CN116094050A - 基于边远区域负荷配电网电力电量优化方法、系统、应用 - Google Patents
基于边远区域负荷配电网电力电量优化方法、系统、应用 Download PDFInfo
- Publication number
- CN116094050A CN116094050A CN202310163228.1A CN202310163228A CN116094050A CN 116094050 A CN116094050 A CN 116094050A CN 202310163228 A CN202310163228 A CN 202310163228A CN 116094050 A CN116094050 A CN 116094050A
- Authority
- CN
- China
- Prior art keywords
- power
- data
- distribution network
- load
- real
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005611 electricity Effects 0.000 title claims abstract description 34
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005065 mining Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000009849 deactivation Effects 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 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
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电网规划技术领域，公开了基于边远区域负荷配电网电力电量优化方法、系统、应用。该方法包括：划分供电区域，获取边远供电区域的现状数据并进行分析；基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。本发明实现了延长配电变压器的寿命，优化配电网络安全运行的目的。
Description
技术领域
本发明属于电网规划技术领域，尤其涉及基于边远区域负荷配电网电力电量优化方法、系统、应用。
背景技术
现有的配电网划分的供电区域大多依据行政区域或者运维人员的经验划分，显然已经无法满足我国电网高速发展的需求。
近年来，配电变压器对电力的需求持续增长，由于传统能源的短缺，电力行业也在积极地开发新能源。为了满足配电变压器的需求，分布式电源开始在配电网中使用。分布式电源是与周边环境兼容的独立电源，能够利用天然气、煤层气等燃料，或利用沼气、焦炉煤气等废气资源，或利用风能、太阳能、水能等可再生资源进行发电，为配电网供电，从而能够调节用电高峰，为边远配电变压器或商业区和居民区送电。现阶段，将利用太阳能进行发电的光伏发电设备作为分布式电源较为普遍。
由于配电网的阻抗比较大，有功功率和无功功率的耦合性较强，因此有功潮流的分布和无功潮流的分布均对配电网的有功网络损耗和电压质量有较大影响。配电网引入分布式电源后，使配电网从单电源供电发展为多电源供电改变了配电网的潮流分布，增加了配电网的有功网络损耗。潮流分布改变后的配电网中的分布式电源的输出会产生电压波动，甚至会产生电压越限的现象，从而降低了配电网的运行安全性。
同时对于边远区域负荷配电网电力电量现有技术准确预测与调控效果差。
而纵观配电网电力电量优化挖掘运用到电力系统的应用，大多是基于无功电压划分的供电区域，将配电网抽象成拓扑网络，把线路间阻抗、电压等信息作为网络中边的权重，利用最传统的算法进行挖掘，缺少对实时负荷状态自身性质的考虑；或者以边远区域负荷的核心实时负荷状态发现关键实时负荷状态，利用区间连边发现关键线路，还有就是用边远区域负荷结构对子区域进行划分，缺少对电网拓扑结构和实时负荷状态本身数据的联合考察，划分的供电区域的准确性还有待提升。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有技术中，对各类地区大规模配电网的电力电量预测的准确度低。
(2)现有技术中，对运行中的负荷设备不能进行有效保护，不能延长设备的使用寿命，而且配电网络运行安全性低。
发明内容
为克服相关技术中存在的问题，本发明公开实施例提供了一种基于边远区域负荷配电网电力电量优化方法、系统、应用。
所述技术方案如下：一种基于边远区域负荷配电网电力电量优化方法包括以下步骤：
S1，划分供电区域，获取边远供电区域的现状数据并进行分析；所述边远供电区域的现状数据包括配电网的电力电量数据；
S2，基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；
S3，通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。
在一个实施例中，在步骤S2中，基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数包括：
步骤1，获取边远供电区域和实时负荷状态的数据，并对获取的数据进行预处理；
步骤2，基于预处理后的数据进行边远区域负荷挖掘，得到电力电量超负荷的边远区域负荷；基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷；
步骤3，根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议并输出。
在一个实施例中，步骤1中，所述对获取的数据进行预处理包括：
建立实时负荷状态网络，读取实时负荷状态电压、负荷数据，将得到的数据代入实时负荷状态网络进行验证；利用随机森林对空缺数据进行预测和填补，得到完整的数据；并将每个实时负荷状态的电压、有功负荷和无功负荷数据转换成RGB彩色图像；
所述数据包括配电变压器有功负荷、无功负荷和三相平均电压变化数据。
在一个实施例中，步骤2中，所述基于预处理后的数据进行边远区域负荷挖掘包括：
(1)将实时负荷状态以度数排序，优先挖掘度数大的实时负荷状态；所述实时负荷状态度数{D}为网络中与实时负荷状态相连的边的总数；判断是否所有实时负荷状态都被归入到某边远区域负荷，若否，则转向步骤(2)；若是，则结束；
(2)将排序最靠前的还未划分入任何一个边远区域负荷的实时负荷状态N1加入边远区域负荷C，将N1的邻实时负荷状态加入邻域B；
(3)将N1的图像逐个与B中实时负荷状态图像利用指纹哈希算法进行对比，得到图像相似度最高的实时负荷状态N2，计算将N2加入C后的局部组件度增量△R，判断△R是否大于0，如果△R>0，转向步骤(4)；如果△R<0，从C中剔除N2；
(4)将N1加入C，从邻域中删除N2，将N2的邻实时负荷状态加入B；重复步骤(3)至步骤(4)，直至邻域B为空；重复步骤(2)至步骤(4)，直至所有实时负荷状态都归属到某一边远区域负荷。
在一个实施例中，所述步骤(3)局部组件度
其中，{I}表示边远区域负荷内部边的边数，{T}表示连接边远区域负荷内实时负荷状态所有边的边数；
所述基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷包括：
将得到的重叠实时负荷状态随机划分到任意一个所属边远区域负荷；计算此时网络的优化目标函数，遍历每一个重叠实时负荷状态，将其依次划入其他所属边远区域负荷，得到优化目标函数增量{△Q}最大的时的边远区域负荷划分；
所述网络的优化目标函数计算公式如下：
其中，{m}表示配电网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示实时负荷状态i的度，{δ(ci，cj)}当实时负荷状态i、j属于同一个边远区域负荷时为1，反之为0。
在一个实施例中，步骤3中，所述根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议包括：
利用得到的划分的供电区域结果，将每个边远区域负荷内的实时负荷状态数据相加取均值，得到代表这个边远区域负荷的数据特征，在边远区域负荷内部利用指纹哈希算法计算每个实时负荷状态与边远区域负荷数据特征的相似度，得到最接近边远区域负荷数据特征的实时负荷状态即最能代表此边远区域负荷数据特征的关键实时负荷状态；基于得到的关键实时负荷状态确定柔性开关接入方式；
所述基于得到的关键实时负荷状态确定柔性开关接入方式包括：将数据差异较大的多个边远区域负荷的关键实时负荷状态相连。
在步骤S3中，建立配电网电压优化控制模型包括：
步骤1，初始化：
对数据集大小及存储成本确定多位数以及多维向量空间，同时初始化f位二进制数S均置为0；
步骤2，文档预处理：
对文档进行分词、去停用词操作，构成文档若干特征词项M＝{}；
步骤3，权重计算：
分别计算分词之后的特征项的电力-电量值以及左右信息熵，使用电力值、电量值的平方平均值作为特征项最终的权重，并且引入阈值Wt防止文档特征失真；
步骤4，配电网电力电量优化计算：
对步骤2中的特征项进行配电网电力电量优化计算，并引入位置因子与配电网电力电量优化进行异或操作作为特征项的最终配电网电力电量优化值，配电网电力电量优化值包括特征项的位置信息，记为H＝{}；
步骤5，对步骤3中产生的特征项权重以及步骤4中产生的f位配电网电力电量优化值进行累加运算，获取二级指纹向量V；
步骤6，压缩变换：对最后生成的二级指纹向量V，对每一位进行转化处理，最终生成文档f位配电网电力电量优化指纹S。
本发明的另一目的在于提供一种所述基于边远区域负荷配电网电力电量优化系统包括：
数据划分与分析模块，用于划分供电区域，获取边远供电区域的现状数据并进行分析；所述边远供电区域的现状数据包括配电网的电力电量数据；
优化目标函数获取模块，用于基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；
修正数据和配置数据获取模块，用于通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。
本发明的另一目的在于提供计算机设备，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，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于边远区域负荷配电网电力电量优化方法。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于边远区域负荷配电网电力电量优化方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：本发明基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数包括：获取边远供电区域和实时负荷状态的数据，并对获取的数据进行预处理；基于预处理后的数据进行边远区域负荷挖掘，得到电力电量超负荷的边远区域负荷；基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷；根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议并输出。可获得准确的各类地区大规模配电网的电力电量预测数据。同时解决了现有技术中，对运行中的负荷设备不能进行有效保护，不能延长设备的使用寿命，而且配电网络运行安全性问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的基于边远区域负荷配电网电力电量优化方法
图2是本发明实施例提供的获取当前负载率确定配电网络运行的优化目标函数示意图；
图3是本发明实施例提供的基于边远区域负荷配电网电力电量优化系统示意图；
图中：1、数据划分与分析模块；2、优化目标函数获取模块；3、修正数据和配置数据获取模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
一、解释说明实施例：
实施例1
如图1所示，本发明实施例提供一种基于边远区域负荷配电网电力电量优化方法包括以下步骤：
S101，划分供电区域，获取边远供电区域的现状数据并进行分析；所述边远供电区域的现状数据包括配电网的电力电量数据；
S102，基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；
S103，通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。
实施例2
如图2所示，根据本发明实施例提供的基于边远区域负荷配电网电力电量优化方法，在步骤S102中，基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数包括：
S201，获取边远供电区域和实时负荷状态的数据，并对获取的数据进行预处理；
S202，基于预处理后的数据进行边远区域负荷挖掘，得到电力电量超负荷的边远区域负荷；基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷；
S203，根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议并输出。
实施例3
根据本发明实施例2提供的基于边远区域负荷配电网电力电量优化方法，进一步的，步骤S201中，所述对获取的数据进行预处理包括：
建立实时负荷状态网络，读取实时负荷状态电压、负荷数据，将得到的数据代入实时负荷状态网络进行验证；利用随机森林对空缺数据进行预测和填补，得到完整的数据；并将每个实时负荷状态的电压、有功负荷和无功负荷数据转换成RGB彩色图像；
所述数据包括配电变压器有功负荷、无功负荷和三相平均电压变化数据。
实施例4
根据本发明实施例2提供的基于边远区域负荷配电网电力电量优化方法，进一步的，步骤S202中，所述基于预处理后的数据进行边远区域负荷挖掘包括：
(1)将实时负荷状态以度数排序，优先挖掘度数大的实时负荷状态；所述实时负荷状态度数{D}为网络中与实时负荷状态相连的边的总数；判断是否所有实时负荷状态都被归入到某边远区域负荷，若否，则转向步骤(2)；若是，则结束；
(2)将排序最靠前的还未划分入任何一个边远区域负荷的实时负荷状态N1加入边远区域负荷C，将N1的邻实时负荷状态加入邻域B；
(3)将N1的图像逐个与B中实时负荷状态图像利用指纹哈希算法进行对比，得到图像相似度最高的实时负荷状态N2，计算将N2加入C后的局部组件度增量△R，判断△R是否大于0，如果△R>0，转向步骤(4)；如果△R<0，从C中剔除N2；
(4)将N1加入C，从邻域中删除N2，将N2的邻实时负荷状态加入B；重复步骤(3)至步骤(4)，直至邻域B为空；重复步骤(2)至步骤(4)，直至所有实时负荷状态都归属到某一边远区域负荷。
所述步骤(3)局部组件度
其中，{I}表示边远区域负荷内部边的边数，{T}表示连接边远区域负荷内实时负荷状态所有边的边数；
所述基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷包括：
将得到的重叠实时负荷状态随机划分到任意一个所属边远区域负荷；计算此时网络的优化目标函数，遍历每一个重叠实时负荷状态，将其依次划入其他所属边远区域负荷，得到优化目标函数增量{△Q}最大的时的边远区域负荷划分；
所述网络的优化目标函数计算公式如下：
其中，{m}表示配电网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示实时负荷状态i的度，{δ(ci，cj)}当实时负荷状态i、j属于同一个边远区域负荷时为1，反之为0。
实施例5
根据本发明实施例4提供的基于边远区域负荷配电网电力电量优化方法，进一步的，所述根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议包括：
利用得到的划分的供电区域结果，将每个边远区域负荷内的实时负荷状态数据相加取均值，得到代表这个边远区域负荷的数据特征，在边远区域负荷内部利用指纹哈希算法计算每个实时负荷状态与边远区域负荷数据特征的相似度，得到最接近边远区域负荷数据特征的实时负荷状态即最能代表此边远区域负荷数据特征的关键实时负荷状态；基于得到的关键实时负荷状态确定柔性开关接入方式；
所述基于得到的关键实时负荷状态确定柔性开关接入方式包括：将数据差异较大的多个边远区域负荷的关键实时负荷状态相连。
实施例6
根据本发明实施例2提供的基于边远区域负荷配电网电力电量优化方法，进一步的，步骤S203中，遗传算法采用生物学遗传算法；
建立配电网电压优化控制模型包括：
步骤1，初始化：
对数据集大小及存储成本确定多位数以及多维向量空间，同时初始化f位二进制数S均置为0；
步骤2，文档预处理：
对文档进行分词、去停用词操作，构成文档若干特征词项M＝{}；
步骤3，权重计算：
分别计算分词之后的特征项的电力-电量值以及左右信息熵，使用电力值、电量值的平方平均值作为特征项最终的权重，并且引入阈值Wt防止文档特征失真；
步骤4，配电网电力电量优化计算：
对步骤2中的特征项进行配电网电力电量优化计算，并引入位置因子与配电网电力电量优化进行异或操作作为特征项的最终配电网电力电量优化值，配电网电力电量优化值包括特征项的位置信息，记为H＝{}；
步骤5，对步骤3中产生的特征项权重以及步骤4中产生的f位配电网电力电量优化值进行累加运算，获取二级指纹向量V；
步骤6，压缩变换：对最后生成的二级指纹向量V，对每一位进行转化处理，最终生成文档f位配电网电力电量优化指纹S。
实施例7
如图3所示，本发明实施例提供的基于边远区域负荷配电网电力电量优化系统包括：
数据划分与分析模块1，用于划分供电区域，获取边远供电区域的现状数据并进行分析；所述边远供电区域的现状数据包括配电网的电力电量数据；
优化目标函数获取模块2，用于基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；
修正数据和配置数据获取模块3，用于通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
二、应用实施例：
应用例
本发明实施例还提供了一种计算机设备，该计算机设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本发明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存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本发明实施例还提供了一种信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供配电变压器输入接口以实施如上述各方法实施例中的步骤，所述信息数据处理终端不限于手机、电脑、交换机。
本发明实施例还提供了一种服务器，所述服务器用于实现于电子装置上执行时，提供配电变压器输入接口以实施如上述各方法实施例中的步骤。
本发明实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于边远区域负荷配电网电力电量优化方法，其特征在于，该方法包括以下步骤：
S1，划分供电区域，获取边远供电区域的现状数据并进行分析；所述边远供电区域的现状数据包括配电网的电力电量数据；
S2，基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；
S3，通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。
2.根据权利要求1所述的基于边远区域负荷配电网电力电量优化方法，其特征在于，在步骤S2中，所述对选择的供电区域进行当前电力电量预测包括：
步骤1，获取边远供电区域和实时负荷状态的数据，并对获取的数据进行预处理；
步骤2，基于预处理后的数据进行边远区域负荷挖掘，得到电力电量超负荷的边远区域负荷；基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷；
步骤3，根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议并输出。
3.根据权利要求2所述的基于边远区域负荷配电网电力电量优化方法，其特征在于，步骤1中，所述对获取的数据进行预处理包括：
建立实时负荷状态网络，读取实时负荷状态电压、负荷数据，将得到的数据代入实时负荷状态网络进行验证；利用随机森林对空缺数据进行预测和填补，得到完整的数据；并将每个实时负荷状态的电压、有功负荷和无功负荷数据转换成RGB彩色图像；
所述数据包括配电变压器有功负荷、无功负荷和三相平均电压变化数据。
4.根据权利要求2所述的基于边远区域负荷配电网电力电量优化方法，其特征在于，步骤2中，所述基于预处理后的数据进行边远区域负荷挖掘包括：
(1)将实时负荷状态以度数排序，优先挖掘度数大的实时负荷状态，实时负荷状态度数{D}为网络中与实时负荷状态相连的边的总数；判断是否所有实时负荷状态都被归入到某边远区域负荷，若否，则转向步骤(2)；若是，则结束；
(2)将排序最靠前的还未划分入任何一个边远区域负荷的实时负荷状态N1加入边远区域负荷C，将N1的邻实时负荷状态加入邻域B；
(3)将N1的图像逐个与B中实时负荷状态图像利用指纹哈希算法进行对比，得到图像相似度最高的实时负荷状态N2，计算将N2加入C后的局部组件度增量△R，判断△R是否大于0，如果△R>0，转向步骤(4)；如果△R<0，从C中剔除N2；局部组件度
其中，{I}表示边远区域负荷内部边的边数，{T}表示连接边远区域负荷内实时负荷状态所有边的边数；
(4)将N1加入C，从邻域中删除N2，将N2的邻实时负荷状态加入B；重复步骤(3)至步骤(4)，直至邻域B为空；重复步骤(2)至步骤(4)，直至所有实时负荷状态都归属到某一边远区域负荷。
5.根据权利要求2所述的基于边远区域负荷配电网电力电量优化方法，其特征在于，在步骤2中，所述基于得到的电力电量超负荷的边远区域负荷，获取非电力电量超负荷边远区域负荷包括：
将得到的重叠实时负荷状态随机划分到任意一个所属边远区域负荷；计算此时网络的优化目标函数，遍历每一个重叠实时负荷状态，将其依次划入其他所属边远区域负荷，得到优化目标函数增量{△Q}最大的时的边远区域负荷划分；
所述网络的优化目标函数计算公式如下：
其中，{m}表示配电网络所有边权值的和，{Aij}表示i、j连边的权重，{ki}表示实时负荷状态i的度，{δ(ci，cj)}当实时负荷状态i、j属于同一个边远区域负荷时为1，反之为0。
6.根据权利要求2所述的基于边远区域负荷配电网电力电量优化方法，其特征在于，步骤3中，所述根据划分的供电区域结果提取边远区域负荷特征，给出配电变压器或者柔性开关接入方式的建议包括：
利用得到的划分的供电区域结果，将每个边远区域负荷内的实时负荷状态数据相加取均值，得到代表这个边远区域负荷的数据特征，在边远区域负荷内部利用指纹哈希算法计算每个实时负荷状态与边远区域负荷数据特征的相似度，得到最接近边远区域负荷数据特征的实时负荷状态即最能代表此边远区域负荷数据特征的关键实时负荷状态；基于得到的关键实时负荷状态确定柔性开关接入方式；基于得到的关键实时负荷状态确定柔性开关接入方式包括：将数据差异较大的多个边远区域负荷的关键实时负荷状态相连。
7.根据权利要求1所述的基于边远区域负荷配电网电力电量优化方法，其特征在于，在步骤S3中，建立配电网电压优化控制模型包括：
步骤1，初始化：对数据集大小及存储成本确定多位数以及多维向量空间，同时初始化f位二进制数S均置为0；
步骤2，文档预处理：对文档进行分词、去停用词操作，构成文档若干特征词项M＝{}；
步骤3，权重计算：分别计算分词之后的特征项的电力-电量值以及左右信息熵，使用电力值、电量值的平方平均值作为特征项最终的权重，并且引入阈值wt防止文档特征失真；
步骤4，配电网电力电量优化计算：对步骤2中的特征项进行配电网电力电量优化计算，并引入位置因子与配电网电力电量优化进行异或操作作为特征项的最终配电网电力电量优化值，配电网电力电量优化值包括特征项的位置信息，记为H＝{}；
步骤5，对步骤3中产生的特征项权重以及步骤4中产生的f位配电网电力电量优化值进行累加运算，获取二级指纹向量V；
步骤6，压缩变换：对最后生成的二级指纹向量V，对每一位进行转化处理，最终生成文档f位配电网电力电量优化指纹S。
8.一种根据权利要求1-7任意一项所述基于边远区域负荷配电网电力电量优化方法的系统，其特征在于，该基于边远区域负荷配电网电力电量优化系统包括：
数据划分与分析模块(1)，用于划分供电区域，获取边远供电区域的现状数据并进行分析；所述边远供电区域的现状数据包括配电网的电力电量数据；
优化目标函数获取模块(2)，用于基于分析后的结果数据，进行配电网的电力电量数据修正系数计算，优化配置参数，对选择的供电区域进行当前电力电量预测，并获取当前负载率确定配电网络运行的优化目标函数；
修正数据和配置数据获取模块(3)，用于通过目标函数和遗传算法计算得到边远供电区域的现状情况，建立配电网电压优化控制模型，基于配电网电压优化控制模型进行供电情况的数据调整和优化，得到对应的修正数据和配置数据。
9.一种计算机设备，其特征在于，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，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1-7任意一项所述基于边远区域负荷配电网电力电量优化方法。
10.一种计算机可读存储介质，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，使得所述处理器执行权利要求1-7任意一项所述基于边远区域负荷配电网电力电量优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310163228.1A CN116094050A (zh) | 2023-02-24 | 2023-02-24 | 基于边远区域负荷配电网电力电量优化方法、系统、应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310163228.1A CN116094050A (zh) | 2023-02-24 | 2023-02-24 | 基于边远区域负荷配电网电力电量优化方法、系统、应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116094050A true CN116094050A (zh) | 2023-05-09 |
Family
ID=86210263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310163228.1A Pending CN116094050A (zh) | 2023-02-24 | 2023-02-24 | 基于边远区域负荷配电网电力电量优化方法、系统、应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116094050A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557069A (zh) * | 2024-01-10 | 2024-02-13 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及系统 |
| CN118367551A (zh) * | 2024-06-19 | 2024-07-19 | 泰亿达科技集团有限公司 | 一种均衡分配优化的电网智能配电方法、系统及介质 |
-
2023
- 2023-02-24 CN CN202310163228.1A patent/CN116094050A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557069A (zh) * | 2024-01-10 | 2024-02-13 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及系统 |
| CN117557069B (zh) * | 2024-01-10 | 2024-03-26 | 长峡数字能源科技(湖北)有限公司 | 一种充电桩选址方法及系统、电子设备、存储介质 |
| CN118367551A (zh) * | 2024-06-19 | 2024-07-19 | 泰亿达科技集团有限公司 | 一种均衡分配优化的电网智能配电方法、系统及介质 |
| CN118367551B (zh) * | 2024-06-19 | 2024-08-20 | 泰亿达科技集团有限公司 | 一种均衡分配优化的电网智能配电方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116094050A (zh) | 基于边远区域负荷配电网电力电量优化方法、系统、应用 | |
| Li et al. | Incorporating energy storage and user experience in isolated microgrid dispatch using a multi‐objective model | |
| Pilo et al. | New electricity distribution network planning approaches for integrating renewable | |
| Abo El‐Ela et al. | Optimal allocation of biomass distributed generation in distribution systems using equilibrium algorithm | |
| Guo et al. | A novel typical day selection method for the robust planning of stand-alone wind-photovoltaic-diesel-battery microgrid | |
| CN110110948B (zh) | 一种多目标分布式电源优化配置方法 | |
| CN109755949B (zh) | 一种热电联合储能电站功率的优化分配方法及装置 | |
| Pindoriya et al. | A comprehensive survey on multi-objective evolutionary optimization in power system applications | |
| CN116961052A (zh) | 一种分布式储能系统的选址定容方法及系统 | |
| Singh et al. | GA based energy loss minimization approach for optimal sizing & placement of distributed generation | |
| Khunkitti et al. | Optimal location and sizing of BESS for performance improvement of distribution systems with high DG penetration | |
| Hosseini et al. | Cloud theory-based multi-objective feeder reconfiguration problem considering wind power uncertainty | |
| CN115603331A (zh) | 基于统一潮流控制器的运行优化方法、系统及介质 | |
| Bohra et al. | Multi-criteria planning of microgrids for rural electrification | |
| Saric et al. | Optimal DG allocation for power loss reduction considering load and generation uncertainties | |
| CN117578586A (zh) | 一种分布式光伏接入区域配网优化方法及系统 | |
| CN110689248A (zh) | 一种基于云模型和可能度分析的一流城市配电网评估方法 | |
| Satsangi et al. | Clustering based voltage control areas for localized reactive power management in deregulated power system | |
| Ghaffari et al. | A power quality‐based framework for optimal siting and sizing of wind turbines by search space reduction via power losses and flicker emission sensitivity indices | |
| Zheng et al. | A comprehensive decision-making method for coordinated transmission and distribution network planning | |
| CN114447975A (zh) | 一种基于移动储能的多微电网灵活性提升方法 | |
| CN112865101A (zh) | 一种考虑可再生能源出力不确定性的线性化交易方法 | |
| Martínez et al. | Distributed battery energy storage systems for deferring distribution network reinforcements under sustained load growth scenarios | |
| CN113780781B (zh) | 综合能源系统的扩容设备选取方法、装置及终端 | |
| Ramudu et al. | Siting and Sizing of DG for Loss Reduction and Voltage Sag Mitigation in RDS Using ABC Algorithm. |
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 |