CN116307325A - 一种配电网的线路规划方法、装置、电子设备及存储介质 - Google Patents
一种配电网的线路规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116307325A CN116307325A CN202310298621.1A CN202310298621A CN116307325A CN 116307325 A CN116307325 A CN 116307325A CN 202310298621 A CN202310298621 A CN 202310298621A CN 116307325 A CN116307325 A CN 116307325A
- Authority
- CN
- China
- Prior art keywords
- target
- spanning tree
- planning
- minimum spanning
- planned
- 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 72
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 68
- 239000002245 particle Substances 0.000 claims abstract description 58
- 238000004891 communication Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例公开了一种配电网的线路规划方法、装置、电子设备及存储介质。该方法包括:基于待规划区域的街道信息构建出待规划区域的目标连通图;基于最小生成树算法生成目标连通图的最小生成树,并基于目标连通图和最小生成树确定待选边集合;通过二进制粒子群算法从待选边集合中选择至少一个待选边,并将待选边添加至最小生成树中以得到至少一个待使用拓扑结构;基于待规划区域中的负荷点位置信息,将负荷点接入至待使用拓扑结构,得到待规划区域对应的目标规划拓扑结构,以根据目标规划拓扑结构对待规划区域进行配电网的线路规划,实现了自动规划出适用性高,且成本低的最优线路规划方案。
Description
技术领域
本发明涉及配电网的线路规划技术领域,尤其涉及一种配电网的线路规划方法、装置、电子设备及存储介质。
背景技术
作为配电网规划的重要组成部分,网架规划是在负荷预测及变电站选址定容基础上而开展的,对配电网建设与运行的经济性和可靠性具有直接而重要的影响。其中,单环网网架规划需要结合地理信息同时确定线路的空间布局、联络对象选择、负荷划分等多个问题,规划对象众多,求解难度很大。
网架规划方案的经济成本是评价规划方案的优劣的重要指标之一,单环网网架的主干线和分支线的规划路径长度是影响经济成本的决定因素。传统的单环网网架方案由规划人员根据经验而提出,主观性较强,方案不具有普适性。并且由于其对实际地理信息的忽视,在网架工程实际搭建中,受街道布局和城市建筑影响,实际规划方案和预期规划方案势必存在偏差进而导致规划成本的增加。
发明内容
本发明提供了一种配电网的线路规划方法、装置、电子设备及存储介质,以实现规划出适用性高,且成本低的最优线路规划方案。
根据本发明的一方面,提供了一种配电网的线路规划方法,包括:
基于待规划区域的街道信息构建出待规划区域的目标连通图,所述目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应;
基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合;其中,所述待选边集合中的待选边为所述目标连通图中,除了构建最小生成树之外的边;
通过二进制粒子群算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构;
基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,以根据所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划。
根据本发明的另一方面,提供了一种配电网的线路规划装置,包括:
目标连通图构建模块,用于基于待规划区域的街道信息构建出待规划区域的目标连通图,所述目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应;
待选边集合确定模块,用于基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合;其中,所述待选边集合中的待选边为所述目标连通图中,除了构建最小生成树之外的边;
待使用拓扑结构生成模块,用于通过二进制粒子算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构;
配电网线路规划模块,用于基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,以根据所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的配电网的线路规划方法。
根据本发明的另一方面,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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的配电网的线路规划方法。
本发明实施例的技术方案,通过基于待规划区域的街道信息构建出待规划区域的目标连通图;基于最小生成树算法生成目标连通图的最小生成树,并基于目标连通图和最小生成树确定待选边集合;通过二进制粒子群算法从待选边集合中选择至少一个待选边,并将待选边添加至最小生成树中以得到至少一个待使用拓扑结构;基于待规划区域中的负荷点位置信息,将负荷点接入至待使用拓扑结构,得到待规划区域对应的目标规划拓扑结构,以根据目标规划拓扑结构对待规划区域进行配电网的线路规划,实现了自动规划出适用性高,且成本低的最优线路规划方案,服了传统网架规划方法主观性强、实施效果差、经济成本高等问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一所提供的一种配电网的线路规划方法的流程图;
图2本发明实施例二所适用的基于避圈法的最小生成树获取过程图;
图3为本发明实施例二提供的一种配电网的线路规划方法的流程图;
图4为四种不同类负荷点接入街道段的示意图;
图5为删除与负荷点不相关的末端节点与其所在边后得到的示意图;
图6为本发明实施例三提供的一种配电网的线路规划装置的结构示意图;
图7为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一所提供的一种配电网的线路规划方法的流程图,本实施例可适用于对配电网进行单环网网架规划的情况,该方法可以由配电网的线路规划装置来执行,该配电网的线路规划装置可以采用硬件和/或软件的形式实现,该配电网的线路规划装置可配置于计算机设备中。如图1所示,该方法包括:
S110、基于待规划区域的街道信息构建出待规划区域的目标连通图,所述目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应。
其中,待规划区域指的是要进行配电网线路规划的区域,例如,将要在城市的指定区域内假设单环网的线路,就可以将该区域作为待规划区域;待规划区域的加到街道信息可以理解为该区域中,各个街道段的起点、终端以及街道段之间的交点相关的信息;目标连通图可以理解为是由多个节点,以及连接多个节点之间的边所组成的连通图;目标连通图是与街道的结构相对应的,目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应的。
可以理解,在对待规划区域进行线路规划之前,可以先确定待规划区域对应的街道信息,根据这些街道信息绘制或者建立与待规划区域相对应目标连通图,也就是将街道布局用连通图的形式表示出来。
在本发明实施例中,所述基于待规划区域的街道信息构建出待规划区域的目标连通图,包括:获取待规划区域中各街道段的起点位置信息、终点位置信息、交点位置信息;基于所述起点位置信息、终点位置信息以及交点位置信息,构建所述待规划区域的目标连通图。
其中,起点位置信息、终点位置信息以及交点位置信息与所述目标连通图中节点位置信息相对应。
可以理解,可以先通过街道的地图信息确定出各街道段的长度,街道段的起点、终点以及交点位置。进一步,构建连通图,连通图中的节点相当于街道段的起点、终点以及交点,连通图中的边相当于是街道段,连通图中的拓扑结构与待规划区域内的拓扑结构是相同的。由于,对单环网网架规划中,通常需要依据街道的布局进行线路架设,所以先基于街道信息构建对应的目标连通图。
S120、基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合。
其中,最小生成树算法可以是克鲁斯卡尔(Kruskal algorithm,Kruskal)算法,最小生成树算法用于生成目标连通图的最小生成树;最小生成树可以理解为树形结构的图,最小生成树中包含了目标连通图中的所有节点、以及部分边,这部分边可以连接所有节点且不形成回路;待选边集合中的待选边为目标连通图中,除了构建最小生成树之外的边。也即,目标连通图中,除了构建最小生成树的边之外,其余的边都可以作为待选边,所有的待选边构成待选边集合。
具体而言,可以先通过最小生成树算法,生成目标连通图对应的最小生成树;并根据目标连通图中包含的所有边和构建最小生成树的边,确定出目标连通图中,除了构建最小生成树的边之外,其余的边。将其余的边作为待选边,添加至待选边集合中。
在上述技术方案的基础上,所述基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合,包括:基于最小生成树算法生成所述目标连通图的最小生成树,并确定所述最小生成树中所包含的边;将所述目标连通图中,除了构建最小生成树之外的边作为待选边,并基于所述待选边构建所述待选边集合。
可以理解,目标连通图中各个边之间可以构成回路,最小生成树算法对目标连通图处理,可以使连通图中不存在回路,仅保留连接各个节点的边,构成树形结构的最小生成树。此时,可以确定最小生成树中包含的边以及目标连通图中包含的边,将在目标连通图中,除了构成最小生成树的边之外的边作为待选边,并添加至待选边集合中。
示例性的,目标连通图中包含边a、b、c、d、e、f,最小生成树边为b、c、f。此时,可以将a、d、e作为待选边。确定最小生成树的目的,主要是为了确定单环网中,主干线的初始线路,因为主干线要覆盖所有街道,以便于街道附近的负荷可以接入到最近的主干线。还需要说明的是,在实际应用中,并非按照最小生成树进行主干线的布线,还需要对最小生成树进一步处理,具体详见本实施例中的步骤S130。
S130、通过二进制粒子群算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构。
其中,二进制粒子群算法可以理解为求最优解的算法,主要是用于在待选边集合中选择出最优的边添加至最小生成树中;相应的,待使用拓扑结构即为添加了待选边的最小生成树。
具体的,可以通过二进制粒子群算法送待选边集合中选择至少一个待选边,添加至最小生成树中,可以与最小生成树构成新的拓扑结构,作为待使用拓扑结构。
在上述技术方案的基础上,所述通过二进制粒子群算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构,包括:针对任一所述待选边,将所述待选边添加至所述最小生成树中,以使所述待选边与所述最小生成树中的至少两条边构成目标环路;确定所述目标环路中各边的权重,并删除目标环路中权重值最大的边,得到所述待使用拓扑结构。
其中,目标环路可以理解为待选边与最小生成树中的边形成的回路或者环路,各边的权重可以是边对应的长度值。
具体的,针对任一待选边,可以将该待选边加入到最小生成树中。可以理解,做小生成树中是没有回路的,将待选边加入中最小生成树中,一般可以与最小生成树中的另外至少两个边形成回路,也即目标环路。此时,可以确定目标环路中各边的权重值,将权重值最大的去掉,得到新的一个树,作为待使用拓扑结构。
在实际应用中,配电网线路规划通常是比较关注线路的覆盖程度以及线路所需要的投入的成本和代价。因此,上述将待选边添加至最小生成树中,并删除目标环路中权重值最大边去掉,得到待选拓扑结构,这样可以保证待选拓扑结构中的边可以覆盖到各节点,且选用的边是权重值较小的,也即长度较小,对应所需的线路成本也是比较小的。
在上述技术方案的基础上,还包括:确定所述待使用拓扑结构的总数量;若所述待使用拓扑结构的总数量小于预设数量,则重复通过二进制粒子算法从待选边集合中选择待选边,并生成待使用拓扑结构;在所述待使用拓扑结构的总数量大于预设数量的情况下,停止生成所述待使用拓扑结构。
在实际应用中,可以重复生成待使用拓扑结构,例如,第一次生成了一个待使用拓扑结构之后,可以将该待使用拓扑结构作为新的最小生树。进一步,再选择待选边,添加至新的最小生成树,得到另一个待使用拓扑结构。重复多次,直至待使用拓扑结构的数量达到最大值,如大于预设数量时,可以将最后一次生成的待使用拓扑结构作为最终的待使用拓扑结构。也就是多次迭代,选择最优的待使用拓扑结构。
S140、基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,以根据所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划。
具体的,可以根据负荷点的位置信息,确定待规划图谱中,与负荷点相邻或者距离较近的边,将负荷点按照相应的接入规则接入该边上,并进一步对拓扑结构进行修正等操作,得到新的目标待使用拓扑结构。进一步,分析按照目标待使用拓扑结构布线所需要的成本或者代价,以对待规划区域进行配电网的线路规划。
在本发明实施例中,所述基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,包括:基于负荷点的位置信息、所述待使用拓扑结构的结构信息以及预设接入规则,将所述负荷点连接至所述待使用拓扑结构,得到所述目标规划拓扑结构。
其中,所述待使用拓扑结构的结构信息包括拓扑节点位置信息,所述拓扑结点位置信息基于所述目标连通图的节点位置信息确定。预设接入规则是预先设置好的一些接入规则,按照负荷点与待使用拓扑结构的位置关系,主要可以将负荷点分为四类,不同类型的负荷点接入的原则不同。
具体的,可以根据待选拓扑结构中各边的长度信息,各节点的位置信息,以及负荷点的位置信息,将负荷点接入到待选拓扑结构中最近的边,得到新的拓扑结构,也即目标拓扑结构。
在上述技术方案的基础上,所述基于所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划,包括:根据配电网的线路费用函数以及线路约束条件,计算与所述目标规划拓扑结构对应的线路获取代价;若所述线路获取代价小于预设阈值,则基于所述目标规划拓扑结构对所述配电网进行线路规划。
其中,费用函数指的是配电网规划中,主干线和分支线对应的费用计算函数,长度越长,对应的费用越高;约束条件指的是线路架设所需满足的条件,约束条件包括:主干线和分支线需沿街道段所在位置规划网架、线路不交叉约束、主干线最大容量约束、分支线最大容量约束。
具体的,按照目标规划拓扑结构规划配电网的线路架设方案,确定其是否符合约束条件,并计算相应的获取代价,也即投入成本。如果获取代价是小于预设阈值,则说明经济投入符合标准,可以按照目标规划拓扑结构进行线路的规划架设。
本发明实施例的技术方案,通过基于待规划区域的街道信息构建出待规划区域的目标连通图;基于最小生成树算法生成目标连通图的最小生成树,并基于目标连通图和最小生成树确定待选边集合;通过二进制粒子群算法从待选边集合中选择至少一个待选边,并将待选边添加至最小生成树中以得到至少一个待使用拓扑结构;基于待规划区域中的负荷点位置信息,将负荷点接入至待使用拓扑结构,得到待规划区域对应的目标规划拓扑结构,以根据目标规划拓扑结构对待规划区域进行配电网的线路规划,实现了自动规划出适用性高,且成本低的最优线路规划方案,服了传统网架规划方法主观性强、实施效果差、经济成本高等问题。
实施例二
图3为本发明实施例二提供的一种配电网的线路规划方法的流程图,本实施例是上述实施例的一优先实施例,其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
作为配电网规划的重要组成部分,网架规划是在负荷预测及变电站选址定容基础上而开展的,对配电网建设与运行的经济性和可靠性具有直接而重要的影响。其中,单环网网架规划需要结合地理信息同时确定线路的空间布局、联络对象选择、负荷划分等多个问题,规划对象众多,求解难度很大。正由于此,传统的单环网网架规划主要由规划人员根据经验而提出,容易造成方案主观性强、实施效果差等问题。随着计算机辅助决策技术的普及,部分学者对自动布线问题进行了探索,也针对单环网网架结构的规划提出了基于启发式算法和人工智能算法的求解方案。但是,受单环网网架规划问题复杂性的影响,求解得到的网架规划方案适用性并不强,效果较差。
网架规划方案的经济成本是评价规划方案的优劣的重要指标之一,单环网网架的主干线和分支线的规划路径长度是影响经济成本的决定因素。传统的单环网网架方案由规划人员根据经验而提出,主观性较强,方案不具有普适性。并且由于其对实际地理信息的忽视,在网架工程实际搭建中,受街道布局和城市建筑影响,实际规划方案和预期规划方案势必存在偏差进而导致规划成本的增加。因此,本发明计及网架规划过程中实际街道信息,提出了一种配电网的线路规划方法,克服了传统网架规划方法主观性强、实施效果差、经济成本高等问题。
本发明实施例二中的一种配电网的线路规划方法,首先,构建了以单环网网架规划成本最低为目标函数,以线路最大容量、线路不交叉、线路排线方向为约束条件的单环网网架规划模型。其次,提出了一种基于二进制粒子群算法的单环网网架规划算法,并且设计了算法的具体流程和步骤,并对于算法中应用到的最小生成树理论和Kruskal加边法做了做出了具体阐述。最后,以单环网网架规划成本最低为目标,求解得出了最优的单环网网架结构。
一、单环网网架规划模型
1.1目标函数
单环网网架结构规划模型的目标函数为主干线和分支线的布线成本费用,具体表达式如下所示:
F=Z1+Z2 (1)
式中:Z1表示主干线路的投资费用,忽略分支线路的网损;Z2表示分支线路的投资费用;m为变电站低压侧线路折旧年限;r0为贴现率;α为单位长度线路投资费用;γ为单位长度分支线路投资费用;
1.2约束条件
主干线和分支线需沿街道段所在位置规划网架
线路不交叉约束
主干线最大容量约束
式中:i为区域内主干线序号;Ni为主干线集合;L1max为主干线路最大容量。
分支线最大容量约束
式中:j为区域内主干线序号;Nj为主干线集合;L2max为分支线路最大容量。
1.3优化对象
主干线和分支线方案的优化对象为主干线及分支线的布线街道路径。
二、单环网网架规划算法
2.1二进制粒子群算法
粒子群算法是一种模拟自然界中鸟类觅食行为的优化算法。一些学者在研究鸟类觅食过程中发现,鸟群中的个体只在自身所处的空间进行觅食,但是每一只鸟的行为均效仿其相邻鸟的成功经验,因此整个鸟群总可以向靠近食物的方向进行搜索,即群体中每个个体的相互作用体现鸟群的整体行动,粒子群算法的提出便是基于这一搜索方式。
采用粒子群算法求解优化问题时,将鸟群中每一只鸟定义为一个粒子,每个粒子具有各自的位置信息、速度信息、飞行方向以及适应度,优化问题的可行解对应一只鸟的位置。每个粒子都以一定的速度向适应度值最优的粒子飞行,寻找最优的位置。如果在搜索过程中,寻找到了更优的解,需要用其代替前一次的粒子。在整个粒子群优化过程中,个体最优解代表了从优化开始,个体所飞行过的最佳位置;全局最优解代表了所有个体飞行过的最佳位置。根据这两个最优点来调整粒子的位置,使整个群体在经历一定次数的迭代后,可以达到最优目标。
每次迭代过程中,粒子的速度和位置按照下式进行更新如下所示:
式中:vk id代表粒子在第k次搜索的速度信息;xk id代表粒子在第k次搜索时的位置信息;c1为粒子的认知因子,c2为粒子的社会因子,通常取值为0.2;r1和r2为区间[0,1]之间的随机数;zbest为个体最优解,gbest为全局最优解。为了让粒子始终在可行解空间内飞行,可以将粒子的速度限制在[-vmax,vmax]之间,其中vmax=kxmax,k通常取为2。
然而一些规划问题具有离散性的特征,如线路的建设只有建设或不建设两种可能。常规的粒子群算法无法求解此类问题,因此需要采用二进制粒子群算法,二进制粒子群算法将传统粒子群算法的编码方式改为二进制编码。
二进制粒子的位置只有0或1两种可能;二进制粒子的速度取值在区间[0,1]之间,其速度大小决定了粒子位置的取值。具体来说,当二进制粒子的飞行速度较大时,该粒子的位置为1;反之该粒子的位置为0。
sigmod函数可以很好地体现这一特征,如下式所示:
二进制粒子群算法中位置信息的更新策略是:首先生成向量hidk+,1hidk+1中每个分量都是区间[0,1]之间的随机数,按照粒子飞行速度与其数值关系,更新粒子的位置信息,如下式所示:
2.2Kruskal算法生成最小生成树
避圈法是一种寻找连通图G最小生成树的方法,采用避圈法获得最小生成树的核心思想是,将图G的所有边去掉,形成仅包含顶点的空图,按权重由小到大的顺序逐一加入未选中的边,在此过程中,避免加入的边形成回路,直到形成最小生成树。“加边”是避圈法的核心思想,该过程采用的典型算法是Kruskal算法,因此Kruskal算法也叫加边法,其具体流程为:
步骤1:计算图G中所有边的权重,形成待选边集;
步骤2:将图G的所有边去掉,形成仅包含顶点的图Gm;
步骤3:从待选边集中,按照权重从小到大的顺序选择边加入图Gm中,同时将这条边从待选边集中去掉;
步骤4:判断图Gm中是否包含回路,若包含回路,则从图Gm去掉新加入的边,并返回上一步,若不包含回路,则进入下一步;
步骤5:判断图Gm是否为连通图,若不是连通图,则返回第三步;若是连通图则输出图Gm,即得到了最小生成树。
图2本发明实施例二所适用的基于避圈法的最小生成树获取过程图,具体参见图2。
2.3单环网网架规划算法流程
为了更大可能地寻找到经济性最优的规划方案,采用二进制粒子群算法进行求解,其自动布线的具体流程如下。
步骤1:确定单环网网架结构中的连通图G,计算连通图G中各边的长度,将各边的长度定义为各边权值的大小,定义待选的拓扑结构集合T。
步骤2:采用上述Kruskal算法生成连通图G的最小生成树T0,将T0加入待选的拓扑结构集合T中。
步骤3:将在连通图G中、但不在最小生成树中的边定义为集合M。
步骤4:采用二进制粒子群算法,从集合M中选择n条边加入最小生成树中,生成若干个环,针对任意环路,断开环路中权值最大的边,直到生成一个新的树,这棵新的树对应一种新的拓扑结构。
步骤5:将这棵新的树添加至集合T中。
步骤6:判断是否达到最大迭代次数Nmax,如果没有达到最大迭代次数,返回步骤4,否则得到待选的拓扑结构集合T。
步骤7:针对集合T中的每一种待选拓扑结构,将负荷点接入生成树,得到此种拓扑结构下的自动布线方案,并计算线路综合投资成本F。
步骤8:输出该供电单元最优的线路布局模式与综合投资成本。
其中,图3为本发明实施例二提供的一种配电网的线路规划方法的流程图。
规划粒子表示待选线路的建设变量(即连通图中的边),采用二进制进行编码,每个二进制粒子代表一种拓扑结构。假设待选线路数目为D,第i个粒子的位置和速度可用如下式表示:
Xi=[xi1,xi2,...,xiD]
Vi=[vi1,vi2,…,viD] (9)
式中,Xi表示第i个粒子的位置信息,取值为0或1,表示是否建设第i条线路;Vi表示第i个粒子的运动速度。
在获取了供电单元的最小生成树后,需要将负荷点依次接入最小生成树。按照负荷点与最小生成树位置的关系,主要可以将负荷点分为四类,不同类型的负荷点接入生成树的原则不同。
(1)a类负荷:生成树上只有一条街道段与负荷点直接相邻,如L1负荷点。由于第一类负荷点周围只有一条待选街道段,因此a类负荷点需垂直接入待选街道段。
(2)b类负荷:生成树上存在多条街道段与负荷点直接相邻,且多条街道段中存在不包含末端节点的街道段,如L2、L3、L4、L5负荷点。b类负荷优先接入不包含末端节点的待选街道段,如存在多条不包含末端节点的待选街道段,则按照距离最近的原则进行接入。
(3)c类负荷:生成树上存在多条街道段与负荷点直接相邻,但每条街道段均包含末端节点,如L7负荷点。c类负荷需要判断是否有待选街道段中接入了其他类的负荷点,如果有,则接入该待选街道段,否则按照最短距离的原则接入街道段。
(4)d类负荷:生成树上没有可选街道段与负荷点直接相邻,如L6负荷点。d类负荷点需垂直接到连通图的连枝上,而后接入生成树。
如图4所示,给出了四种不同类负荷点接入街道段的示意图。
在负荷点接入街道段后,需要删除与负荷点不相关的末端节点与其所在的边。若末端节点为联络节点时,则需保留末端节点。如图5所示,展示了在删除与负荷点不相关的末端节点与其所在边后得到的示意图。
本发明实施例的技术方案,通过基于待规划区域的街道信息构建出待规划区域的目标连通图;基于最小生成树算法生成目标连通图的最小生成树,并基于目标连通图和最小生成树确定待选边集合;通过二进制粒子群算法从待选边集合中选择至少一个待选边,并将待选边添加至最小生成树中以得到至少一个待使用拓扑结构;基于待规划区域中的负荷点位置信息,将负荷点接入至待使用拓扑结构,得到待规划区域对应的目标规划拓扑结构,以根据目标规划拓扑结构对待规划区域进行配电网的线路规划,实现了自动规划出适用性高,且成本低的最优线路规划方案,服了传统网架规划方法主观性强、实施效果差、经济成本高等问题。
实施例三
图6为本发明实施例三提供的一种配电网的线路规划装置的结构示意图。如图6所示,该装置包括:
目标连通图构建模块310,用于基于待规划区域的街道信息构建出待规划区域的目标连通图,所述目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应;
待选边集合确定模块320,用于基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合;其中,所述待选边集合中的待选边为所述目标连通图中,除了构建最小生成树之外的边;
待使用拓扑结构生成模块330,用于通过二进制粒子算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构;
配电网线路规划模块340,用于基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,以根据所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划。
本发明实施例的技术方案,通过基于待规划区域的街道信息构建出待规划区域的目标连通图;基于最小生成树算法生成目标连通图的最小生成树,并基于目标连通图和最小生成树确定待选边集合;通过二进制粒子群算法从待选边集合中选择至少一个待选边,并将待选边添加至最小生成树中以得到至少一个待使用拓扑结构;基于待规划区域中的负荷点位置信息,将负荷点接入至待使用拓扑结构,得到待规划区域对应的目标规划拓扑结构,以根据目标规划拓扑结构对待规划区域进行配电网的线路规划,实现了自动规划出适用性高,且成本低的最优线路规划方案,服了传统网架规划方法主观性强、实施效果差、经济成本高等问题。
可选的,所述目标连通图构建模块310,包括:
信息获取模块,用于获取待规划区域中各街道段的起点位置信息、终点位置信息、交点位置信息;
连通图构建模块,用于基于所述起点位置信息、终点位置信息以及交点位置信息,构建所述待规划区域的目标连通图;
其中,起点位置信息、终点位置信息以及交点位置信息与所述目标连通图中节点位置信息相对应。
可选的,所述待选边集合确定模块320,包括:
最小生成树生成模块,用于基于最小生成树算法生成所述目标连通图的最小生成树,并确定所述最小生成树中所包含的边;
待选边确定模块,用于将所述目标连通图中,除了构建最小生成树之外的边作为待选边,并基于所述待选边构建所述待选边集合。
可选的,所述待使用拓扑结构生成模块330,包括:
目标环路建立模块,用于针对任一所述待选边,将所述待选边添加至所述最小生成树中,以使所述待选边与所述最小生成树中的至少两条边构成目标环路;
最小生成树更新模块,用于确定所述目标环路中各边的权重,并删除目标环路中权重值最大的边,得到所述待使用拓扑结构。
可选的,所述配电网线路规划模块340,包括:
目标规划拓扑确定模块,用于基于负荷点的位置信息、所述待使用拓扑结构的结构信息以及预设接入规则,将所述负荷点连接至所述待使用拓扑结构,得到所述目标规划拓扑结构;
其中,所述待使用拓扑结构的结构信息包括拓扑节点位置信息,所述拓扑结点位置信息基于所述目标连通图的节点位置信息确定。
可选的,所述所述配电网线路规划模块340,具体用于:
根据配电网的线路费用函数以及线路约束条件,计算与所述目标规划拓扑结构对应的线路获取代价;
若所述线路获取代价小于预设阈值,则基于所述目标规划拓扑结构对所述配电网进行线路规划。
可选的,所述配电网的线路规划装置,还用于:
确定所述待使用拓扑结构的总数量;
若所述待使用拓扑结构的总数量小于预设数量,则重复通过二进制粒子算法从待选边集合中选择待选边,并生成待使用拓扑结构;
在所述待使用拓扑结构的总数量大于预设数量的情况下,停止生成所述待使用拓扑结构。
本发明实施例所提供的配电网的线路规划装置可执行本发明任意实施例所提供的配电网的线路规划方法,具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四提供的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如配电网的线路规划方法。
在一些实施例中,配电网的线路规划方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的配电网的线路规划方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行配电网的线路规划方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种配电网的线路规划方法,其特征在于,包括:
基于待规划区域的街道信息构建出待规划区域的目标连通图,所述目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应;
基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合;其中,所述待选边集合中的待选边为所述目标连通图中,除了构建最小生成树之外的边;
通过二进制粒子群算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构;
基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,以根据所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划。
2.根据权利要求1所述的方法,其特征在于,所述基于待规划区域的街道信息构建出待规划区域的目标连通图,包括:
获取待规划区域中各街道段的起点位置信息、终点位置信息、交点位置信息;
基于所述起点位置信息、终点位置信息以及交点位置信息,构建所述待规划区域的目标连通图;
其中,起点位置信息、终点位置信息以及交点位置信息与所述目标连通图中节点位置信息相对应。
3.根据权利要求2所述的方法,其特征在于,所述基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合,包括:
基于最小生成树算法生成所述目标连通图的最小生成树,并确定所述最小生成树中所包含的边;
将所述目标连通图中,除了构建最小生成树之外的边作为待选边,并基于所述待选边构建所述待选边集合。
4.根据权利要求3所述的方法,其特征在于,所述通过二进制粒子群算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构,包括:
针对任一所述待选边,将所述待选边添加至所述最小生成树中,以使所述待选边与所述最小生成树中的至少两条边构成目标环路;
确定所述目标环路中各边的权重,并删除目标环路中权重值最大的边,得到所述待使用拓扑结构。
5.根据权利要求4所述的方法,其特征在于,所述基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,包括:
基于负荷点的位置信息、所述待使用拓扑结构的结构信息以及预设接入规则,将所述负荷点连接至所述待使用拓扑结构,得到所述目标规划拓扑结构;
其中,所述待使用拓扑结构的结构信息包括拓扑节点位置信息,所述拓扑结点位置信息基于所述目标连通图的节点位置信息确定。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划,包括:
根据配电网的线路费用函数以及线路约束条件,计算与所述目标规划拓扑结构对应的线路获取代价;
若所述线路获取代价小于预设阈值,则基于所述目标规划拓扑结构对所述配电网进行线路规划。
7.根据权利要求5所述的方法,其特征在于,还包括:
确定所述待使用拓扑结构的总数量;
若所述待使用拓扑结构的总数量小于预设数量,则重复通过二进制粒子算法从待选边集合中选择待选边,并生成待使用拓扑结构;
在所述待使用拓扑结构的总数量大于预设数量的情况下,停止生成所述待使用拓扑结构。
8.一种配电网的线路规划装置,其特征在于,包括:
目标连通图构建模块,用于基于待规划区域的街道信息构建出待规划区域的目标连通图,所述目标连通图中的节点与街道的起点、终点或者交点相对应,所述目标连通图中的边与街道段相对应;
待选边集合确定模块,用于基于最小生成树算法生成所述目标连通图的最小生成树,并基于所述目标连通图和所述最小生成树确定待选边集合;其中,所述待选边集合中的待选边为所述目标连通图中,除了构建最小生成树之外的边;
待使用拓扑结构生成模块,用于通过二进制粒子算法从所述待选边集合中选择至少一个待选边,并将所述待选边添加至所述最小生成树中以得到至少一个待使用拓扑结构;
配电网线路规划模块,用于基于所述待规划区域中的负荷点位置信息,将所述负荷点接入至所述待使用拓扑结构,得到所述待规划区域对应的目标规划拓扑结构,以根据所述目标规划拓扑结构对所述待规划区域进行配电网的线路规划。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的配电网的线路规划方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的配电网的线路规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310298621.1A CN116307325A (zh) | 2023-03-24 | 2023-03-24 | 一种配电网的线路规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310298621.1A CN116307325A (zh) | 2023-03-24 | 2023-03-24 | 一种配电网的线路规划方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307325A true CN116307325A (zh) | 2023-06-23 |
Family
ID=86799431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310298621.1A Pending CN116307325A (zh) | 2023-03-24 | 2023-03-24 | 一种配电网的线路规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307325A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910951A (zh) * | 2023-07-04 | 2023-10-20 | 天津大学 | 区域供热管网优化设计方法及其装置 |
-
2023
- 2023-03-24 CN CN202310298621.1A patent/CN116307325A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116910951A (zh) * | 2023-07-04 | 2023-10-20 | 天津大学 | 区域供热管网优化设计方法及其装置 |
CN116910951B (zh) * | 2023-07-04 | 2024-01-23 | 天津大学 | 区域供热管网优化设计方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109936136B (zh) | 一种配电网接线线路的规划方法、装置及设备 | |
CN106488400B (zh) | 生成地理围栏的方法及装置 | |
CN112990538B (zh) | 一种山地光伏电站集电线路确定方法、装置及设备 | |
CN111426323B (zh) | 一种巡检机器人路线规划方法及装置 | |
CN116307325A (zh) | 一种配电网的线路规划方法、装置、电子设备及存储介质 | |
CN116518979B (zh) | 一种无人机路径规划方法、系统、电子设备及介质 | |
CN113902185A (zh) | 区域用地性质的确定方法、装置、电子设备及存储介质 | |
CN114462577A (zh) | 一种联邦学习系统、方法、计算机设备及存储介质 | |
CN106981194B (zh) | 一种高速路网关键路段的识别方法 | |
CN113326343B (zh) | 基于多级网格和文件索引的路网数据存储方法及系统 | |
CN113595798B (zh) | 改进闪电连接过程优化算法的网络流量预测方法及系统 | |
CN116167533A (zh) | 适用于城市轨道交通的车站应急疏散方法及装置 | |
CN112860996A (zh) | 一种兴趣点处理方法、装置、电子设备和介质 | |
CN115270377B (zh) | 一种基于改进蚁群算法的多电缆最佳路径规划方法 | |
CN115134293B (zh) | 电信路由推荐方法、装置及服务器 | |
CN115495248B (zh) | 一种推理卡的内存分配方法、装置、电子设备及存储介质 | |
CN116050159A (zh) | 一种仿真场景集生成方法、装置、设备及介质 | |
CN112527673A (zh) | 站点测试方法、装置、电子设备及可读存储介质 | |
CN114333326B (zh) | 一种路口拥堵检测方法、装置及电子设备 | |
CN112580803B (zh) | 模型获取方法、装置、电子设备、存储介质和程序产品 | |
CN116909318B (zh) | 一种基于高精度三维点云的无人机自主巡检航线规划系统 | |
CN118626486A (zh) | 索引生成方法、装置及电子设备 | |
CN116611568A (zh) | 一种故障指示器的加装规划方法、装置、设备及存储介质 | |
CN115730713A (zh) | 基于人工智能的火势蔓延预测方法、装置及电子设备 | |
CN116404650A (zh) | 一种电网供电区域划分方法、装置、设备及存储介质 |
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 |