CN116976059B - 一种基于人工免疫算法优化的配电网拓扑识别方法及系统 - Google Patents

一种基于人工免疫算法优化的配电网拓扑识别方法及系统 Download PDF

Info

Publication number
CN116976059B
CN116976059B CN202311234648.0A CN202311234648A CN116976059B CN 116976059 B CN116976059 B CN 116976059B CN 202311234648 A CN202311234648 A CN 202311234648A CN 116976059 B CN116976059 B CN 116976059B
Authority
CN
China
Prior art keywords
branch
disconnection
network topology
active power
node
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.)
Active
Application number
CN202311234648.0A
Other languages
English (en)
Other versions
CN116976059A (zh
Inventor
宋传阳
景治军
毕红星
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.)
Beijing Foreground Wuyou Electronic Technology Co ltd
Original Assignee
Beijing Foreground Wuyou Electronic Technology 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 Beijing Foreground Wuyou Electronic Technology Co ltd filed Critical Beijing Foreground Wuyou Electronic Technology Co ltd
Priority to CN202311234648.0A priority Critical patent/CN116976059B/zh
Publication of CN116976059A publication Critical patent/CN116976059A/zh
Application granted granted Critical
Publication of CN116976059B publication Critical patent/CN116976059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Water Supply & Treatment (AREA)
  • Pure & Applied Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Public Health (AREA)
  • Power Engineering (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明涉及配电网领域，公开了一种基于人工免疫算法优化的配电网拓扑识别方法及系统，包括：确定各支路的初始有功功率，在网络拓扑结构变化时，确变化后的各支路的有功功率估计值，选择最小的一组作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；利用支路断开策略对人工免疫算法的种群个体进行初始化，根据当前支路断开策略确定的网络拓扑结构，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略，使用目标支路断开策略划分网络拓扑结构。本发明对配电网结构的动态变化有更好的适应性，该方法快速简便，且具有较好的实用性。

Description

一种基于人工免疫算法优化的配电网拓扑识别方法及系统
技术领域
本发明涉及配电网领域，尤其涉及一种基于人工免疫算法优化的配电网拓扑识别方法。
背景技术
目前，随着新型电力系统的发展，新能源和新型负荷的随机性和波动性使配电网的开放性、不确定性和复杂性不断增加，给配电网运行带来了新的挑战。为保证电力系统安全、稳定和经济运行，需要对电网进行实时的状态估计、安全评估、网络重构以及继电保护在线整定，而这些任务的执行均以当前的网络拓扑为基础。因此，快速准确的拓扑识别对于实现配电网的可观、可测和可控性尤为重要。拓扑结构分析是配电系统上述各类高级分析功能的基础，因此拓扑结构的准确性对配电网潮流计算和状态估计等计算结果的合理性有重要影响。为了达到运行灵活和供电可靠的目的，配电网通常装设大量开关，且开关的开合状态会根据不同的需要而发生改变，加之配电网量测冗余度很低，这就导致得到的配电网拓扑结构不可信，从而影响其他配电网高级分析功能的应用。
目前配电网的拓扑识别方法主要包括：基于配网潮流、基于数据驱动和基于智能优化的拓扑识别方法，其中基于配网潮流识别方式需要的量测设备冗余度较高，而大多老旧城区或郊区的配电网装设量测较少，实用性较差。基于数据驱动识别方式的实时性和准确性较好，对量测要求不高，但该方法不适用于规模庞大且结构复杂的电网，所需训练样本较多，在实际配网中难以准确、全面地获取，且不便于应对配网的改建和扩建；基于智能优化识别方法的适用范围较广，准确性较好，但对于大电网的实时性较差。因此，目前拓扑识别领域尚少有能同时兼顾对量测要求低、实时性好、准确性高并且适用范围广的实用方法。
发明内容
本发明的目的在于克服上述一种或多种现有的技术问题，提供一种基于人工免疫算法优化的配电网拓扑识别方法。
为实现上述目的，本发明提供的一种基于人工免疫算法优化的配电网拓扑识别方法，包括：
在所有电路导通时，确定具有量测装置的各支路的初始有功功率；
在网络拓扑结构发生变化时，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值；
选择最小的一组有功功率估计值对应的支路作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；
利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略；
根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略；
使用目标支路断开策略划分网络拓扑结构。
根据本发明的一个方面，初始有功功率的计算方法为，
；
其中，为初始有功功率；
为/>阶的回路与支路关联矩阵，回路的正方向与连支正方向相同，支路k在回路l内且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在回路l内时/>中的元/>为0；
为/>阶的道路与支路关联矩阵，道路为各节点沿树到根节点所经过路径上的支路集合，根节点为规定编号最小的节点，规定道路的正方向为从道路末节点到根节点，当支路k在道路i上且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元为-1，当支路k不在道路i内时/>中的元/>为0；
为矩阵的转置；
为道路的有功功率；
为回路的有功功率。
根据本发明的一个方面，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值，其中公式为，
；
其中，为网络拓扑结构变化后的有功功率；
为网络拓扑结构变化所产生的各独立回路的有功功率变化量；
为网络拓扑结构变化后的支路无功功率；
为网络拓扑结构变化所产生的各独立回路的无功功率变化量；
为网络拓扑结构变化前的支路无功功率；
为PV节点的注入无功变化量；
为支路标识；
为回路标识；
为节点标识。
根据本发明的一个方面，对各支路的有功功率估计值按升序排列，生成功率估计值序列，选择排序靠前的w个功率估计值组成断开支路集，其中，断开支路集中包含每个独立回路的至少一个断开支路；
从断开支路集中随机选择不同组合的l个断开支路组成断开支路子集，每个断开支路子集对应一个支路断开策略。
根据本发明的一个方面，对目标进行优化目标函数为，
；
其中，为整体差异度；
为第j个支路的有功功率估计值；
为第j个支路的有功功率量测值；
为量测权重。
为实现上述目的，本发明提供一种基于人工免疫算法优化的配电网拓扑识别系统，包括：
初始有功功率确定单元：在所有电路导通时，确定具有量测装置的各支路的初始有功功率；
有功功率估计值确定单元：在网络拓扑结构发生变化时，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值；
支路断开策略获取单元：选择最小的一组有功功率估计值对应的支路作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；
利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略；
目标支路断开策略确定单元：根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略；
网络拓扑结构划分单元：使用目标支路断开策略划分网络拓扑结构。
为实现上述目的，本发明提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述针对一种基于人工免疫算法优化的配电网拓扑识别方法。
为实现上述目的，本发明提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述针对一种基于人工免疫算法优化的配电网拓扑识别方法。
基于此，本发明的有益效果在于：本发明考虑配电网支路有功功率能够在一定程度上反应开关运行状态这一特性，在网络拓扑结构发生变化时，通过潮流计算得到网络拓扑结构变化后的各支路的有功功率估计值，比较潮流计算结果与量测值，选出最佳匹配的网络拓扑，与现有的分析方法相比，该方法对配电网结构的动态变化有更好的适应性，并且合理利用了配电网计量系统中的负荷数据以及各支路的实时量测数据。该方法合理有效，快速简便，且具有较好的实用性。
为了提高识别精度，在断开支路选择上需要留有一定裕度，首先选择一个区域较广的断开支路集，然后从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略，利用人工免疫算法对支路断开策略进行优化，选择与量测值差异度最小的支路断开策略，输出该策略对应的拓扑识别结果。
附图说明
图1是本发明一种基于人工免疫算法优化的配电网拓扑识别方法的流程图；
图2是本发明一种基于人工免疫算法优化的配电网拓扑识别系统的流程图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容，应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。
如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”，术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
根据本发明的一个实施例，图1为本发明中的一种基于人工免疫算法优化的配电网拓扑识别方法的流程图，如图1所示，一种基于人工免疫算法优化的配电网拓扑识别方法包括：
为实现上述目的，本发明提供的一种基于人工免疫算法优化的配电网拓扑识别方法，包括：
在所有电路导通时，确定具有量测装置的各支路的初始有功功率；
在网络拓扑结构发生变化时，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值；
选择最小的一组有功功率估计值对应的支路作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；
利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略；
根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略；
使用目标支路断开策略划分网络拓扑结构。
根据本发明的一个实施方式，初始有功功率的计算方法为，
；
其中，为初始有功功率；
为/>阶的回路与支路关联矩阵，回路的正方向与连支正方向相同，支路k在回路l内且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在回路l内时/>中的元/>为0；
为/>阶的道路与支路关联矩阵，道路为各节点沿树到根节点所经过路径上的支路集合，根节点为规定编号最小的节点，规定道路的正方向为从道路末节点到根节点，当支路k在道路i上且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元为-1，当支路k不在道路i内时/>中的元/>为0；
为矩阵的转置；
为道路的有功功率；
为回路的有功功率。
根据本发明的一个实施方式，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值，其中公式为，
；
其中，为网络拓扑结构变化后的有功功率；
为网络拓扑结构变化所产生的各独立回路的有功功率变化量；
为网络拓扑结构变化后的支路无功功率；
为网络拓扑结构变化所产生的各独立回路的无功功率变化量；
为网络拓扑结构变化前的支路无功功率；
为PV节点的注入无功变化量；
为支路标识；
为回路标识；
为节点标识。
根据本发明的一个实施方式，对各支路的有功功率估计值按升序排列，生成功率估计值序列，选择排序靠前的w个功率估计值组成断开支路集，其中，断开支路集中包含每个独立回路的至少一个断开支路；
从断开支路集中随机选择不同组合的l个断开支路组成断开支路子集，每个断开支路子集对应一个支路断开策略。
根据本发明的一个实施方式，对目标进行优化目标函数为，
；
其中，为整体差异度；
为第j个支路的有功功率估计值；
为第j个支路的有功功率量测值；
为量测权重。
根据本发明的一个实施例，配电网多采用环状结构辐射状运行，具体地，对于拥有n个节点和b个支路的配电网来说，其包含的n个节点不形成任何回路的子网称为树，树上的n-1条支路为树支，其余b-n+1条支路为连支，单个连支与树形成的回路称为基本回路，是一种特殊的独立回路。
根据本发明的一个实施例，由于配电网支路有功功率一定程度上可以反应开关的运行状态，例如当开关处于断开状态时，其所在支路的有功功率真值为0，因此可以通过回路有功功率叠加的方式来寻找配电网中断开可能性最大的支路，即在各独立回路中，功率估计值最小的支路为最有可能开断的支路，根据选定的支路断开策略即可确定整个配电网络拓扑结构。
根据本发明的一个实施例，采集当前时间断面各节点的功率信息，便可通过潮流计算获得初始网络的潮流，对有功功率变化量的值进行估计，便可利用上式叠加出待识别网络的潮流，根据潮流计算得到的功率估计值大小选定支路断开策略，便可进行拓扑识别。同时考虑到测量误差的影响，可能导致在所属回路一致的邻近支路间的误判，因此需要留有一定裕度。因此，首先选择一个区域较广的断开支路集，集合中包含最有可能断开的支路，然后从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略，利用人工免疫算法对支路断开策略进行优化，选择与量测值差异度最小的支路断开策略，输出该策略对应的拓扑识别结果。通过算法优化，提高了网络拓扑识别的精度。
根据本发明的一个实施例，本发明使用人工免疫算法进行目标的优化，该过程利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略，根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度作为优化目标，采用人工免疫算法对目标进行优化，在最大迭代运算次数完成后输出差异度最低的个体所对应的支路断开策略；由于断开支路集是冗余的，需要从衍生出的有限多个支路断开策略中选择最优策略，此时需要用到目标函数对种群个体的质量进行评价。
根据本发明的一个实施例，本发明提供的人工免疫算法的实施过程为：
步骤1：对种群个体初始化，根据随机生成的支路断开策略初始化抗体种群；
步骤2：抗原识别，根据问题构造相应的目标函数代表抗原，运用目标函数进行优化，抗体指的是任意可行解，通过染色体编码代表抗体，编码的过程可先对断开支路集内各支路进行编号，然后将提取出的断开支路子集按元素编号的升序排列，获得子集对应的编码序列；
步骤3：将种群中的抗体代入目标函数，输出的目标值为每个抗体的亲和度，亲和度形容了可行解的质量，亲和度越高，则表明抗体与抗原间的匹配度越高，将整体差异度值由低至高进行排序，定义排序在前的抗体亲和度高于排序在后的；
步骤4：生成记忆细胞，将每一代中亲和度较高的抗体以记忆细胞的形式留存下来，假设初始定义的种群抗体数量为S=R+M，其中R表示剩余种群数量，M表示记忆群体数量；
步骤5：执行免疫操作，包括抗体选择、克隆、变异以及克隆抑制操作，从记忆群体M中选择n个亲和度最高的抗体进行克隆，形成克隆种群C，抗体的亲和度越高，其被复制的数量也就越多；然后对克隆种群C进行变异操作，得到更新后的克隆种群C#；
接着根据克隆抑制规则选择部分克隆体去更新记忆群体M中亲和度最低的部分抗体，得到更新后的记忆群体M#；
步骤6：种群刷新，利用随机生成的k个新抗体去替换剩余种群R中的k个抗体，得到更新后的剩余种群R#，因此最终得到的更新后的种群S#=R#+M#；
步骤7：判定是否已达到算法最大迭代次数，如果达到则执行步骤8，否则继续执行步骤3；
步骤8：结束记忆群体迭代，输出记忆群体中亲和度最高的抗体所对应的支路断开策略。
不仅如此，为实现上述发明目的，本发明还提供了一种基于人工免疫算法优化的配电网拓扑识别系统，图2为本发明中的一种基于人工免疫算法优化的配电网拓扑识别系统的流程图，如图2所示，本发明中的一种基于人工免疫算法优化的配电网拓扑识别系统包括：
初始有功功率确定单元：在所有电路导通时，确定具有量测装置的各支路的初始有功功率；
有功功率估计值确定单元：在网络拓扑结构发生变化时，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值；
支路断开策略获取单元：选择最小的一组有功功率估计值对应的支路作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；
利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略；
目标支路断开策略确定单元：根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略；
网络拓扑结构划分单元：使用目标支路断开策略划分网络拓扑结构。
根据本发明的一个实施方式，初始有功功率的计算方法为，
；
其中，为初始有功功率；
为/>阶的回路与支路关联矩阵，回路的正方向与连支正方向相同，支路k在回路l内且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在回路l内时/>中的元/>为0；
为/>阶的道路与支路关联矩阵，道路为各节点沿树到根节点所经过路径上的支路集合，根节点为规定编号最小的节点，规定道路的正方向为从道路末节点到根节点，当支路k在道路i上且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元为-1，当支路k不在道路i内时/>中的元/>为0；
为矩阵的转置；
为道路的有功功率；
为回路的有功功率。
根据本发明的一个实施方式，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值，其中公式为，
；
其中，为网络拓扑结构变化后的有功功率；
为网络拓扑结构变化所产生的各独立回路的有功功率变化量；
为网络拓扑结构变化后的支路无功功率；
为网络拓扑结构变化所产生的各独立回路的无功功率变化量；
为网络拓扑结构变化前的支路无功功率；
为PV节点的注入无功变化量；
为支路标识；
为回路标识；
为节点标识。
根据本发明的一个实施方式，对各支路的有功功率估计值按升序排列，生成功率估计值序列，选择排序靠前的w个功率估计值组成断开支路集，其中，断开支路集中包含每个独立回路的至少一个断开支路；
从断开支路集中随机选择不同组合的l个断开支路组成断开支路子集，每个断开支路子集对应一个支路断开策略。
根据本发明的一个实施方式，对目标进行优化目标函数为，
；
其中，为整体差异度；
为第j个支路的有功功率估计值；
为第j个支路的有功功率量测值；
为量测权重。
根据本发明的一个实施例，配电网多采用环状结构辐射状运行，具体地，对于拥有n个节点和b个支路的配电网来说，其包含的n个节点不形成任何回路的子网称为树，树上的n-1条支路为树支，其余b-n+1条支路为连支，单个连支与树形成的回路称为基本回路，是一种特殊的独立回路。
根据本发明的一个实施例，由于配电网支路有功功率一定程度上可以反应开关的运行状态，例如当开关处于断开状态时，其所在支路的有功功率真值为0，因此可以通过回路有功功率叠加的方式来寻找配电网中断开可能性最大的支路，即在各独立回路中，功率估计值最小的支路为最有可能开断的支路，根据选定的支路断开策略即可确定整个配电网络拓扑结构。
根据本发明的一个实施例，采集当前时间断面各节点的功率信息，便可通过潮流计算获得初始网络的潮流，对有功功率变化量的值进行估计，便可利用上式叠加出待识别网络的潮流，根据潮流计算得到的功率估计值大小选定支路断开策略，便可进行拓扑识别。同时考虑到测量误差的影响，可能导致在所属回路一致的邻近支路间的误判，因此需要留有一定裕度。因此，首先选择一个区域较广的断开支路集，集合中包含最有可能断开的支路，然后从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略，利用人工免疫算法对支路断开策略进行优化，选择与量测值差异度最小的支路断开策略，输出该策略对应的拓扑识别结果。通过算法优化，提高了网络拓扑识别的精度。
根据本发明的一个实施例，本发明使用人工免疫算法进行目标的优化，该过程利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略，根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度作为优化目标，采用人工免疫算法对目标进行优化，在最大迭代运算次数完成后输出差异度最低的个体所对应的支路断开策略；由于断开支路集是冗余的，需要从衍生出的有限多个支路断开策略中选择最优策略，此时需要用到目标函数对种群个体的质量进行评价。
根据本发明的一个实施例，本发明提供的人工免疫算法的实施过程为：
步骤1：对种群个体初始化，根据随机生成的支路断开策略初始化抗体种群；
步骤2：抗原识别，根据问题构造相应的目标函数代表抗原，运用目标函数进行优化，抗体指的是任意可行解，通过染色体编码代表抗体，编码的过程可先对断开支路集内各支路进行编号，然后将提取出的断开支路子集按元素编号的升序排列，获得子集对应的编码序列；
步骤3：将种群中的抗体代入目标函数，输出的目标值为每个抗体的亲和度，亲和度形容了可行解的质量，亲和度越高，则表明抗体与抗原间的匹配度越高，将整体差异度值由低至高进行排序，定义排序在前的抗体亲和度高于排序在后的；
步骤4：生成记忆细胞，将每一代中亲和度较高的抗体以记忆细胞的形式留存下来，假设初始定义的种群抗体数量为S=R+M，其中R表示剩余种群数量，M表示记忆群体数量；
步骤5：执行免疫操作，包括抗体选择、克隆、变异以及克隆抑制操作，从记忆群体M中选择n个亲和度最高的抗体进行克隆，形成克隆种群C，抗体的亲和度越高，其被复制的数量也就越多；然后对克隆种群C进行变异操作，得到更新后的克隆种群C#；
接着根据克隆抑制规则选择部分克隆体去更新记忆群体M中亲和度最低的部分抗体，得到更新后的记忆群体M#；
步骤6：种群刷新，利用随机生成的k个新抗体去替换剩余种群R中的k个抗体，得到更新后的剩余种群R#，因此最终得到的更新后的种群S#=R#+M#；
步骤7：判定是否已达到算法最大迭代次数，如果达到则执行步骤8，否则继续执行步骤3；
步骤8：结束记忆群体迭代，输出记忆群体中亲和度最高的抗体所对应的支路断开策略。
为实现上述发明目的，本发明还提供一种电子设备，该电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，计算机程序被处理器执行时实现上述一种基于人工免疫算法优化的配电网拓扑识别方法。
为实现上述发明目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述一种基于人工免疫算法优化的配电网拓扑识别方法。
基于此，本发明的有益效果在于，本发明考虑配电网支路有功功率能够在一定程度上反应开关运行状态这一特性，在网络拓扑结构发生变化时，通过潮流计算得到网络拓扑结构变化后的各支路的有功功率估计值，比较潮流计算结果与量测值，选出最佳匹配的网络拓扑，与现有的分析方法相比，该方法对配电网结构的动态变化有更好的适应性，并且合理利用了配电网计量系统中的负荷数据以及各支路的实时量测数据。该方法合理有效，快速简便，且具有较好的实用性。为了提高识别精度，在断开支路选择上需要留有一定裕度，首先选择一个区域较广的断开支路集，然后从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略，利用人工免疫算法对支路断开策略进行优化，选择与量测值差异度最小的支路断开策略，输出该策略对应的拓扑识别结果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

Claims (5)

1.一种基于人工免疫算法优化的配电网拓扑识别方法，其特征在于，包括：
在所有电路导通时，确定具有量测装置的各支路的初始有功功率；
在网络拓扑结构发生变化时，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值；
选择最小的一组有功功率估计值对应的支路作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；
利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略；
根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略；
使用目标支路断开策略划分网络拓扑结构；
其中，初始有功功率的计算方法为，
；
其中，为初始有功功率；
为/>阶的回路与支路关联矩阵，回路的正方向与连支正方向相同，支路k在回路l内且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在回路l内时/>中的元/>为0；
为/>阶的道路与支路关联矩阵，道路为各节点沿树到根节点所经过路径上的支路集合，根节点为规定编号最小的节点，规定道路的正方向为从道路末节点到根节点，当支路k在道路i上且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在道路i内时/>中的元/>为0；
为矩阵的转置；
为道路的有功功率；
为回路的有功功率；
通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值，其中公式为，
；
其中，为网络拓扑结构变化后的有功功率；
为网络拓扑结构变化所产生的各独立回路的有功功率变化量；
为网络拓扑结构变化后的支路无功功率；
为网络拓扑结构变化所产生的各独立回路的无功功率变化量；
为网络拓扑结构变化前的支路无功功率；
为PV节点的注入无功变化量；
为支路标识；
为回路标识；
为节点标识；
对各支路的有功功率估计值按升序排列，生成功率估计值序列，选择排序靠前的w个功率估计值组成断开支路集，其中，断开支路集中包含每个独立回路的至少一个断开支路；
从断开支路集中随机选择不同组合的l个断开支路组成断开支路子集，每个断开支路子集对应一个支路断开策略。
2.如权利要求1所述的一种基于人工免疫算法优化的配电网拓扑识别方法，其特征在于，对目标进行优化目标函数为，
；
其中，为整体差异度；
为第j个支路的有功功率估计值；
为第j个支路的有功功率量测值；
为量测权重。
3.一种基于人工免疫算法优化的配电网拓扑识别系统，其特征在于，包括：
初始有功功率确定单元：在所有电路导通时，确定具有量测装置的各支路的初始有功功率；
有功功率估计值确定单元：在网络拓扑结构发生变化时，通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值；
支路断开策略获取单元：选择最小的一组有功功率估计值对应的支路作为断开支路，并组成断开支路集，从断开支路集中选择不同组合的断开支路子集组成若干支路断开策略；
利用支路断开策略对人工免疫算法的种群个体进行初始化，种群中每一个体表示一个支路断开策略；
目标支路断开策略确定单元：根据当前支路断开策略确定的网络拓扑结构，将各支路的量测值与有功功率估计值比较获得差异度，以差异度最小作为优化目标，采用人工免疫算法对目标进行优化，确定目标支路断开策略；
网络拓扑结构划分单元：使用目标支路断开策略划分网络拓扑结构；
其中，初始有功功率的计算方法为，
；
其中，为初始有功功率；
为/>阶的回路与支路关联矩阵，回路的正方向与连支正方向相同，支路k在回路l内且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在回路l内时/>中的元/>为0；
为/>阶的道路与支路关联矩阵，道路为各节点沿树到根节点所经过路径上的支路集合，根节点为规定编号最小的节点，规定道路的正方向为从道路末节点到根节点，当支路k在道路i上且二者方向相同时，/>中的元/>为1，当方向相反时/>中的元/>为-1，当支路k不在道路i内时/>中的元/>为0；
为矩阵的转置；
为道路的有功功率；
为回路的有功功率；
通过潮流计算确定网络拓扑结构变化后的各支路的有功功率估计值，其中公式为，
；
其中，为网络拓扑结构变化后的有功功率；
为网络拓扑结构变化所产生的各独立回路的有功功率变化量；
为网络拓扑结构变化后的支路无功功率；
为网络拓扑结构变化所产生的各独立回路的无功功率变化量；
为网络拓扑结构变化前的支路无功功率；
为PV节点的注入无功变化量；
为支路标识；
为回路标识；
为节点标识；
对各支路的有功功率估计值按升序排列，生成功率估计值序列，选择排序靠前的w个功率估计值组成断开支路集，其中，断开支路集中包含每个独立回路的至少一个断开支路；
从断开支路集中随机选择不同组合的l个断开支路组成断开支路子集，每个断开支路子集对应一个支路断开策略。
4.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至2中任一项所述的一种基于人工免疫算法优化的配电网拓扑识别方法。
5.一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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2中任一项所述的一种基于人工免疫算法优化的配电网拓扑识别方法。
CN202311234648.0A 2023-09-25 2023-09-25 一种基于人工免疫算法优化的配电网拓扑识别方法及系统 Active CN116976059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311234648.0A CN116976059B (zh) 2023-09-25 2023-09-25 一种基于人工免疫算法优化的配电网拓扑识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311234648.0A CN116976059B (zh) 2023-09-25 2023-09-25 一种基于人工免疫算法优化的配电网拓扑识别方法及系统

Publications (2)

Publication Number Publication Date
CN116976059A CN116976059A (zh) 2023-10-31
CN116976059B true CN116976059B (zh) 2023-12-22

Family

ID=88477121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311234648.0A Active CN116976059B (zh) 2023-09-25 2023-09-25 一种基于人工免疫算法优化的配电网拓扑识别方法及系统

Country Status (1)

Country Link
CN (1) CN116976059B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015196743A1 (zh) * 2014-06-25 2015-12-30 国家电网公司 主动配电网的重构方法和装置
CN109217284A (zh) * 2017-07-05 2019-01-15 南京理工大学 一种基于免疫二进制粒子群算法的配电网重构方法
CN110854850A (zh) * 2019-11-28 2020-02-28 国网福建省电力有限公司厦门供电公司 一种最小化网损的电网拓扑优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9876356B2 (en) * 2014-10-02 2018-01-23 Mitsubishi Electric Research Laboratories, Inc. Dynamic and adaptive configurable power distribution system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015196743A1 (zh) * 2014-06-25 2015-12-30 国家电网公司 主动配电网的重构方法和装置
CN109217284A (zh) * 2017-07-05 2019-01-15 南京理工大学 一种基于免疫二进制粒子群算法的配电网重构方法
CN110854850A (zh) * 2019-11-28 2020-02-28 国网福建省电力有限公司厦门供电公司 一种最小化网损的电网拓扑优化方法

Also Published As

Publication number Publication date
CN116976059A (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
Huang et al. Prediction of wind power by chaos and BP artificial neural networks approach based on genetic algorithm
CN106126863B (zh) 基于人工鱼群和蛙跳算法的光伏电池参数辨识方法
CN109635506A (zh) 自适应混沌树和种子算法的光伏电池模型参数辨识方法
CN111881971A (zh) 一种基于深度学习lstm模型的输电线路故障类型识别方法
CN111628494B (zh) 一种基于逻辑回归法的低压配电网拓扑识别方法及系统
CN114091816B (zh) 基于数据融合的门控图神经网络的配电网状态估计方法
CN107994582B (zh) 含分布式电源的配电网重构方法和系统
CN108695864A (zh) 基于μPMU与SCADA的配电网网络拓扑分析方法
CN110289613A (zh) 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法
CN102364490B (zh) 基于层次分析模型的自动同调识别方法
CN104133143A (zh) 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法
CN112215279B (zh) 一种基于免疫rbf神经网络的电网故障诊断方法
CN106324429A (zh) 一种基于rs‑ia数据挖掘的配电网故障定位方法
CN109543269B (zh) 一种基于混合信任区间反射的光伏模型参数辨识方法
Wu et al. Gridtopo-GAN for distribution system topology identification
CN116843083A (zh) 基于混合神经网络模型的碳排放预测系统及方法
CN104933471A (zh) 一种用于短期风速预测方法中相空间重构方法
CN116976059B (zh) 一种基于人工免疫算法优化的配电网拓扑识别方法及系统
CN104850918B (zh) 一种计及电网拓扑约束的节点负荷预测方法
CN109378834A (zh) 基于信息最大相关的大规模电网电压稳定裕度评估系统
Rouhani et al. Soft clustering based probabilistic power flow with correlated inter temporal events
CN112926984A (zh) 基于区块链安全大数据的信息预测方法及区块链服务系统
CN104834816A (zh) 一种短期风速预测方法
CN117007974A (zh) 一种基于模型融合的固态电池soc估计方法
CN116800202A (zh) 基于参数辨识的光伏组件故障诊断方法和系统

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
GR01 Patent grant
GR01 Patent grant