电网当时的负荷状态，从抢修中心出发，各个抢修队分别选取各自的抢修效率最高的故障点进行抢修，每个抢修队抢修完毕后，选取尚未被抢修的故障点中抢修效率最高的故障点进行抢修，直至所有故障抢修完毕，得到第三最优解；
最终的抢修策略确定模块，被配置为，获取第一最优解、第二最优解和第三最优解，从中选取配电网损失最小的最优解，作为配电网的抢修策略。
9.根据权利要求8所述的一种基于贪婪算法组合的配电网灾后抢修调度装置，其特征在于，将一个故障点抢修完毕之后配电网系统拾起的负荷的价值定义为该故障点的抢修效果；
若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，则该故障点的抢修效果的表达式为：
Figure FDA0003327552090000031
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重；
所述基于抢修效果的贪婪算法还包括：若存在多个故障点，且修复的抢修效果相同，则采用所述基于距离的贪婪算法确定抢修策略。
10.根据权利要求8所述的一种基于贪婪算法组合的配电网灾后抢修调度装置，其特征在于，所述抢修效率根据某一故障点的抢修耗时计算，所述某一故障点的抢修耗时为：某一抢修队从其所在位置出发到故障点修复完毕的时间，即道路时间和故障修复时间的和；
若一个故障点抢修完毕后，孤岛微电网Mm接入配网馈线，该故障点的抢修耗时为Tr，则对该抢修队而言此故障点的抢修效率为：
Figure FDA0003327552090000032
式中，i为孤岛微电网Mm中的负荷序号，pi为负荷i对应的输出功率，wi为负荷i对应的权重；
所述基于抢修效率的贪婪算法还包括：若存在多个故障点，且修复的抢修效率相同，则采用所述基于距离的贪婪算法确定抢修策略。
CN202111267898.5A 2021-10-29 2021-10-29 一种基于贪婪算法组合的配电网灾后抢修调度方法和装置 Pending CN113962410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111267898.5A CN113962410A (zh) 2021-10-29 2021-10-29 一种基于贪婪算法组合的配电网灾后抢修调度方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111267898.5A CN113962410A (zh) 2021-10-29 2021-10-29 一种基于贪婪算法组合的配电网灾后抢修调度方法和装置

Publications (1)

Publication Number Publication Date
CN113962410A true CN113962410A (zh) 2022-01-21

Family

ID=79468056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111267898.5A Pending CN113962410A (zh) 2021-10-29 2021-10-29 一种基于贪婪算法组合的配电网灾后抢修调度方法和装置

Country Status (1)

Country Link
CN (1) CN113962410A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474191A (zh) * 2023-12-28 2024-01-30 成都秦川物联网科技股份有限公司 基于智能水表的gis巡检管理方法、物联网系统及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474191A (zh) * 2023-12-28 2024-01-30 成都秦川物联网科技股份有限公司 基于智能水表的gis巡检管理方法、物联网系统及装置
CN117474191B (zh) * 2023-12-28 2024-04-05 成都秦川物联网科技股份有限公司 基于智能水表的gis巡检管理方法、物联网系统及装置

Similar Documents

Publication Publication Date Title
Gharibi et al. Size and power exchange optimization of a grid-connected diesel generator-photovoltaic-fuel cell hybrid energy system considering reliability, cost and renewability
Zhang et al. Optimal allocation of PV generation and battery storage for enhanced resilience
Nejad et al. Distributed load restoration in unbalanced active distribution systems
Aghamohammadi et al. Intentional islanding using a new algorithm based on ant search mechanism
Golshani et al. Two-stage adaptive restoration decision support system for a self-healing power grid
US20230178995A1 (en) System of critical datacenters and behind-the-meter flexible datacenters
US11916422B2 (en) Battery charge and discharge power control in a power grid
Dabbaghjamanesh et al. Networked microgrid security and privacy enhancement by the blockchain-enabled Internet of Things approach
Meena et al. Optimal accommodation and management of high renewable penetration in distribution systems
CN108493998B (zh) 考虑需求响应与n-1预想故障的鲁棒输电网规划方法
Simon et al. Randomized adaptive vehicle decomposition for large-scale power restoration
Bian et al. Service restoration for resilient distribution systems coordinated with damage assessment
Dabbaghjamanesh et al. Resilient distribution networks considering mobile marine microgrids: A synergistic network approach
CN113962410A (zh) 一种基于贪婪算法组合的配电网灾后抢修调度方法和装置
JP2022174037A (ja) 望ましい容量係数を提供するａｃオーバービルト再生可能電気生成リソース及び電荷ストレージ装置を利用するシステム及び方法
Rupolo et al. A new parallel and decomposition approach to solve the medium-and low-voltage planning of large-scale power distribution systems
JP7170141B2 (ja) 望ましい容量係数を提供する統合型の再生可能電気生成リソース及び電荷ストレージシステムを制御する方法
CN117595261A (zh) 光储微电网能量管理策略优化方法、装置及电子设备
CN113488995A (zh) 基于储能成本的共享储能容量优化配置方法和装置
Orozco et al. Comparison between multistage stochastic optimization programming and Monte Carlo simulations for the operation of local energy systems
CN115549075A (zh) 一种含微电网的配电网供电恢复方法及系统
CN114447975A (zh) 一种基于移动储能的多微电网灵活性提升方法
CN109995094B (zh) 一种交直流混合微电网的规划方法及系统
Zaery et al. Distributed cooperative control with lower generation cost for dc microgrid
Jiang et al. Two‐phase integrated optimisation strategy for network restoration with photovoltaic generation

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