CN115456247A - 线路规划方法、装置、计算机设备和可读存储介质 - Google Patents
线路规划方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN115456247A CN115456247A CN202210969035.0A CN202210969035A CN115456247A CN 115456247 A CN115456247 A CN 115456247A CN 202210969035 A CN202210969035 A CN 202210969035A CN 115456247 A CN115456247 A CN 115456247A
- Authority
- CN
- China
- Prior art keywords
- load
- users
- power
- line
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000006870 function Effects 0.000 claims description 29
- 230000005611 electricity Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013277 forecasting method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement 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
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- 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)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种线路规划方法、装置、计算机设备和可读存储介质。所述线路规划方法包括:获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户;根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户;根据多个所述用电负荷组建立所述待规划区域的线路规划模型;对所述线路规划模型进行求解,以获取配电网的线路规划方案。基于根据各用户的用电负荷信息将各用户划分为不同的用电负荷组,能够使各用电负荷组更符合实际线路规划需求,提高了分组的准确度,从而也提高了在计算机上实现的配电网线路规划方案的准确度。
Description
技术领域
本申请涉及配电网建设规划技术领域,特别是涉及一种线路规划方法、装置、计算机设备和可读存储介质。
背景技术
随着配电网建设规划技术的发展,行业内开始研究利用计算机来辅助开展流程化的配电网线路规划,以期在有限资源的条件下能够设计出较为全面且合理的线路规划方案。目前,计算机上实现的配电网线路规划方案虽能优化经济指标、降低配电网总投资与运行维修等费用,也能减少人工工作量,但这类优化方案的准确度偏低,已较难满足实际线路规划需求。
发明内容
基于此,有必要针对上述技术问题,提供一种能够更全面满足实际线路规划需求的线路规划方法、装置、计算机设备和可读存储介质。
第一方面,本申请提供了一种线路规划方法。所述方法包括:
获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户;
根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户;
根据多个所述用电负荷组建立所述待规划区域的线路规划模型;
对所述线路规划模型进行求解,以获取配电网的线路规划方案。
在其中一个实施例中,所述用电负荷信息包括典型日负荷曲线,所述获取配电网的待规划区域中各用户的用电负荷信息,包括:
分别获取所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的负荷功率;
根据所述历史用电信息获取所述用户的所述典型日负荷曲线;
所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组。
在其中一个实施例中,所述根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组,包括:
分别获取各所述用户的所述典型日负荷曲线的曲线类型,所述曲线类型包括三峰两谷型、倒U型、一字型、浅U型、两峰三谷型中的任一种;
根据所述曲线类型将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中各所述用户的曲线类型不完全相同。
在其中一个实施例中,所述用电负荷信息还包括各预设地块的最大负荷总量需求,所述最大负荷总量需求为位置范围内各所述用户同一时刻的负荷功率之和中的最大值,所述获取配电网的待规划区域中各用户的用电负荷信息,包括:
分别获取所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的所述负荷功率;
根据所述历史用电信息进行预测,通过多种预测方法获取所述预设地块的待核验负荷总量;
对通过多种所述预测方法获取的所述待核验负荷总量进行核验,并根据核验结果获取所述预设地块的所述最大负荷总量需求;
所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述预设地块的所述最大负荷总量需求将多个所述用户划分为多个所述用电负荷组,各所述用电负荷组的所述最大负荷总量需求达到均衡。
在其中一个实施例中,所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组前,还包括:
分别获取所述待规划区域中各所述用户的位置信息;
所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述用电负荷信息和所述位置信息将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中任意两个所述用户之间的用电距离小于预设距离,所述用电距离根据所述位置信息确定。
在其中一个实施例中,所述线路规划方案包括各所述用户之间的线路连接关系和各所述用电负荷组的线路最大负荷,所述对所述线路规划模型进行求解,包括:
根据所述线路规划模型分别获取各所述用电负荷组的线路负载率的第一目标函数,所述线路负载率为组负荷量与所述线路最大负荷之间的比值,所述组负荷量为同一所述用电负荷组中各所述用户同一时刻的所述负荷功率之和;
根据所述线路规划模型获取所述待规划区域的线路损耗的第二目标函数;
以所述第一目标函数均衡和所述第二目标函数最小为优化目标对所述线路规划模型进行求解。
在其中一个实施例中,所述对所述线路规划模型进行求解,包括:
获取约束条件集,所述约束条件集包括线路电流约束条件、线路电压降约束条件和可靠性约束条件中的至少一个;
根据所述约束条件集对所述线路规划模型进行求解。
第二方面,本申请还提供了一种线路规划装置。所述装置包括:
用电负荷获取模块,用于获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户;
用电负荷分组模块,用于根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户;
规划模型建立模块,根据多个所述用电负荷组建立所述待规划区域的线路规划模型;
规划方案获取模块,对所述线路规划模型进行求解,以获取配电网的线路规划方案。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述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上述方法的步骤。
上述线路规划方法,通过获取配电网的待规划区域中各用户的用电负荷信息,分析各用户的用电负荷信息并以分析结果作为依据将各用户进行精准分组,划分为多个用电负荷组。再根据各用电负荷组建立待规划区域的线路规划模型,进一步对线路规划模型进行求解并获取配电网的线路规划方案。基于根据各用户的用电负荷信息将各用户划分为不同的用电负荷组,能够使各用电负荷组更符合实际线路规划需求,提高了分组的准确度,从而也提高了在计算机上实现的配电网线路规划方案的准确度。
附图说明
图1为一个实施例中线路规划方法的流程示意图之一;
图2为一个实施例中用户的三峰两谷型典型日负荷曲线图;
图3为一个实施例中用户的倒U型典型日负荷曲线图;
图4为一个实施例中用户的一字型典型日负荷曲线图;
图5为一个实施例中用户的浅U型典型日负荷曲线图;
图6为一个实施例中用户的两峰三谷型典型日负荷曲线图;
图7为一个实施例中线路规划方法的流程示意图之二;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本申请实施例,下面将参照相关附图对本申请实施例进行更全面的描述。附图中给出了本申请实施例的首选实施例。但是,本申请实施例可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请实施例的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本文中在本申请实施例的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请实施例。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种目标函数,但这些目标函数不受这些术语限制。这些术语仅用于将第一个目标函数与另一个函数区分。举例来说,在不脱离本申请的范围的情况下,可以将第一目标函数称为第二目标函数,且类似地,可将第二目标函数称为第一目标函数。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
在其中一个实施例中,如图1所示,提供了一种线路规划方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例提供一种基于GIS系统的配电网线路规划方法,在本实施例中,该方法包括以下步骤:
步骤100,获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户。
步骤200,根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户。
在本实施例中,所述用电负荷信息是指与所述用户的用电设备在某一时刻向电力系统取用的总电功率相关的信息。分析各所述用户的所述用电负荷信息,并以分析结果作为依据将各所述用户进行精准分组。
步骤300,根据多个所述用电负荷组建立所述待规划区域的线路规划模型。
步骤400,对所述线路规划模型进行求解,以获取配电网的线路规划方案。
在本实施例中,根据各所述用户的所述用电负荷信息将各所述用户划分为不同的所述用电负荷组,使各所述用电负荷组更符合实际线路规划需求,提高了分组的准确度,从而也提高了所述线路规划方案的准确度。
在其中一个实施例中,参考图1,所述用电负荷信息包括典型日负荷曲线,所述步骤100获取配电网的待规划区域中各用户的用电负荷信息,包括以下步骤:
可提前设定所述待规划区域,根据实际线路规划需求与现有的配电网网格化规划体系,所述待规划区域的面积一般大于5m2。基于所述待规划区域,本实施例可分别获取配电网所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的负荷功率,具体地,本实施例中可获取各所述用户在历史某一日的负荷功率。
在本实施例中,所述典型日负荷曲线是指一段时间内的日负荷曲线中最具有代表意义的曲线,本实施例可根据各所述用户的历史某一日各时刻的负荷功率获取所述典型日负荷曲线。
所述步骤200根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组。在本实施例中,以各所述用户的所述典型日负荷曲线为依据进行分组,充分考虑到了各所述用户的实际用电情况,提高了分组的精准度。
在其中一个实施例中,所述根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组,包括:
分别获取各所述用户的所述典型日负荷曲线的曲线类型,所述曲线类型包括三峰两谷型、倒U型、一字型、浅U型、两峰三谷型中的任一种,如图2-图6所示,图2-图6分别表示三峰两谷型、倒U型、一字型、浅U型、两峰三谷型典型日负荷曲线,图2-图6的纵坐标为负荷功率,纵坐标的数值为负荷功率经统一的计算标准压缩在一定范围内所呈现的数值。
根据所述曲线类型将多个所述用户划分为多个所述用电负荷组,其中,同一所述用电负荷组中各所述用户的曲线类型不完全相同。可以理解的是,当同一所述用电负荷组中各所述用户的曲线类型不完全相同,某一时刻各所述用户的负荷功率亦即不完全相同,且各所述用户的负荷功率数值有大有小,根据此规律能够确保同一所述用电负荷组中各所述用户在每个时刻的负荷功率之和趋于稳定值。
在其中一个实施例中,参考图1,所述用电负荷信息还包括各预设地块的最大负荷总量需求。所述预设地块是指土地利用规划中根据用途不同所划分的地块,所述土地利用规划是政府发布的国土空间规划的内容之一,是指在一定区域内,根据国家社会经济可持续发展的要求和当地自然、经济、社会条件对土地开发、利用、治理、保护的在空间上、时间上所作的总体的战略性布局和统筹安排。所述预设地块的所述最大负荷总量需求为所述预设地块内各所述用户同一时刻的负荷功率之和中的最大值。所述步骤100获取配电网的待规划区域中各用户的用电负荷信息,还包括:
可提前设定所述待规划区域,根据实际线路规划需求与现有的配电网网格化规划体系,所述待规划区域的面积一般大于5m2。基于所述待规划区域,本实施例可分别获取配电网所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的负荷功率。
根据所述历史用电信息进行预测,通过多种预测方法获取所述预设地块的待核验负荷总量。所述预测方法具体指:具有控制性详细规划或者总体规划的区域饱和负荷预测采用空间负荷预测法,一般负荷(均布负荷)选用单位建筑面积负荷指标法;点负荷预测选用单耗法,或由有关专业部门、设计单位提供负荷资料;不具备控制性详细规划或者总体规划的区域采用用地仿真法、人均用电量法等;当考虑分布式电源及储能设施、电动汽车充换电设施等新型负荷规模化接入时,采用概率建模法、神经网络法、蒙特卡洛模拟法等;对于新增大用户负荷比重较大的地区,采用点负荷增长与区域其他负荷自然增长相结合的方法。
进而,对通过多种所述预测方法获取的所述待核验负荷总量进行核验,并根据核验结果获取所述预设地块的所述最大负荷总量需求。在本实施例中,需对通过多种预测方法得出的预测结果开展相互校核,以尽可能提高预测得到的所述最大负荷总量需求的准确度。
所述步骤200根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:根据所述预设地块的所述最大负荷总量需求将多个所述用户划分为多个所述用电负荷组,各所述用电负荷组的所述最大负荷总量需求达到均衡,所述用电负荷组的所述最大负荷总量需求是指所述用电负荷组内各所述用户同一时刻的负荷功率之和中的最大值。在本实施例中,各所述预设地块被划分至至少一个所述用电负荷组,即各所述预设地块中的所述用户可能被分为同一个所述用电负荷组,也可能被分为不同所述用电负荷组,划分的标准为尽可能确保不同所述用电负荷组之间的所述最大负荷总量需求均衡。
在其中一个实施例中,参考图1,所述步骤200根据所述用电负荷信息将多个所述用户划分为多个用电负荷组前,还包括:
可提前收集所述待规划区域所涉及的街道布局规划、用电设施布局规划等位置信息,并对GIS系统中的缺失与错误的位置信息分别进行补充与更新,所述街道布局规划是指各街道在遵循政府发布的国土空间规划的前提下,根据实际情况所拟定的相关街道布局,所述用电设施布局规划是指政府发布的国土空间规划中所涉及的用电设施布局。在本实施例中,基于GIS系统,分别获取所述待规划区域中各所述用户的位置信息,具体地,位置信息是指街道布局规划、用电设施布局规划等。
所述步骤200根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述典型日负荷曲线、所述最大负荷总量需求等所述用电负荷信息和所述位置信息将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中任意两个所述用户之间的用电距离小于预设距离,所述用电距离根据所述位置信息确定。可以理解的是,能确保同一所述用电负荷组在满足各所述用户在每个时刻的负荷功率之和趋于稳定值,且不同所述用电负荷组之间所述最大负荷总量需求均衡等条件下,同一所述用电负荷组内的各所述用户之间的距离均在预设距离范围之内。
在其中一个实施例中,参考图1,所述线路规划方案包括各所述用户之间的线路连接关系和各所述用电负荷组的线路最大负荷,所述步骤400对所述线路规划模型进行求解,包括:
根据所述线路规划模型分别获取各所述用电负荷组的线路负载率的第一目标函数,所述线路负载率为组负荷量与所述线路最大负荷之间的比值,所述组负荷量为同一所述用电负荷组中各所述用户同一时刻的所述负荷功率之和;根据所述线路规划模型获取所述待规划区域的线路损耗的第二目标函数;以所述第一目标函数均衡和所述第二目标函数最小为优化目标对所述线路规划模型进行求解。
在本实施例中,求解可以使用最小生成树算法。可以理解的是,以若干个所述用电负荷组作为连通图中的顶点,各所述用电负荷组之间的可选路径作为连通图中的边,对线路规划的投资相当于连通图中的权值,根据算法所获取的最小生成树则对应为本实施例所能获取的最优配电网线路规划方案。具体地,通过以下程序获得最优配电网线路规划方案:
1)输入:形成一个加权连通图,其中顶点集合为V,边集合为E;
2)初始化:Vnew={x},其中x为集合V中的任一节点(起始点),Enew={},为空;
3)重复下列操作,直到Vnew=V:
a.在集合E中选取权值最小的边<u,v>,其中u为集合Vnew中的元素,而v不在Vnew集合当中,并且v∈V(如果存在有多条满足前述条件即具有相同权值的边,则可任意选取其中之一);
b.将v加入集合Vnew中,将<u,v>边加入集合Enew中;
4)输出:使用集合Vnew和Enew来描述所得到的最小生成树。
在其中一个实施例中,参考图1,所述步骤400对所述线路规划模型进行求解,包括:
获取约束条件集,所述约束条件集包括线路电流约束条件、线路电压降约束条件和可靠性约束条件中的至少一个;根据所述约束条件集对所述线路规划模型进行求解。
在本实施例中,综合考量配电网线路规划过程中对线路规划可能产生影响的约束条件,获取满足所有约束条件的配电网线路规划方案。
在其中一个实施例中,所述线路规划方法还包括根据所述线路规划方案,显示配电网的线路规划布局图。在本实施例中,当在GIS系统中时,所述线路规划布局图中包含各所述用户的地理经纬度坐标。
在其中一个实施例中,所述线路规划方法还包括存储所述街道布局规划、所述用电设施布局规划、所述负荷功率、所述典型日负荷曲线、所述最大负荷总量需求、所述用电负荷组、所述线路规划模型、所述线路规划方案、所述线路规划布局图、系统即时生成的线路地图数据、各所述用户实时的负荷功率中的任一信息。在本实施例中,当所存储的数据溢出时,依存储信息的先后顺序对存储的数据进行覆盖,所述数据溢出是指存储容量超过预设容量。
如图7所示,在其中一个实施例中,提前设定所述待规划区域,所述待规划区域包含多个所述用户。所述线路规划方法包括:步骤110分别获取所述待规划区域中各所述用户的历史用电信息,并步骤120根据所述历史用电信息获取所述用户的所述典型日负荷曲线,所述历史用电信息包括历史各时刻的负荷功率。其中,所述典型日负荷曲线可以指一段时间内的日负荷曲线中最具有代表意义的曲线,步骤130分别获取各所述用户的所述典型日负荷曲线的曲线类型,所述曲线类型包括三峰两谷型、倒U型、一字型、浅U型、两峰三谷型中的任一种。另外,还可根据历史用电信息获取各所述用户的所述最大负荷总量需求,所述最大负荷总量需求是指所述位置范围内各所述用户同一时刻的负荷功率之和中的最大值,具体地,步骤140根据所述历史用电信息进行预测,通过多种预测方法获取各预设面积位置范围内的待核验负荷总量,步骤150对通过多种所述预测方法获取的所述待核验负荷总量进行核验,并根据核验结果获取所述最大负荷总量需求。同时,还可提前收集所述待规划区域所涉及的街道布局规划、用电设施布局规划等位置信息,并对GIS系统中的缺失与错误的位置信息分别进行补充与更新,进而步骤160分别获取所述待规划区域中各所述用户的位置信息。
步骤210根据所述典型日负荷曲线、所述最大负荷需求总量和所述位置信息将多个所述用户划分为多个所述用电负荷组。所述用电负荷组分别包括多个所述用户,同一所述用电负荷组中各所述用户的曲线类型不完全相同,不同所述用电负荷组之间所述最大负荷总量需求均衡,且同一所述用电负荷组中任意两个所述用户之间的用电距离小于预设距离,所述用电距离根据所述位置信息确定。
进一步地,步骤300根据多个所述用电负荷组建立所述待规划区域的线路规划模型。
再进一步地,对所述线路规划模型进行求解。具体地,线路规划方案包括各所述用户之间的线路连接关系和各所述用电负荷组的线路最大负荷,首先,步骤410根据所述线路规划模型分别获取各所述用电负荷组的线路负载率的第一目标函数,所述线路负载率为组负荷量与所述线路最大负荷之间的比值,所述组负荷量为同一所述用电负荷组中各所述用户同一时刻的所述负荷功率之和;其次,步骤420根据所述线路规划模型获取所述待规划区域的线路损耗的第二目标函数;最后,步骤430获取约束条件集,所述约束条件集包括线路电流约束条件、线路电压降约束条件和可靠性约束条件中的至少一个,进而步骤440以所述第一目标函数均衡和所述第二目标函数最小为优化目标,且满足所述约束条件集对所述线路规划模型进行求解。
应该理解的是,虽然图1与图7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1与图7的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的线路规划方法的线路规划装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个线路规划装置实施例中的具体限定可以参见上文中对于线路规划方法的限定,在此简单描述。
在其中一个实施例中,提供了一种线路规划装置,所述装置包括用电负荷获取模块、用电负荷分组模块、规划模型建立模块和规划方案获取模块。用电负荷获取模块,用于获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户;用电负荷分组模块,用于根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户;规划模型建立模块,根据多个所述用电负荷组建立所述待规划区域的线路规划模型;规划方案获取模块,对所述线路规划模型进行求解,以获取配电网的线路规划方案。
在其中一个实施例中,所述用电负荷信息包括典型日负荷曲线,所述用电负荷获取模块包括用电信息获取单元和负荷曲线获取单元。用电信息获取单元,用于分别获取所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的负荷功率;负荷曲线获取单元,用于根据所述历史用电信息获取所述用户的所述典型日负荷曲线。所述用电负荷分组模块用于根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组。
在其中一个实施例中,所述负荷曲线获取单元还用于根据所述历史用电信息获取所述用户的所述典型日负荷曲线的曲线类型,所述曲线类型包括三峰两谷型、倒U型、一字型、浅U型、两峰三谷型中的任一种。所述用电负荷分组模块用于根据所述曲线类型将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中各所述用户的曲线类型不完全相同。
在其中一个实施例中,所述用电负荷信息还包括各预设地块的最大负荷总量需求,所述最大负荷总量需求为位置范围内各所述用户同一时刻的负荷功率之和中的最大值,所述用电负荷获取模块包括用电信息获取单元、负荷总量获取单元和负荷总量检测单元。用电信息获取单元,用于分别获取所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的负荷功率;负荷总量获取单元,用于根据所述历史用电信息进行预测,通过多种预测方法获取各所述预设地块的待核验负荷总量;负荷总量检测单元,用于对通过多种所述预测方法获取的所述待核验负荷总量进行核验,并根据核验结果获取所述预设地块的所述最大负荷总量需求。所述用电负荷分组模块用于根据所述预设地块的所述最大负荷总量需求将多个所述用户划分为多个所述用电负荷组,各所述用电负荷组的所述最大负荷总量需求达到均衡。
在其中一个实施例中,所述线路规划装置还包括位置信息获取模块,所述位置信息处理模块包括位置信息获取单元和位置信息测量单元。位置信息获取单元,用于分别获取所述待规划区域中各所述用户的位置信息;位置信息测量单元,用于测量任意两个所述用户之间的用电距离,所述用电距离根据所述位置信息确定。所述用电负荷分组模块还用于根据所述用电负荷信息和所述位置信息将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中任意两个所述用户之间的用电距离小于预设距离。
在其中一个实施例中,所述线路规划方案包括各所述用户之间的线路连接关系和各所述用电负荷组的线路最大负荷,所述规划方案获取模块包括目标函数获取单元和规划模型求解单元。目标函数获取单元,用于根据所述线路规划模型分别获取各所述用电负荷组的线路负载率的第一目标函数,所述线路负载率为组负荷量与所述线路最大负荷之间的比值,所述组负荷量为同一所述用电负荷组中各所述用户同一时刻的所述负荷功率之和,以及用于根据所述线路规划模型获取所述待规划区域的线路损耗的第二目标函数;规划模型求解单元,用于以所述第一目标函数均衡和所述第二目标函数最小为优化目标对所述线路规划模型进行求解。
在其中一个实施例中,所述规划方案获取模块包括约束条件获取单元和规划模型求解单元。约束条件获取单元,用于获取约束条件集,所述约束条件集包括线路电流约束条件、线路电压降约束条件和可靠性约束条件中的至少一个;规划模型求解单元,用于根据所述约束条件集对所述线路规划模型进行求解。
上述线路规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
如图8所示,本申请实施例还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述线路规划方法的步骤。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图8中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例还提供了一种计算机可读存储介质。所述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上述线路规划方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种线路规划方法,其特征在于,所述方法包括:
获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户;
根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户;
根据多个所述用电负荷组建立所述待规划区域的线路规划模型;
对所述线路规划模型进行求解,以获取配电网的线路规划方案。
2.根据权利要求1所述的方法,其特征在于,所述用电负荷信息包括典型日负荷曲线,所述获取配电网的待规划区域中各用户的用电负荷信息,包括:
分别获取所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的负荷功率;
根据所述历史用电信息获取所述用户的所述典型日负荷曲线;
所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组。
3.根据权利要求2所述的方法,其特征在于,所述根据所述典型日负荷曲线将多个所述用户划分为多个所述用电负荷组,包括:
分别获取各所述用户的所述典型日负荷曲线的曲线类型,所述曲线类型包括三峰两谷型、倒U型、一字型、浅U型、两峰三谷型中的任一种;
根据所述曲线类型将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中各所述用户的曲线类型不完全相同。
4.根据权利要求1所述的方法,其特征在于,所述用电负荷信息还包括各预设地块的最大负荷总量需求,所述最大负荷总量需求为位置范围内各所述用户同一时刻的负荷功率之和中的最大值,所述获取配电网的待规划区域中各用户的用电负荷信息,包括:
分别获取所述待规划区域中各所述用户的历史用电信息,所述历史用电信息包括历史各时刻的所述负荷功率;
根据所述历史用电信息进行预测,通过多种预测方法获取所述预设地块的待核验负荷总量;
对通过多种所述预测方法获取的所述待核验负荷总量进行核验,并根据核验结果获取所述预设地块的所述最大负荷总量需求;
所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述预设地块的所述最大负荷总量需求将多个所述用户划分为多个所述用电负荷组,各所述用电负荷组的所述最大负荷总量需求达到均衡。
5.根据权利要求1所述的方法,其特征在于,所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组前,还包括:
分别获取所述待规划区域中各所述用户的位置信息;
所述根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,包括:
根据所述用电负荷信息和所述位置信息将多个所述用户划分为多个所述用电负荷组,同一所述用电负荷组中任意两个所述用户之间的用电距离小于预设距离,所述用电距离根据所述位置信息确定。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述线路规划方案包括各所述用户之间的线路连接关系和各所述用电负荷组的线路最大负荷,所述对所述线路规划模型进行求解,包括:
根据所述线路规划模型分别获取各所述用电负荷组的线路负载率的第一目标函数,所述线路负载率为组负荷量与所述线路最大负荷之间的比值,所述组负荷量为同一所述用电负荷组中各所述用户在同一时刻的所述负荷功率之和;
根据所述线路规划模型获取所述待规划区域的线路损耗的第二目标函数;
以所述第一目标函数均衡和所述第二目标函数最小为优化目标对所述线路规划模型进行求解。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述对所述线路规划模型进行求解,包括:
获取约束条件集,所述约束条件集包括线路电流约束条件、线路电压降约束条件和可靠性约束条件中的至少一个;
根据所述约束条件集对所述线路规划模型进行求解。
8.一种线路规划装置,其特征在于,所述装置包括:
用电负荷获取模块,用于获取配电网的待规划区域中各用户的用电负荷信息,所述待规划区域包含多个所述用户;
用电负荷分组模块,用于根据所述用电负荷信息将多个所述用户划分为多个用电负荷组,各所述用电负荷组分别包括多个所述用户;
规划模型建立模块,根据多个所述用电负荷组建立所述待规划区域的线路规划模型;
规划方案获取模块,对所述线路规划模型进行求解,以获取配电网的线路规划方案。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法的步骤。
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权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210969035.0A CN115456247A (zh) | 2022-08-12 | 2022-08-12 | 线路规划方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210969035.0A CN115456247A (zh) | 2022-08-12 | 2022-08-12 | 线路规划方法、装置、计算机设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115456247A true CN115456247A (zh) | 2022-12-09 |
Family
ID=84298466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210969035.0A Pending CN115456247A (zh) | 2022-08-12 | 2022-08-12 | 线路规划方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115456247A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116865264A (zh) * | 2023-09-05 | 2023-10-10 | 广州泓盈信息科技有限公司 | 一种变电站智能化分配供电方法、系统及存储介质 |
-
2022
- 2022-08-12 CN CN202210969035.0A patent/CN115456247A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116865264A (zh) * | 2023-09-05 | 2023-10-10 | 广州泓盈信息科技有限公司 | 一种变电站智能化分配供电方法、系统及存储介质 |
CN116865264B (zh) * | 2023-09-05 | 2023-11-07 | 广州泓盈信息科技有限公司 | 一种变电站智能化分配供电方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184424B (zh) | 实现多源异构数据融合的多核函数学习SVM的Mapreduce化短期负荷预测方法 | |
CN105205563B (zh) | 一种基于大数据的短期负荷预测平台 | |
CN112541618B (zh) | 基于网格化的主动配电网规划方法及存储介质 | |
CN102426674B (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
CN102509173B (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN108876019A (zh) | 一种基于大数据的用电负荷预测方法及系统 | |
CN111210058B (zh) | 一种基于网格化的配电网自上而下负荷预测信息方法 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
Zhao et al. | Improved dynamic programming for reservoir flood control operation | |
CN112541617B (zh) | 变电站的定容及选址方法、存储介质 | |
CN104463374A (zh) | 一种分布式电源优化配置的方法及系统 | |
CN107832876A (zh) | 基于MapReduce框架的分区最大负荷预测方法 | |
CN107909508A (zh) | 一种配电变压器负荷异常告警方法 | |
CN114048920A (zh) | 充电设施建设的选址布局方法、装置、设备及存储介质 | |
CN114462722B (zh) | 新能源发电功率轻量化高精度云预测系统、方法和装置 | |
CN115456247A (zh) | 线路规划方法、装置、计算机设备和可读存储介质 | |
Yuan et al. | A SAFSA-and metabolism-based nonlinear grey Bernoulli model for annual water consumption prediction | |
CN116934366A (zh) | 充电场站的充电定价方法及装置、存储介质、计算机设备 | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN112668225A (zh) | 配网网格的规划方法、装置、计算机设备和存储介质 | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型系统及方法 | |
CN114819596A (zh) | 一种区域变电站规划方法、系统、终端及存储介质 | |
CN116030616A (zh) | 一种利用大数据进行交通量预测的方法及装置 | |
McKerchar | Optimal monthly operation of interconnected hydroelectric power storages | |
Umoren et al. | Rural electrification peak load demand forecast model based on end user demographic data |
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 |