CN117154954A - 一种基于遗传算法的配电网馈线自动化终端的配置方法 - Google Patents

一种基于遗传算法的配电网馈线自动化终端的配置方法 Download PDF

Info

Publication number
CN117154954A
CN117154954A CN202311421400.5A CN202311421400A CN117154954A CN 117154954 A CN117154954 A CN 117154954A CN 202311421400 A CN202311421400 A CN 202311421400A CN 117154954 A CN117154954 A CN 117154954A
Authority
CN
China
Prior art keywords
feeder
automation terminal
distribution network
population
topology
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.)
Granted
Application number
CN202311421400.5A
Other languages
English (en)
Other versions
CN117154954B (zh
Inventor
杨跃平
曹炯
胡学忠
张建
刘可龙
吴昊
焦阳
黄致远
曹松钱
贝斌斌
裴宇豪
朱正航
林生津
张池川
范承宏
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.)
Ningbo Sanming Electric Power Development Co ltd
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Ningbo Sanming Electric Power Development Co ltd
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo Sanming Electric Power Development Co ltd, Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Ningbo Sanming Electric Power Development Co ltd
Priority to CN202311421400.5A priority Critical patent/CN117154954B/zh
Publication of CN117154954A publication Critical patent/CN117154954A/zh
Application granted granted Critical
Publication of CN117154954B publication Critical patent/CN117154954B/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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

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

本发明涉及电力系统配电网技术领域，具体而言，涉及一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，获取配电网馈线的拓扑参数，建立配电网馈线自动化终端的配置模型，以馈线自动化终端的一次投入成本、维护运行成本、报废成本和可靠性损失之和最小作为目标函数，并确定约束条件；根据基于自由算子优化的遗传算法求解上述目标函数。该方法能够通过馈线自动化终端存储的信息及时、准确地自主更新配电网馈线的拓扑参数，且不过分依赖于馈线自动化终端的主站，自主程度高；配置模型考虑馈线自动化终端的报废成本和可靠性损失，更加精准；基于自由算子优化的遗传算法能够同时提高算法的全局搜索能力和局部搜索能力。

Description

一种基于遗传算法的配电网馈线自动化终端的配置方法
技术领域
本发明涉及电力系统配电网技术领域，具体而言，涉及一种基于遗传算法的配电网馈线自动化终端的配置方法，更具体的，涉及一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法。
背景技术
配电网在电力系统中承担着分配电能的作用，是电力系统发、输、配电中唯一与用户直接相连的部分。配电网通常由架空线路、电缆、杆塔、配电变压器、隔离开关、无 功补偿电容以及一些附属设施等组成，从输电网或发电厂接受电能，通过配电设施就地 分配或按电压逐级分配给各类用户。配电网的安全、优质运行是用户切身利益的保障。 随着科学技术的进步，用户对配电网的要求也越来越高。
配电自动化（Distribution Automation），简称DA)这一概念是20世纪80年代末首先 由美国提出并逐步发展起来的，其内容也在不断变化。迄今为止，配电自动化及其相关的一系列技术，尚无统一的定义和规范。国家电力公司在《10kV配网自动化发展规划要点》中关于配电网自动化的定义为：“利用现代通信和计算机技术，对电网在线运行的设备进行远方监视和控制的网络系统。它包括10kV馈线自动化、开闭所和小区配电所自动化、配电变压器和电容器组等的检测自动化等”。按照系统的结构，配电自动化 可分为配电管理系统(DMS主站)、变电站自动化（SA）、馈线自动化(FA)、用户自动化(需 方管理DSM)四个层次的内容。其中馈线自动化是配电网自动化最主要的任务之一，是向用户可靠供电和保证电能质量的最直接、有效的技术手段。
作为配电自动化的核心内容之一，馈线自动化通过在开关设备或环网单元上配置具有“二遥”(遥 信和遥测)或“三遥”(遥信、遥测和遥控)功能的配 电终端，能够实现对开关设备和环网单元的监测和 控制，并完成故障的快速定位、隔离和转供，是提高配电网可靠性的重要手段。
配电终端配置方案的优劣，对于配电网的供电可靠性水平和配电网的投资水平有着重要的影响。目前，配电开关优化配置的研究工作通常基于经济性或可靠性建立目标函数，采用遗传算法、动态规划法、故障模拟法等方法寻找最优解，确定开关改造和终端配置的最优位置。但是，现有的配电网馈线自动化终端的目标函数存在考虑因素不全面、模型不精准的问题。
另外，遗传算法是一种迭代自适应的智能算法，该算法首先以一定的方式（二进制、整数制等）定义一个解空间，利用达尔文进化论中适者生存的法则对个体进 行选择，然后经过交叉、变异等操作生成新的个体，让种群不断进化趋于最优。当种群满足设定的进化终止条件时就停止进化，筛选出最优目标个体。采用遗传算法求解问题经常会出现早熟现象，即种群中全部个体趋于相同状态而不再进化，导致求解结果并不是最优解，早熟现象主要由以下几个因素引起：
1) 对个体进行选择操作时，某些具有很强适应能力的个体会频繁被选中， 导致下一代种群中这些个体的比例很大，种群的多样性变差。
2) 交叉概率和变异概率的取值直接影响遗传算法的全局以及局部搜索能力， 因此遗传算法的求解结果受交叉概率及变异概率取值的影响较大。
3) 算法的寻优效果受种群规划影响较大：种群规模较小会导致种群多样性 差，而种群规模较大会引起算法计算量增加，导致种群进化过程缓慢。
同时，配电网受故障影响显著，现有模型未能采用馈线实时拓扑数据，且数据采集对终端主站的依赖程度过高，影响终端配置模型的适配性。
针对上述缺点，本申请设计一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，通过馈线自动化终端存储的信息及时、准确地自主更新配电网馈线的拓扑参数，且不过分依赖于馈线自动化终端的主站，自主程度高；配置模型考虑馈线自动化终端的报废成本和可靠性损失，更加精准；基于自由算子优化的遗传算法能够同时提高算法的全局搜索能力和局部搜索能力。
发明内容
本发明提供一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，以解决上述的问题。
第一方面，本发明提供了一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，包括以下步骤：
步骤1，获取配电网馈线的拓扑参数；
步骤2，建立配电网馈线自动化终端的配置模型，以馈线自动化终端的一次投入成本C1、维护运行成本C2、报废成本C3和可靠性损失C4之和最小作为目标函数，并确定约束条件；
步骤3，根据基于自由算子优化的遗传算法求解上述目标函数；
步骤4，进行配置的可靠性验证分析；
其中，所述获取配电网馈线的拓扑参数包括以下步骤：
步骤1.1，确定馈线自动化终端的辐射范围，划定初始拓扑圈；
步骤1.2，在初始拓扑圈内进行单元拓扑逻辑节点的深度优先遍历搜索；
步骤1.3，初始拓扑圈内的单元拓扑逻辑节点搜索完毕后，获取馈线自动化终端存储的拓扑信息，所述拓扑信息包含相邻单元拓扑逻辑节点信息，根据相邻单元拓扑逻辑节点的信息进行扩展拓扑圈的搜索；
步骤1.4， 如果馈线自动化终端内存有初始拓扑圈包含的相邻单元拓扑逻辑节点，则将初始拓扑圈与扩展拓扑圈拼接形成融合拓扑圈，并根据融合拓扑圈更新配电网馈线的拓扑参数；若馈线自动化终端内没有初始拓扑圈包含的相邻单元拓扑逻辑节点，则该馈线自动化终端进一步与相邻的馈线自动化终端进行通信，若能够形成融合拓扑圈，并根据融合拓扑圈更新拓扑参数；如与相邻的馈线自动化终端均进行通信后，仍未形成融合拓扑圈，则根据初始拓扑圈确定配电网馈线的拓扑参数。
基于自由算子优化的遗传算法具体为：
步骤3.1，获取输入配电网的基础数据，设置遗传算法的初始参数；
其中的基础数据包括各元件的可靠性参数、负荷点参数、故障处理时间参数。
步骤3.2，将染色体的编码形式选择为整数编码，赋予每条染色体对应配电网馈线自动化终端的含义，染色体的长度对应配电网馈线计划安装自动化终端的分段开关数量，染色体的基因对应配电网馈线计划安装自动化终端的结果，其中，0表示不安装馈线自动化终端，1表示安装二遥终端，3表示安装三遥终端；
步骤3.3，随机产生初始种群，并按照适应度对初始种群中的个体进行排序，将初始种群划分为高级种群、中级种群和低级种群，高级种群、中级种群和低级种群根据不同的控制参数对该种群的染色体进行组合和突变，得到高级种群、中级种群和低级种群的子代，并将上述子代与父代种群合并，得到复合的高级种群、中级种群和低级种群；
步骤3.4，计算每个复合的高级种群、中级种群和低级种群内染色体的适应度函数，根据适应度算子对染色体进行选择操作，得到新一代高级种群、新一代中级种群和新一代低级种群；
步骤3.5，在新一代高级种群、新一代中级种群和新一代低级种群中分别加入自由算子，确定自由算子分别占新一代高级种群、新一代中级种群和新一代低级种群的比例和两次自由算子的间隔代数，将自由算子与新一代高级种群、新一代中级种群和新一代低级种群多代循环进化；
步骤3.6，自由算子与新一代高级种群、新一代中级种群和新一代低级种群每进化一代，保存每个种群中的最优个体形成备选种群，当新的自由算子加入后排序淘汰掉最差个体，备选种群不参与进化；
步骤3.7，判断是否满足进化停止条件，若满足进化停止条件，则输出此时的优化结果；若不满足进化停止条件，则范围第返回步骤3.4。
所述馈线自动化终端的一次投入成本C1包括终端设备的采购和安装成本，
；
其中，f表示馈线的条目，Nf表示馈线集合，s表示馈线自动化终端的计划安装位置，Ns表示馈线自动化终端的计划安装位置集合，表示自动化终端在馈线f上的计划安装位置s处安装二遥的情况，/>取值0或1，/>=0表示自动化终端在馈线f上的计划安装位置s处未安装二遥，/>=1表示自动化终端在馈线f上的计划安装位置s处安装了二遥，Cr2表示二遥终端的采购和安装费用；/>表示自动化终端在馈线f上的计划安装位置s处安装三遥的情况，/>取值0或1，/>=0表示自动化终端在馈线f上的计划安装位置s处未安装三遥，/>=1表示自动化终端在馈线f上的计划安装位置s处安装了三遥，Cr3表示三遥终端的采购和安装费用。
所述馈线自动化终端的维护运行成本C2，
；
其中，t表示使用年限，Nt表示预期使用年限集合，μ表示维护运行成本占一次投入成本的比例；表示折现率。
所述馈线自动化终端的报废成本C3，
；
其中，表示报废费用折算率。
所述馈线自动化终端的可靠性损失C4，
；
其中，i表示馈线上的负荷点，Ni表示馈线上的负荷点集合，j表示负荷点处的负荷种类，Nj表示负荷种类的集合，表示第t年馈线f上负荷点i处发生短路故障的概率，表示第t年馈线f上负荷点i处第j类负荷的平均负荷；/>表示第t年馈线f发生短路故障时负荷点i处第j类负荷的单位电量可靠性损失；/>表示第t年馈线f上负荷点i处发生接地故障的概率，/>表示第t年馈线f上负荷点i处第j类负荷的平均负荷；/>表示第t年馈线f发生接地故障时负荷点i处第j类负荷的单位电量可靠性损失。
约束条件包括：
二遥和三遥不能同时安装：；
供电可靠率应满足最低供电可靠率要求，即
；
其中，表示馈线f上的计划安装位置s处发生故障时，负荷点i处第j类负荷的停电时间，/>表示配电网系统要求的最低供电可靠率。
其中，所述自动化终端存储的拓扑信息仅与自身有关。
第二方面，本发明提供了一种配电网馈线自动化终端的配置设备，包括存储器和处理器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现上述的配置方法。
第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时实现上述的配置方法。
第四方面，本发明提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。
本发明提供的技术方案能够实现以下有益效果：
1.本申请通过初始拓扑圈划定馈线自动化终端的初步范围，并进行深度优先遍历搜索，实现拓扑信息的初步搜索；通过获取馈线自动化终端存储的拓扑信息，并设置扩展拓扑圈和融合拓扑圈更新拓扑参数，能够充分发挥馈线自动化终端的自主性，不过分依赖于馈线自动化终端的主站，自主程度高；同时，馈线自动化终端存储的信息更加准确，能够实时记录维护信息，因此，能够及时、准确地更新配电网馈线的拓扑参数，提高配电网馈线自动化终端配置的适配性和有效性。
2.本申请建立的配电网馈线自动化终端的配置模型，充分考虑馈线自动化终端的报废成本和可靠性损失，考虑的因素更加全面，同时，结合馈线自动化终端的动作方式，将可靠性损失具体分为发生短路故障和接地故障两种情形分别计算，模型设置更加精准，有利于更加合理的设置配电网馈线自动化终端；
3.本申请提出的基于自由算子优化的遗传算法，将初始种群划分为高级种群、中级种群和低级种群，进而将多个种群并行运算，自由算子不仅实现了高级种群、中级种群和低级种群，而且能够提高并且，结合高级种群、中级种群和低级种群的级别，分别实现备选中群的准确筛选；另外，不同的种群实现不同的搜索目的，其中，低级种群之间的组合、变异概率小，该种群能够尽可能地保留优秀个体，提高算法的局部搜索能力；同时，低级种群之间的组合、变异概率大，该种群能够尽可能地提高搜索到优秀个体的可能性，能够提高算法的全局搜索能力。
附图说明
为了更清楚的说明本发明实施例的技术方案，下面将对实施例描述中待要使用的附图作简单介绍，显而易见的，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为本申请的配电网馈线自动化终端的配置方法步骤；
图2为本申请的基于自由算子优化遗传算法的方法步骤；
图3为本申请的中部某地区A类供电区域配电网网络结构。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1：
如附图1所示，本发明提供了一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，包括以下步骤：
步骤1，获取配电网馈线的拓扑参数；
步骤2，建立配电网馈线自动化终端的配置模型，以馈线自动化终端的一次投入成本C1、维护运行成本C2、报废成本C3和可靠性损失C4之和最小作为目标函数，并确定约束条件；
步骤3，根据基于自由算子优化的遗传算法求解上述目标函数；
步骤4，进行配置的可靠性验证分析；
其中，所述获取配电网馈线的拓扑参数包括以下步骤：
步骤1.1，确定馈线自动化终端的辐射范围，划定初始拓扑圈；
步骤1.2，在初始拓扑圈内进行单元拓扑逻辑节点的深度优先遍历搜索，实现拓扑信息的初步搜索；
步骤1.3，初始拓扑圈内的单元拓扑逻辑节点搜索完毕后，获取馈线自动化终端存储的拓扑信息，所述拓扑信息包含相邻单元拓扑逻辑节点信息，根据相邻单元拓扑逻辑节点的信息进行扩展拓扑圈的搜索；
步骤1.4，如果馈线自动化终端内存有初始拓扑圈包含的相邻单元拓扑逻辑节点，则将初始拓扑圈与扩展拓扑圈拼接形成融合拓扑圈，并根据融合拓扑圈更新配电网馈线的拓扑参数；若馈线自动化终端内没有初始拓扑圈包含的相邻单元拓扑逻辑节点，则该馈线自动化终端进一步与相邻的馈线自动化终端进行通信，若能够形成融合拓扑圈，并根据融合拓扑圈更新拓扑参数；如与相邻的馈线自动化终端均进行通信后，仍未形成融合拓扑圈，则根据初始拓扑圈确定配电网馈线的拓扑参数。
如附图2所示，基于自由算子优化的遗传算法具体为：
步骤3.1，获取输入配电网的基础数据，设置遗传算法的初始参数；
其中的基础上数据包括各元件的可靠性参数、负荷点参数、故障处理时间参数。
步骤3.2，将染色体的编码形式选择为整数编码，赋予每条染色体对应配电网馈线自动化终端的含义，染色体的长度对应配电网馈线计划安装自动化终端的分段开关数量，染色体的基因对应配电网馈线计划安装自动化终端的结果，其中，0表示不安装馈线自动化终端，1表示安装二遥终端，3表示安装三遥终端；
步骤3.3，随机产生初始种群，并按照适应度对初始种群中的个体进行排序，将初始种群划分为高级种群、中级种群和低级种群，高级种群、中级种群和低级种群根据不同的控制参数对该种群的染色体进行组合和突变，得到高级种群、中级种群和低级种群的子代，并将上述子代与父代种群合并，得到复合的高级种群、中级种群和低级种群；
步骤3.4，计算每个复合的高级种群、中级种群和低级种群内染色体的适应度函数，根据适应度算子对染色体进行选择操作，得到新一代高级种群、新一代中级种群和新一代低级种群；
步骤3.5，在新一代高级种群、新一代中级种群和新一代低级种群中分别加入自由算子，确定自由算子分别占新一代高级种群、新一代中级种群和新一代低级种群的比例和两次自由算子的间隔代数，将自由算子与新一代高级种群、新一代中级种群和新一代低级种群多代循环进化；
步骤3.6，自由算子与新一代高级种群、新一代中级种群和新一代低级种群每进化一代，保存每个种群中的最优个体形成备选种群，当新的自由算子加入后排序淘汰掉最差个体，备选种群不参与进化；
将初始种群划分为高级种群、中级种群和低级种群，进而将多个种群并行运算，自由算子不仅实现了高级种群、中级种群和低级种群，而且能够提高并且，结合高级种群、中级种群和低级种群的级别，分别实现备选中群的准确筛选；
步骤3.7，判断是否满足进化停止条件，若满足进化停止条件，则输出此时的优化结果；若不满足进化停止条件，则范围第返回步骤3.4。
不同的种群实现不同的搜索目的，其中，低级种群之间的组合、变异概率小，该种群能够尽可能地保留优秀个体，提高算法的局部搜索能力；同时，低级种群之间的组合、变异概率大，该种群能够尽可能地提高搜索到优秀个体的可能性，能够提高算法的全局搜索能力。
所述馈线自动化终端的一次投入成本C1包括终端设备的采购和安装成本，
；
其中，f表示馈线的条目，Nf表示馈线集合，s表示馈线自动化终端的计划安装位置，Ns表示馈线自动化终端的计划安装位置集合，表示自动化终端在馈线f上的计划安装位置s处安装二遥的情况，/>取值0或1，/>=0表示自动化终端在馈线f上的计划安装位置s处未安装二遥，/>=1表示自动化终端在馈线f上的计划安装位置s处安装了二遥，Cr2表示二遥终端的采购和安装费用；/>表示自动化终端在馈线f上的计划安装位置s处安装三遥的情况，/>取值0或1，/>=0表示自动化终端在馈线f上的计划安装位置s处未安装三遥，/>=1表示自动化终端在馈线f上的计划安装位置s处安装了三遥，Cr3表示三遥终端的采购和安装费用。
所述馈线自动化终端的维护运行成本C2，
；
其中，t表示使用年限，Nt表示预期使用年限集合，μ表示维护运行成本占一次投入成本的比例；表示折现率。
所述馈线自动化终端的报废成本C3，
；
其中，表示报废费用折算率。
所述馈线自动化终端的可靠性损失C4，
；
其中，i表示馈线上的负荷点，Ni表示馈线上的负荷点集合，j表示负荷点处的负荷种类，Nj表示负荷种类的集合，表示第t年馈线f上负荷点i处发生短路故障的概率，表示第t年馈线f上负荷点i处第j类负荷的平均负荷；/>表示第t年馈线f发生短路故障时负荷点i处第j类负荷的单位电量可靠性损失；/>表示第t年馈线f上负荷点i处发生接地故障的概率，/>表示第t年馈线f上负荷点i处第j类负荷的平均负荷；/>表示第t年馈线f发生接地故障时负荷点i处第j类负荷的单位电量可靠性损失。
配电网馈线自动化终端的配置模型，充分考虑馈线自动化终端的报废成本和可靠性损失，考虑的因素更加全面。
结合馈线自动化终端的动作方式，将可靠性损失具体分为发生短路故障和接地故障两种情形分别计算，模型设置更加精准，有利于更加合理的设置配电网馈线自动化终端
约束条件包括：
二遥和三遥不能同时安装：；
供电可靠率应满足最低供电可靠率要求，即
；
其中，表示馈线f上的计划安装位置s处发生故障时，负荷点i处第j类负荷的停电时间，/>表示配电网系统要求的最低供电可靠率。
设置扩展拓扑圈和融合拓扑圈更新拓扑参数，能够充分发挥馈线自动化终端的自主性，不过分依赖于馈线自动化终端的主站，自主程度高；
其中，所述自动化终端存储的拓扑信息仅与自身有关。
馈线自动化终端存储的信息更加准确，能够实时记录维护信息，因此，能够及时、准确地更新配电网馈线的拓扑参数，提高配电网馈线自动化终端配置的适配性和有效性。
结合附图3所示的中部某地区A类供电区域配电网网架结构，线路的编号规则为：I+数字，其中，编号为I0、I2、I3、I6~I8、I28、I30、I31的线路长度为1.5km，编号为I1、I4、I5、I29的线路长度为1km，编号为I9~I12、I14、I22~I27、I32~I39、I40-I43的线路长度为0.5km，编号为I13的线路长度为0.3km，编号为I18的线路长度为0.25km，编号为I21的线路长度为0.2km，编号为I17、I19、I20的线路长度为0.1km，编号为I16的线路长度为0.05km，CB1-CB7、CB12-CB16为自动化终端。
该系统配电网网架结构为一个带有分支馈线的10k V配电系统，有负荷点20个，用户86户，主干线全长16km，负荷容量共9 MW。
配电网设备运行参数为：开关修复时间为1.2小时/台次，三遥开关开断时间为0.03小时，手动开关开断时间为0.3小时，三遥开关合闸时间为0.03小时，手动开关合闸时间为0.3小时，人工故障定位时间为0.4小时/km，线路修复时间为1.2小时/km/次。
通过matlab编程，中部某地区A类供电区域配电网馈线自动化终端的配置策略为，在2024年，重要开关三遥；在2032年，重要开关三遥，且CB2、CB3三遥；在2037年，重要开关三遥且CB2、CB3、CB4三遥。既在初始年（2024年）采用相对较低的配置，随着时间的推移，最低供电可靠率要求会随着经济社会的发展逐步提高，此时，逐步增加“三遥”终端的配置，既达到经济性上最优而又满足可靠性预期值，在工程实际中有较好的可拓展性。
实施例2：
本申请实施例提供一种配电网馈线自动化终端的配置设备，其包括存储器，用于存储一个或多个计算机指令；处理器。当一个或多个计算机指令被处理器执行时，实现如上述第一方面中任一项的方法。
还包括通信接口，该存储器、处理器和通信接口相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器可用于存储软件程序及模块，处理器通过执行存储在存储器内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口可用于与其他节点设备进行信令或数据的通信。
其中，存储器可以是但不限于，随机存取存储器 (Random Access Memory，RAM)，只读存储器 (Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器 (Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器 (Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器 (Central Processing Unit，CPU)、网络处理器 (NetworkProcessor，NP)等；还可以是数字信号处理器 (Digital Signal Processing，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的方法及系统，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另一方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机指令，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。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，本申请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)执行本申请各个实施例所述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、只读存储器 (ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供的基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，通过初始拓扑圈划定馈线自动化终端的初步范围，并进行深度优先遍历搜索，实现拓扑信息的初步搜索；通过获取馈线自动化终端存储的拓扑信息，并设置扩展拓扑圈和融合拓扑圈更新拓扑参数，能够充分发挥馈线自动化终端的自主性，不过分依赖于馈线自动化终端的主站，自主程度高；同时，馈线自动化终端存储的信息更加准确，能够实时记录维护信息，因此，能够及时、准确地更新配电网馈线的拓扑参数，提高配电网馈线自动化终端配置的适配性和有效性。本申请建立的配电网馈线自动化终端的配置模型，充分考虑馈线自动化终端的报废成本和可靠性损失，考虑的因素更加全面，同时，结合馈线自动化终端的动作方式，将可靠性损失具体分为发生短路故障和接地故障两种情形分别计算，模型设置更加精准，有利于更加合理的设置配电网馈线自动化终端；本申请提出的基于自由算子优化的遗传算法，将初始种群划分为高级种群、中级种群和低级种群，进而将多个种群并行运算，自由算子不仅实现了高级种群、中级种群和低级种群，而且能够提高并且，结合高级种群、中级种群和低级种群的级别，分别实现备选中群的准确筛选；另外，不同的种群实现不同的搜索目的，其中，低级种群之间的组合、变异概率小，该种群能够尽可能地保留优秀个体，提高算法的局部搜索能力；同时，低级种群之间的组合、变异概率大，该种群能够尽可能地提高搜索到优秀个体的可能性，能够提高算法的全局搜索能力。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，包括以下步骤：
步骤1，获取配电网馈线的拓扑参数；
步骤2，建立配电网馈线自动化终端的配置模型，以馈线自动化终端的一次投入成本C1、维护运行成本C2、报废成本C3和可靠性损失C4之和最小作为目标函数，并确定约束条件；
步骤3，根据基于自由算子优化的遗传算法求解上述目标函数；
步骤4，进行配置的可靠性验证分析；
其中，步骤1中获取配电网馈线的拓扑参数包括以下步骤：
步骤1.1，确定馈线自动化终端的辐射范围，划定初始拓扑圈；
步骤1.2，在初始拓扑圈内进行单元拓扑逻辑节点的深度优先遍历搜索；
步骤1.3，初始拓扑圈内的单元拓扑逻辑节点搜索完毕后，获取馈线自动化终端存储的拓扑信息，所述拓扑信息包含相邻单元拓扑逻辑节点信息，根据相邻单元拓扑逻辑节点的信息进行扩展拓扑圈的搜索；
步骤1.4，如果馈线自动化终端内存有初始拓扑圈包含的相邻单元拓扑逻辑节点，则将初始拓扑圈与扩展拓扑圈拼接形成融合拓扑圈，并根据融合拓扑圈更新配电网馈线的拓扑参数；若馈线自动化终端内没有初始拓扑圈包含的相邻单元拓扑逻辑节点，则该馈线自动化终端进一步与相邻的馈线自动化终端进行通信，若能够形成融合拓扑圈，并根据融合拓扑圈更新拓扑参数；如与相邻的馈线自动化终端均进行通信后，仍未形成融合拓扑圈，则根据初始拓扑圈确定配电网馈线的拓扑参数；
步骤3中基于自由算子优化的遗传算法具体为：
步骤3.1，获取输入配电网的基础数据，设置遗传算法的初始参数；
步骤3.2，将染色体的编码形式选择为整数编码，赋予每条染色体对应配电网馈线自动化终端的含义，染色体的长度对应配电网馈线计划安装自动化终端的分段开关数量，染色体的基因对应配电网馈线计划安装自动化终端的结果，其中，0表示不安装馈线自动化终端，1表示安装二遥终端，3表示安装三遥终端；
步骤3.3，随机产生初始种群，并按照适应度对初始种群中的个体进行排序，将初始种群划分为高级种群、中级种群和低级种群，根据不同的控制参数对高级种群、中级种群和低级种群的染色体进行组合和突变，得到高级种群、中级种群和低级种群的子代，并将上述子代与父代种群合并，得到复合的高级种群、中级种群和低级种群；
步骤3.4，计算每个复合的高级种群、中级种群和低级种群内染色体的适应度函数，根据适应度算子对染色体进行选择操作，得到新一代高级种群、新一代中级种群和新一代低级种群；
步骤3.5，在新一代高级种群、新一代中级种群和新一代低级种群中分别加入自由算子，确定自由算子分别占新一代高级种群、新一代中级种群和新一代低级种群的比例和两次自由算子的间隔代数，将自由算子与新一代高级种群、新一代中级种群和新一代低级种群多代循环进化；
步骤3.6，自由算子与新一代高级种群、新一代中级种群和新一代低级种群每进化一代，保存每个种群中的最优个体形成备选种群，当新的自由算子加入后排序淘汰掉最差个体，备选种群不参与进化；
步骤3.7，判断是否满足进化停止条件，若满足进化停止条件，则输出此时的优化结果；若不满足进化停止条件，则范围第返回步骤3.4。
2.根据权利要求1所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述馈线自动化终端的一次投入成本C1包括终端设备的采购和安装成本，
；
其中，f表示馈线的条目，Nf表示馈线集合，s表示馈线自动化终端的计划安装位置，Ns表示馈线自动化终端的计划安装位置集合，表示自动化终端在馈线f上的计划安装位置s处安装二遥的情况，/>取值0或1，/>=0表示自动化终端在馈线f上的计划安装位置s处未安装二遥，/>=1表示自动化终端在馈线f上的计划安装位置s处安装了二遥，Cr2表示二遥终端的采购和安装费用；/>表示自动化终端在馈线f上的计划安装位置s处安装三遥的情况，/>取值0或1，/>=0表示自动化终端在馈线f上的计划安装位置s处未安装三遥，/>=1表示自动化终端在馈线f上的计划安装位置s处安装了三遥，Cr3表示三遥终端的采购和安装费用。
3.根据权利要求2所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述馈线自动化终端的维护运行成本C2，
；
其中，t表示使用年限，Nt表示预期使用年限集合，μ表示维护运行成本占一次投入成本的比例；表示折现率。
4.根据权利要求3所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述馈线自动化终端的报废成本C3，
；
其中，表示报废费用折算率。
5.根据权利要求4所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述馈线自动化终端的可靠性损失C4，
；
其中，i表示馈线上的负荷点，Ni表示馈线上的负荷点集合，j表示负荷点处的负荷种类，Nj表示负荷种类的集合，表示第t年馈线f上负荷点i处发生短路故障的概率，/>表示第t年馈线f上负荷点i处第j类负荷的平均负荷；/>表示第t年馈线f发生短路故障时负荷点i处第j类负荷的单位电量可靠性损失；/>表示第t年馈线f上负荷点i处发生接地故障的概率，/>表示第t年馈线f上负荷点i处第j类负荷的平均负荷；/>表示第t年馈线f发生接地故障时负荷点i处第j类负荷的单位电量可靠性损失。
6.根据权利要求4所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述约束条件包括：
二遥和三遥不能同时安装：；
供电可靠率应满足最低供电可靠率要求，即
；
其中，表示馈线f上的计划安装位置s处发生故障时，负荷点i处第j类负荷的停电时间，/>表示配电网系统要求的最低供电可靠率。
7.根据权利要求1所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述基础数据包括各元件的可靠性参数、负荷点参数、故障处理时间参数。
8.根据权利要求7所述的一种基于自由算子优化的遗传算法的配电网馈线自动化终端的配置方法，所述自动化终端存储的拓扑信息仅与自身有关。
9.一种配电网馈线自动化终端的配置设备，包括存储器和处理器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-8所述的配置方法。
10.一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时实现权利要求1-8所述的配置方法。
CN202311421400.5A 2023-10-31 2023-10-31 一种基于遗传算法的配电网馈线自动化终端的配置方法 Active CN117154954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311421400.5A CN117154954B (zh) 2023-10-31 2023-10-31 一种基于遗传算法的配电网馈线自动化终端的配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311421400.5A CN117154954B (zh) 2023-10-31 2023-10-31 一种基于遗传算法的配电网馈线自动化终端的配置方法

Publications (2)

Publication Number Publication Date
CN117154954A true CN117154954A (zh) 2023-12-01
CN117154954B CN117154954B (zh) 2024-01-05

Family

ID=88912402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311421400.5A Active CN117154954B (zh) 2023-10-31 2023-10-31 一种基于遗传算法的配电网馈线自动化终端的配置方法

Country Status (1)

Country Link
CN (1) CN117154954B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118229042A (zh) * 2024-05-24 2024-06-21 深圳友讯达科技股份有限公司 配电网ftu优化配置方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003219558A (ja) * 2002-01-24 2003-07-31 Hitachi Ltd 配電系統制御装置および配電系統構成作成装置
WO2016078329A1 (zh) * 2014-11-19 2016-05-26 天津大学 一种多智能体结构的微电网优化运行方法
CN110222889A (zh) * 2019-05-29 2019-09-10 华南理工大学 基于多种智能算法的配电网馈线自动化终端配置方法
US20200326363A1 (en) * 2019-04-09 2020-10-15 Mitsubishi Electric Research Laboratories, Inc. Simultaneous Fault Detection and Location of Power Distribution Systems
CN112436506A (zh) * 2020-10-26 2021-03-02 国网浙江省电力有限公司杭州供电公司 基于遗传算法的配电网拓扑重构方法
CN112541626A (zh) * 2020-12-08 2021-03-23 国网江苏省电力有限公司经济技术研究院 一种基于改进遗传算法的多目标配电网故障重构方法
CN114254470A (zh) * 2021-12-24 2022-03-29 国网吉林省电力有限公司吉林供电公司 一种配电网可靠性提升方法、装置及存储介质
WO2022105944A1 (zh) * 2020-11-18 2022-05-27 国网青海省电力公司经济技术研究院 考虑不同负荷结构和可靠性影响的10kV馈线最佳负载能力计算方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003219558A (ja) * 2002-01-24 2003-07-31 Hitachi Ltd 配電系統制御装置および配電系統構成作成装置
WO2016078329A1 (zh) * 2014-11-19 2016-05-26 天津大学 一种多智能体结构的微电网优化运行方法
US20200326363A1 (en) * 2019-04-09 2020-10-15 Mitsubishi Electric Research Laboratories, Inc. Simultaneous Fault Detection and Location of Power Distribution Systems
CN110222889A (zh) * 2019-05-29 2019-09-10 华南理工大学 基于多种智能算法的配电网馈线自动化终端配置方法
CN112436506A (zh) * 2020-10-26 2021-03-02 国网浙江省电力有限公司杭州供电公司 基于遗传算法的配电网拓扑重构方法
WO2022105944A1 (zh) * 2020-11-18 2022-05-27 国网青海省电力公司经济技术研究院 考虑不同负荷结构和可靠性影响的10kV馈线最佳负载能力计算方法
CN112541626A (zh) * 2020-12-08 2021-03-23 国网江苏省电力有限公司经济技术研究院 一种基于改进遗传算法的多目标配电网故障重构方法
CN114254470A (zh) * 2021-12-24 2022-03-29 国网吉林省电力有限公司吉林供电公司 一种配电网可靠性提升方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗伟文: "基于混合型配电网智能分布式馈线自动化故障定位方法研究", 能源与环保, vol. 39, no. 12, pages 176 - 188 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118229042A (zh) * 2024-05-24 2024-06-21 深圳友讯达科技股份有限公司 配电网ftu优化配置方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN117154954B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN117154954B (zh) 一种基于遗传算法的配电网馈线自动化终端的配置方法
CN108957226B (zh) 一种适用于分布式电源接入配电网的故障馈线定位方法
CN110490376B (zh) 面向配电网可靠性和经济性提升的智能软开关规划方法
CN105958486B (zh) 考虑分布式电源出力曲线的配电网多时段动态故障恢复方法
CN112491050A (zh) 基于指标集权重的主配网事故恢复处理方法
CN112837172A (zh) 一种计及交通网与配电网信息融合的配电网灾后抢修决策方法
CN106841927A (zh) 含分布式电源配电网的故障定位方法
CN103903055A (zh) 基于无向图所有生成树的网络重构遗传算法
Gao et al. Multi-objective dynamic reconfiguration for urban distribution network considering multi-level switching modes
Liu et al. Intra-day dynamic network reconfiguration based on probability analysis considering the deployment of remote control switches
CN105574611A (zh) 一种含分布式电源配电网络的检修计划优化方法
CN115754578A (zh) 基于自适应蚁群算法的有源配电网故障定位方法及系统
de Assis et al. Optimal allocation of remote controlled switches in radial distribution systems
CN115347562A (zh) 一种ai技术下配电网抢修快速抵达方法
CN103344881A (zh) 基于组合型交叉熵算法的电网故障诊断方法
CN114662799A (zh) 一种输电线路检修计划优化方法、装置、设备及存储介质
Alizadeh et al. Resiliency‐oriented islanding of distribution network in the presence of charging stations for electric vehicles
CN113191062B (zh) 基于多源不完整信息的配电网故障区段定位方法及系统
CN110866739B (zh) 一种考虑故障排查路径的配电网综合停电时间表示方法
CN108334950A (zh) 一种应用单亲遗传算法的配电网络重构方法
CN109299867B (zh) 一种配电网可靠性评估参数筛选方法及系统
Luong et al. Scalable and practical multi-objective distribution network expansion planning
Jalilzade et al. A new approach for Subtransmission System expansion planning with genetic alghorithm
Fan et al. Stochastic distribution expansion planning with wind power generation and electric vehicles considering carbon emissions
Abilkhassenov et al. Service restoration in power distribution systems using hybrid multi-agent approach

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