CN115423351A - 基于层次分析法和遗传算法的配电网多目标主动重构方法 - Google Patents

基于层次分析法和遗传算法的配电网多目标主动重构方法 Download PDF

Info

Publication number
CN115423351A
CN115423351A CN202211152287.0A CN202211152287A CN115423351A CN 115423351 A CN115423351 A CN 115423351A CN 202211152287 A CN202211152287 A CN 202211152287A CN 115423351 A CN115423351 A CN 115423351A
Authority
CN
China
Prior art keywords
objective function
distribution network
factors
power distribution
genetic 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
CN202211152287.0A
Other languages
English (en)
Inventor
王月茹
王星海
梅永超
程梓航
李艾民
苏荻
韩璐
吴哲
邱晨
袁振宗
尹相国
王慧丽
高生凯
赵伟
董革放
周学生
牛明
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.)
Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Zibo Power Supply Co of State Grid Shandong 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 Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202211152287.0A priority Critical patent/CN115423351A/zh
Publication of CN115423351A publication Critical patent/CN115423351A/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (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)
  • Power Engineering (AREA)

Abstract

本发明公开了基于层次分析法和遗传算法的配电网多目标主动重构方法，涉及电力系统配电网的优化运行技术领域，包括：步骤一：构建目标函数的重构模型，具体为，以降低网损、提高电压质量、减少开关操作次数为目标函数建立配电网的重构模型，所述目标函数包括降低网损目标函数、提高电压质量目标函数、减少开关操作次数目标函数以及综合目标函数；步骤二：确定目标函数权重系数；步骤三：利用遗传算法进行配网重构。该基于层次分析法和遗传算法的配电网多目标主动重构方法，目标函数具有实用价值，目标函数的权重系数选取更加科学，兼顾了配电网运行时的经济效益、社会效益、安全效益与用户体验效益。

Description

基于层次分析法和遗传算法的配电网多目标主动重构方法
技术领域
本发明涉及电力系统配电网的优化运行技术领域，具体为基于层次分析法和遗传算法的配电网多目标主动重构方法。
背景技术
配电网具有闭环设计、开环运行的特点，通常网络结构呈辐射状。配电网含有大量的常闭和常开开关，配电网重构就是通过对配电网中的分段开关和联络开关进行分合操作，在保证开环运行方式和满足电压、功率等限制的同时，达到降低网损、提高供电电压质量、均衡负荷等目的。
近年来，国内外学者对配电网重构展开了大量的分析研究，取得了一系列的研究成果：(1)大部分研究都以有功网损最小为目标函数，也有部分兼顾了电压水平、负荷均衡等因素，但未考虑开关动作次数限制等实际因素。(2)求解配电网重构问题的算法很多，其中遗传算法应用较多，但针对多目标优化重构问题，遗传算法中目标函数各组成部分的权重系数的选取将直接影响最终的优化结果，而大部分多目标配网重构研究文献中，都是直接给出了权重系数，并未给出比较科学的权重系数选取方法。
发明内容
本发明的目的在于提供基于层次分析法和遗传算法的配电网多目标主动重构方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于层次分析法和遗传算法的配电网多目标主动重构方法，包括：
步骤一：构建目标函数的重构模型，具体为，以降低网损、提高电压质量、减少开关操作次数为目标函数建立配电网的重构模型，所述目标函数包括降低网损目标函数、提高电压质量目标函数、减少开关操作次数目标函数以及综合目标函数；
步骤二：确定目标函数权重系数，具体为，建立层次结构模型和构造判断矩阵并计算权重系数；
步骤三：利用遗传算法进行配网重构，其中选择操作采用轮盘赌选择方式，结合精英保留策略；通过交叉和变异操作可以得到新个体；经过交叉、变异后可能产生不可行解，依次对新个体进行可行性校验，对不可行解淘汰，并从父代种群中再次选择个体，补足种群数量。
进一步的，步骤一中所述降低网损目标函数为：
Figure BDA0003857428930000021
式中，N为支路总数，i为支路编号，Ri、Pi、Qi、Vi分别为支路i的阻抗、有功、无功和末端电压，ki表示支路i的开关状态，0表示支路开关断开，1表示闭合。
进一步的，步骤一中所述提高电压质量目标函数为：
Figure BDA0003857428930000022
式中，n为配电网节点总数，ViN为节点i的额定电压。
进一步的，步骤一中所述减少开关操作次数目标函数为：
Figure BDA0003857428930000023
式中，
Figure BDA0003857428930000024
分别为支路i重构前后的状态。
进一步的，步骤一中所述综合目标函数采用归一化处理，且综合目标函数为：
f＝min(af1'+bf′2+cf′3)
式中，a、b、c为三个目标函数的权重系数，f1'、f′2、f′3为归一化的目标函数值，然后采用min-max归一化方法，通过对原始数据进行线性变换，使原始数据映射到[0-1]之间，具体为：
Figure BDA0003857428930000031
式中，fi、fi'为目标函数i归一化前后的值，fi max、fi min为目标函数i的最大值和最小值。
进一步的，步骤二中所述层次结构模型包括目标层、准则层和方案层，其中目标层为配网优化运行A，准则层包括经济效益B1、社会效益B2、安全效益B3和用户体验效益B4，方案层包括降低网损C1、提高电压质量C2和减少开关操作次数C3。
进一步的，步骤二中构造判断矩阵并计算权重系数通过各因素之间的两两比较确定合适的标度，实现定性向定量的转化，构造判断矩阵，其中dmn为矩阵的元素，且判断矩阵的元素dmn采用1-9标度法确定，各级标度含义如下：标度1为m因素与n因素同样重要，标度3为m因素比n因素稍微重要，标度5为m因素比n因素明显重要，标度7为m因素比n因素重要的多，标度9为m因素比n因素绝对重要，标度2、4、6和8为m因素比n因素重要性介于两个相邻判断尺度中间；然后利用yaahp软件进行分析，得出权重计算结果。
本发明提供了基于层次分析法和遗传算法的配电网多目标主动重构方法，具备以下有益效果：该基于层次分析法和遗传算法的配电网多目标主动重构方法，目标函数具有实用价值，目标函数的权重系数选取更加科学，兼顾了配电网运行时的经济效益、社会效益、安全效益与用户体验效益；
1、配电网络网损大大降低，运用本发明方法进行网络重构后，配网系统的网络损耗可以降低约三分之一，具有非常大的经济效益；
2、电压质量大幅提升，运用本发明方法进行重构之后的电压质量得到较大提升，具有较好的安全效益、经济效益与用户效益；
3、开关动作次数少，更具备实用与推广价值，采用本发明的多目标函数重构后，与传统的单目标函数重构相比，网络损耗与电压质量指标虽略有下降，但影响甚微，而开关动作次数却大大减少，从延长开关使用寿命、动作安全性、减少开关动作需要的人力和时间成本、降低因开关动作而导致的短时停电损失等方面而言，更具有现实意义。
附图说明
图1为本发明基于层次分析法和遗传算法的配电网多目标主动重构方法的流程示意图；
图2为本发明基于层次分析法和遗传算法的配电网多目标主动重构方法的层次结构模型示意图；
图3为本发明基于层次分析法和遗传算法的配电网多目标主动重构方法的遗传算法示意图。
具体实施方式
请参阅图1、图2和图3，本发明提供一种技术方案：基于层次分析法和遗传算法的配电网多目标主动重构方法，包括：
步骤一：构建目标函数的重构模型，具体为，以降低网损、提高电压质量、减少开关操作次数为目标函数建立配电网的重构模型，所述目标函数包括降低网损目标函数、提高电压质量目标函数、减少开关操作次数目标函数以及综合目标函数；
步骤二：确定目标函数权重系数，具体为，建立层次结构模型和构造判断矩阵并计算权重系数，层次分析法是将半定性、半定量问题转化为定量问题的有效途径，它将各种因素层次化，并逐层比较多种关联因素，为分析和预测事物的发展提供可比较的定量依据，特别适用于那些难以完全用定量进行分析的复杂问题，在权重值确定方面应用非常广泛；
步骤三：利用遗传算法进行配网重构，其中选择操作采用轮盘赌选择方式，结合精英保留策略；通过交叉和变异操作可以得到新个体；经过交叉、变异后可能产生不可行解，依次对新个体进行可行性校验，对不可行解淘汰，并从父代种群中再次选择个体，补足种群数量。
步骤一中所述降低网损目标函数为：
Figure BDA0003857428930000051
式中，N为支路总数，i为支路编号，Ri、Pi、Qi、Vi分别为支路i的阻抗、有功、无功和末端电压，ki表示支路i的开关状态，0表示支路开关断开，1表示闭合，电压偏差过大，会对电气设备造成巨大冲击，降低其使用寿命，严重时会导致安全事故发生，因此选了提高电压质量为目标函数。
步骤一中所述提高电压质量目标函数为：
Figure BDA0003857428930000052
式中，n为配电网节点总数，ViN为节点i的额定电压。
步骤一中所述减少开关操作次数目标函数为：
Figure BDA0003857428930000053
式中，
Figure BDA0003857428930000054
分别为支路i重构前后的状态，从延长开关使用寿命、动作安全性、减少开关操作需要的人力和时间成本、降低因开关操作而导致的短时停电损失等方面而言，选取了减少开关操作次数为目标函数。
步骤一中所述综合目标函数采用归一化处理，且综合目标函数为：
f＝min(af1'+bf′2+cf′3)
式中，a、b、c为三个目标函数的权重系数，f1'、f′2、f′3为归一化的目标函数值，然后采用min-max归一化方法，通过对原始数据进行线性变换，使原始数据映射到[0-1]之间，从而消除因为数据的量纲问题所带来的不能进行多种数据共同分析的缺陷，具体为：
Figure BDA0003857428930000061
式中，fi、fi'为目标函数i归一化前后的值，fi max、fi min为目标函数i的最大值和最小值。
步骤二中所述层次结构模型包括目标层、准则层和方案层，其中目标层为配网优化运行A，准则层包括经济效益B1、社会效益B2、安全效益B3和用户体验效益B4，方案层包括降低网损C1、提高电压质量C2和减少开关操作次数C3。
步骤二中构造判断矩阵并计算权重系数通过各因素之间的两两比较确定合适的标度，实现定性向定量的转化，构造判断矩阵，其中dmn为矩阵的元素，且判断矩阵的元素dmn采用1-9标度法确定，各级标度含义如下：标度1为m因素与n因素同样重要，标度3为m因素比n因素稍微重要，标度5为m因素比n因素明显重要，标度7为m因素比n因素重要的多，标度9为m因素比n因素绝对重要，标度2、4、6和8为m因素比n因素重要性介于两个相邻判断尺度中间；其中，1-9标度法含义表为：
Figure BDA0003857428930000062
然后利用yaahp软件进行分析，得出权重计算结果如下：
其中A-B的判断矩阵及一致性检验结果表为：
Figure BDA0003857428930000071
B1-C的判断矩阵及一致性检验结果表为：
Figure BDA0003857428930000072
B2-C的判断矩阵及一致性检验结果表为：
Figure BDA0003857428930000073
B3-C的判断矩阵及一致性检验结果表为：
Figure BDA0003857428930000074
B4-C的判断矩阵及一致性检验结果为：
Figure BDA0003857428930000081
计算可得，方案层中要素对决策目标的排序权重为：降低网损a：0.4405，提高电压质量b：0.3049，减少开关操作次数c：0.2545。
综上，请参阅图1和图2，基于层次分析法和遗传算法的配电网多目标主动重构方法，使用时按照以下步骤，步骤一：构建目标函数的重构模型，具体为，以降低网损、提高电压质量、减少开关操作次数为目标函数建立配电网的重构模型，所述目标函数包括降低网损目标函数、提高电压质量目标函数、减少开关操作次数目标函数以及综合目标函数；
降低网损目标函数为：
Figure BDA0003857428930000082
式中，N为支路总数，i为支路编号，Ri、Pi、Qi、Vi分别为支路i的阻抗、有功、无功和末端电压，ki表示支路i的开关状态，0表示支路开关断开，1表示闭合，电压偏差过大，会对电气设备造成巨大冲击，降低其使用寿命，严重时会导致安全事故发生，因此选了提高电压质量为目标函数。
提高电压质量目标函数为：
Figure BDA0003857428930000083
式中，n为配电网节点总数，ViN为节点i的额定电压。
步骤一中所述减少开关操作次数目标函数为：
Figure BDA0003857428930000084
式中，
Figure BDA0003857428930000091
分别为支路i重构前后的状态，从延长开关使用寿命、动作安全性、减少开关操作需要的人力和时间成本、降低因开关操作而导致的短时停电损失等方面而言，选取了减少开关操作次数为目标函数。
步骤一中所述综合目标函数采用归一化处理，且综合目标函数为：
f＝min(af1'+bf′2+cf′3)
式中，a、b、c为三个目标函数的权重系数，f1'、f′2、f′3为归一化的目标函数值，然后采用min-max归一化方法，通过对原始数据进行线性变换，使原始数据映射到[0-1]之间，从而消除因为数据的量纲问题所带来的不能进行多种数据共同分析的缺陷，具体为：
Figure BDA0003857428930000092
式中，fi、fi'为目标函数i归一化前后的值，fi max、fi min为目标函数i的最大值和最小值；
步骤二：确定目标函数权重系数，具体为，建立层次结构模型和构造判断矩阵并计算权重系数，层次分析法是将半定性、半定量问题转化为定量问题的有效途径，它将各种因素层次化，并逐层比较多种关联因素，为分析和预测事物的发展提供可比较的定量依据，特别适用于那些难以完全用定量进行分析的复杂问题，在权重值确定方面应用非常广泛，构造判断矩阵并计算权重系数通过各因素之间的两两比较确定合适的标度，实现定性向定量的转化，构造判断矩阵，其中dmn为矩阵的元素，且判断矩阵的元素dmn采用1-9标度法确定，各级标度含义如下：标度1为m因素与n因素同样重要，标度3为m因素比n因素稍微重要，标度5为m因素比n因素明显重要，标度7为m因素比n因素重要的多，标度9为m因素比n因素绝对重要，标度2、4、6和8为m因素比n因素重要性介于两个相邻判断尺度中间，然后利用yaahp软件进行分析，得出方案层中要素对决策目标的排序权重为：降低网损a：0.4405，提高电压质量b：0.3049，减少开关操作次数c：0.2545；
步骤三：利用遗传算法进行配网重构，其中选择操作采用轮盘赌选择方式，结合精英保留策略；通过交叉和变异操作可以得到新个体；经过交叉、变异后可能产生不可行解，依次对新个体进行可行性校验，对不可行解淘汰，并从父代种群中再次选择个体，补足种群数量。

Claims (7)

1.基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，包括：
步骤一：构建目标函数的重构模型，具体为，以降低网损、提高电压质量、减少开关操作次数为目标函数建立配电网的重构模型，所述目标函数包括降低网损目标函数、提高电压质量目标函数、减少开关操作次数目标函数以及综合目标函数；
步骤二：确定目标函数权重系数，具体为，建立层次结构模型和构造判断矩阵并计算权重系数；
步骤三：利用遗传算法进行配网重构，其中选择操作采用轮盘赌选择方式，结合精英保留策略；通过交叉和变异操作可以得到新个体；经过交叉、变异后可能产生不可行解，依次对新个体进行可行性校验，对不可行解淘汰，并从父代种群中再次选择个体，补足种群数量。
2.根据权利要求1所述的基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，步骤一中所述降低网损目标函数为：
Figure FDA0003857428920000011
式中，N为支路总数，i为支路编号，Ri、Pi、Qi、Vi分别为支路i的阻抗、有功、无功和末端电压，ki表示支路i的开关状态，0表示支路开关断开，1表示闭合。
3.根据权利要求2所述的基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，步骤一中所述提高电压质量目标函数为：
Figure FDA0003857428920000012
式中，n为配电网节点总数，ViN为节点i的额定电压。
4.根据权利要求3所述的基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，步骤一中所述减少开关操作次数目标函数为：
Figure FDA0003857428920000021
式中，
Figure FDA0003857428920000022
分别为支路i重构前后的状态。
5.根据权利要求4所述的基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，步骤一中所述综合目标函数采用归一化处理，且综合目标函数为：
f＝min(af1'+bf'2+cf3')
式中，a、b、c为三个目标函数的权重系数，f1'、f2'、f3'为归一化的目标函数值，然后采用min-max归一化方法，通过对原始数据进行线性变换，使原始数据映射到[0-1]之间，具体为：
Figure FDA0003857428920000023
式中，fi、fi'为目标函数i归一化前后的值，fi max、fi min为目标函数i的最大值和最小值。
6.根据权利要求1所述的基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，步骤二中所述层次结构模型包括目标层、准则层和方案层，其中目标层为配网优化运行A，准则层包括经济效益B1、社会效益B2、安全效益B3和用户体验效益B4，方案层包括降低网损C1、提高电压质量C2和减少开关操作次数C3。
7.根据权利要求1所述的基于层次分析法和遗传算法的配电网多目标主动重构方法，其特征在于，步骤二中构造判断矩阵并计算权重系数通过各因素之间的两两比较确定合适的标度，实现定性向定量的转化，构造判断矩阵，其中dmn为矩阵的元素，且判断矩阵的元素dmn采用1-9标度法确定，各级标度含义如下：标度1为m因素与n因素同样重要，标度3为m因素比n因素稍微重要，标度5为m因素比n因素明显重要，标度7为m因素比n因素重要的多，标度9为m因素比n因素绝对重要，标度2、4、6和8为m因素比n因素重要性介于两个相邻判断尺度中间；然后利用yaahp软件进行分析，得出权重计算结果。
CN202211152287.0A 2022-09-21 2022-09-21 基于层次分析法和遗传算法的配电网多目标主动重构方法 Pending CN115423351A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211152287.0A CN115423351A (zh) 2022-09-21 2022-09-21 基于层次分析法和遗传算法的配电网多目标主动重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211152287.0A CN115423351A (zh) 2022-09-21 2022-09-21 基于层次分析法和遗传算法的配电网多目标主动重构方法

Publications (1)

Publication Number Publication Date
CN115423351A true CN115423351A (zh) 2022-12-02

Family

ID=84204790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211152287.0A Pending CN115423351A (zh) 2022-09-21 2022-09-21 基于层次分析法和遗传算法的配电网多目标主动重构方法

Country Status (1)

Country Link
CN (1) CN115423351A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184415A (zh) * 2015-09-23 2015-12-23 国家电网公司 一种配电网络重构设计方法
CN109390971A (zh) * 2018-11-07 2019-02-26 国家电网有限公司 一种基于门当户对遗传算法的配电网多目标主动重构方法
CN111585288A (zh) * 2020-06-10 2020-08-25 湘潭大学 一种基于层次分析法的配电网多目标动态无功优化方法
CN112541626A (zh) * 2020-12-08 2021-03-23 国网江苏省电力有限公司经济技术研究院 一种基于改进遗传算法的多目标配电网故障重构方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184415A (zh) * 2015-09-23 2015-12-23 国家电网公司 一种配电网络重构设计方法
CN109390971A (zh) * 2018-11-07 2019-02-26 国家电网有限公司 一种基于门当户对遗传算法的配电网多目标主动重构方法
CN111585288A (zh) * 2020-06-10 2020-08-25 湘潭大学 一种基于层次分析法的配电网多目标动态无功优化方法
CN112541626A (zh) * 2020-12-08 2021-03-23 国网江苏省电力有限公司经济技术研究院 一种基于改进遗传算法的多目标配电网故障重构方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
江卓翰等: "基于改进遗传算法的含分布式电源和储能装置 配电系统网络重构", 电力系统保护与控制, vol. 46, no. 5, 1 March 2018 (2018-03-01), pages 68 - 72 *
翁嘉明等: "基于层次分析法的配电网运行方式多目标优化", 电力系统自动化, vol. 36, no. 4, 25 February 2012 (2012-02-25), pages 55 - 61 *
颜湘武等: "基于动态拓扑分析的遗传算法在配电网重构中的应用", 电网技术, vol. 38, no. 6, 30 June 2014 (2014-06-30), pages 1639 - 1643 *

Similar Documents

Publication Publication Date Title
CN110689240A (zh) 一种配电网经济运行模糊综合评价方法
CN110232490A (zh) 一种配电网工程投资成效的评估方法及系统
CN107169655A (zh) 一种优选配电网方案适应性的方法及装置
CN110796293A (zh) 一种电力负荷预测方法
CN117913827B (zh) 一种计及触发功能的复杂配电网的优化方法
CN112769124B (zh) 一种基于潮流转移和追踪的电力系统快速运行风险评估方法
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN110783913A (zh) 基于群的计及预想事故集最佳电网拓扑在线优化方法
CN113033886B (zh) 一种配电网规划建设评估方法
CN109960833B (zh) 一种直流配电电压等级配置方案优选方法及系统
CN116596279B (zh) 一种智慧园区能源消耗调度系统
CN102315646B (zh) 基于最大供电能力的配电网联络有效性与联络化简方法
CN111628498A (zh) 一种考虑配电网可靠性的多目标配电网重构方法和装置
CN112465284A (zh) 一种考虑梯级电站接入的电网适应性评估分析方法
CN111563652A (zh) 一种评价电网企业综合计划执行情况的方法
CN116470519A (zh) 一种考虑负荷不确定性的多场景无功调控方法及装置
CN115423351A (zh) 基于层次分析法和遗传算法的配电网多目标主动重构方法
CN113283205B (zh) 一种基于机会约束的配变最大运行寿命估算方法及装置
CN115526393A (zh) 一种基于变电工程关键影响因素筛选的造价预测方法
CN113947330A (zh) 考虑投资时序的多目标电网项目优选决策方法及系统
CN107294099B (zh) 一种考虑联络通道开关状态的220kV电网分区优化方法
CN113949108B (zh) 基于二人零和博弈的含智能软开关的配电网功率调控方法
Shao et al. Optimization method based on load forecasting for three-phase imbalance mitigation in low-voltage distribution network
CN108062604A (zh) 一种计及网络重构的配电网规划方法
CN116050945B (zh) 一种用于配电网末端低压台区降损分析评价系统及方法

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