CN117236640A - 低压配电网设备配置方案优化方法、装置、终端及介质 - Google Patents
低压配电网设备配置方案优化方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN117236640A CN117236640A CN202311348423.8A CN202311348423A CN117236640A CN 117236640 A CN117236640 A CN 117236640A CN 202311348423 A CN202311348423 A CN 202311348423A CN 117236640 A CN117236640 A CN 117236640A
- Authority
- CN
- China
- Prior art keywords
- node
- closed
- configuration scheme
- distribution network
- equipment configuration
- 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 49
- 238000005192 partition Methods 0.000 claims description 64
- 238000005457 optimization Methods 0.000 claims description 56
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 230000006872 improvement Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 241000272814 Anser sp. Species 0.000 description 2
- 241000272517 Anseriformes Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000271566 Aves Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种低压配电网设备配置方案优化方法、装置、终端及介质，涉及配电控制技术领域，本申请提供的技术方案先根据目标配电网区域内的负荷节点的地理位置以及负荷情况，将目标配电网区域划分为若干个分区，然后建立了闭环设备配置方案优化模型，综合考虑可靠性效益与经济性成本的目标函数，对闭环设备在各分区中的数量和位置进行优化规划，通过闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案，以便工作人员参考模型输出闭环设备配置方案进行闭环设备配置，克服了现有的配电网闭环设备配置方案规划容易受规划人员知识水平影响的局限，提高了配电网闭环设备配置方案效果的稳定性。
Description
技术领域
本申请涉及配电控制技术领域，尤其涉及一种低压配电网设备配置方案优化方法、装置、终端及介质。
背景技术
随着低压配电网运行过程中对用户供电可靠性的要求逐步提高。为了降低供电中断的频率和提高可靠性，闭环操作已成为最常用、最有效的手段之一。
传统的闭环操作可能导致电压差过大，从而引发闭环电流增加，可能导致电气设备过载和继电保护故障等安全问题。但近年来，随着科技的不断进步，LCB(Low VoltageConnection Box，移动式低压接触盒)以及SCLTD(mobile seamless closed-loop device，移动式无缝闭环负载传递装置)等移动式闭环设备的研发与投入为低压配电网闭环操作提供了新的解决方向，为了保证闭环操作的效果，需要合理规划低压配电网闭环设备的配置方案，然而，目前的闭环设备配置方案都是通过规划人员基于自身的专业知识分析得出的，导致配置方案的质量容易受规划人员知识水平影响，存在闭环操作时容易出现配电网状态失稳的技术问题。
发明内容
本申请提供了一种低压配电网设备配置方案优化方法、装置、终端及介质，用于解决现有的配电网闭环设备配置方案容易受规划人员知识水平影响导致的稳定性差的技术问题。
为解决上述技术问题，本申请第一方面提供了一种低压配电网设备配置方案优化方法，包括：
根据目标配电网区域中的负荷节点集合，获取所述负荷节点集合中各个负荷节点的节点运行数据和节点位置信息；
根据所述节点位置信息，确定所述负荷节点的地理特征信息，并基于各个所述负荷节点的地理特征信息，构建地理特征信息矩阵；
根据预设的区域分区数量，基于所述地理特征信息矩阵，通过k-medoids算法对各个所述负荷节点进行聚类，以根据聚类结果得到若干个的聚类中心点，其中，所述聚类中心点的数量与所述区域分区数量相同；
计算所述负荷节点与所述聚类中心点的距离值，以根据所述距离结合各个分区的节点数量约束条件，将所述负荷节点归类到各个分区中；
构建闭环设备配置方案优化模型，其中，所述闭环设备配置方案优化模型中包含有配电网停电量改善最大化及成本最小化的目标函数；
将所述节点运行数据输入至所述闭环设备配置方案优化模型，以分区为单位，通过所述闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案。
优选地，所述闭环设备配置方案优化模型具体为：
F＝o1·F1+o2·F2
式中，F是综合指标值；F1是配电网络区域的年度停电改善指标，F2是配电网区域的年度成本指标，o1和o2分别是所述年度停电改善指标和成本指标的权重，Pbefore以及Pafter表示所述目标配电网区域在规划闭环设备之前和之后整个区域的年度累积停电量，Cmax与Cmin分别是成本样本中的最大值和最小值，Cplan为配置方案规划成本，num1以及num2分别是第一闭环设备与第二闭环设备的总数，q1与q2是单个第一闭环设备和单个第二闭环设备的年度维护成本，ur表示运输总距离,x1表示单位距离的运输成本，Tr,1和Tr,2分别是在第r天进行第一闭环设备和第二闭环设备操作的次数，d1与d2分别是单个第一闭环设备和单个第二闭环设备的单次操作成本，Er是使用第一闭环设备和第二闭环设备带来的电缆花费成本，Z1为单个第一闭环设备的投资成本，Z2为单个第二闭环设备的投资成本。
优选地，所述输出各个分区的闭环设备配置方案之后还包括：
根据预设的种群寻优算法，初始化多个种群对象，其中，每个种群对象分别对应一个闭环设备配置方案；
通过所述闭环设备配置方案优化模型，分别计算各个种群对象的综合指标值，以根据所述综合指标值，结合所述种群寻优算法进行迭代寻优，直至满足预设的迭代终止条件时，停止迭代，并输出当前的最优种群对应的闭环设备配置方案。
优选地，所述种群寻优算法为塘鹅优化算法。
优选地，所述计算所述负荷节点与所述聚类中心点的距离值具体包括：
通过预设的加权等效距离计算式，计算所述负荷节点与所述聚类中心点的加权等效距离。
优选地，所述加权等效距离计算式具体为：
c(k,sp)＝x1·a(k,sp)+x2·b(k,sp)
b(k,sp)＝Dist(ssp,3,λk,3)
式中，a(k,sp)代表第sp个节点与第k个聚类中心之间的地理直线距离；b(k,sp)代表第sp个节点与第k个聚类中心之间的流量路径长度；c(k,sp)代表第sp个节点与第k个聚类中心之间的加权等效距离，sSP,1及sSP,2分别代表第SP个节点的第一地理特征信息与第二地理特征信息，sSP,3代表第SP个节点的节点序号，λk,1及λk,2分别代表第k个聚类中心点的第一地理特征信息与第二地理特征信息，λk,3第k个聚类中心点的节点序号。
优选地，所述负荷节点集合的构建方式具体包括：
遍历目标配电网区域内的各个负荷节点，根据所述负荷节点的负荷等级信息，将各个所述负荷节点添加到对应负荷等级的节点集合中，以得到若干个负荷节点集合。
本申请第二方面提供了一种低压配电网设备配置方案优化装置，包括：
节点信息获取单元，用于根据目标配电网区域中的负荷节点集合，获取所述负荷节点集合中各个负荷节点的节点运行数据和节点位置信息；
地理特征矩阵构建单元，用于根据所述节点位置信息，确定所述负荷节点的地理特征信息，并基于各个所述负荷节点的地理特征信息，构建地理特征信息矩阵；
节点聚类单元，用于根据预设的区域分区数量，基于所述地理特征信息矩阵，通过k-medoids算法对各个所述负荷节点进行聚类，以根据聚类结果得到若干个的聚类中心点，其中，所述聚类中心点的数量与所述区域分区数量相同；
节点分区单元，用于计算所述负荷节点与所述聚类中心点的距离值，以根据所述距离结合各个分区的节点数量约束条件，将所述负荷节点归类到各个分区中；
模型构建单元，用于构建闭环设备配置方案优化模型，其中，所述闭环设备配置方案优化模型中包含有配电网停电量改善最大化及成本最小化的目标函数；
配置方案输出单元，用于将所述节点运行数据输入至所述闭环设备配置方案优化模型，以分区为单位，通过所述闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案。
本申请第三方面提供了一种低压配电网设备配置方案优化终端，包括：存储器和处理器；
所述存储器用于存储与本申请第一方面提供的一种低压配电网设备配置方案优化方法相对应的程序代码；
所述处理器用于执行所述程序代码，以实现如本申请第一方面提供的一种低压配电网设备配置方案优化方法。
本申请第四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中保存有与如本申请第一方面提供的一种低压配电网设备配置方案优化方法相对应的程序代码。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供的技术方案先根据目标配电网区域内的负荷节点的地理位置以及负荷情况，将目标配电网区域划分为若干个分区，然后建立了闭环设备配置方案优化模型，综合考虑可靠性效益与经济性成本的目标函数，对闭环设备在各分区中的数量和位置进行优化规划，通过闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案，以便工作人员参考模型输出闭环设备配置方案进行闭环设备配置，克服了现有的配电网闭环设备配置方案规划容易受规划人员知识水平影响的局限，提高了配电网闭环设备配置方案效果的稳定性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种低压配电网设备配置方案优化方法的一个实施例的流程示意图。
图2为本申请提供的一种低压配电网设备配置方案优化方法的进一步实施例的流程示意图。
图3为本申请提供的一种低压配电网设备配置方案优化装置实施例的结构示意图。
图4为本申请提供的一种低压配电网设备配置方案优化终端实施例的结构示意图。
具体实施方式
本申请实施例提供了一种低压配电网设备配置方案优化方法、装置、终端及介质，用于解决现有的配电网闭环设备配置方案容易受规划人员知识水平影响导致的稳定性差的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
术语解释：
LCB(Low Voltage Connection Box，移动式低压接触盒)是一种用于电力配电和连接的设备，通常用于临时或移动电力分配场合，以便于灵活地连接和断开电源。LCB通常具有多个电源输入插座，可以接入主电源，例如发电机或电网。这些插座通常位于LCB的一侧，并连接到主电源。LCB属于传统的闭环器件，不能消除闭环电流，存在电流过大的风险。
SCLTD(mobile seamless closed-loop device，移动式无缝闭环负载传递装置)可以消除闭环电流的影响和电流过大带来的风险。可实现相位差在0-30°范围内的闭环操作，但价格较贵。
这两类设备都是移动设备，需要在闭环操作前运输到相应的工位。
K-medoids算法是一种基于中心点聚类算法,它使用迭代计算来重复地优化聚类结果，从数据集中选择一组中心对象，然后通过使用相似度度量，将剩余的对象与最接近的中心对象分配，然后，算法将中心对象更新以更接近这些对象，这可以通过调整中心对象来完成，中心对象的改变引起的影响可能会影响聚类的结果。K-medoids算法继续重复这个过程,直到找到聚类的最优解。
首先是本申请提供的一种低压配电网设备配置方案优化方法实施例的详细说明。
请参阅图1，本实施例提供了一种低压配电网设备配置方案优化方法，包括：
步骤101、根据目标配电网区域中的负荷节点集合，获取负荷节点集合中各个负荷节点的节点运行数据和节点位置信息。
需要说明的是，基于需要配置闭环设备的目标配电网区域，根据该目标配电网区域内的负荷节点组成的负荷节点集合，获取这些负荷节点的节点运行数据和节点位置信息，其中，节点运行数据包括：运行状态信息、电气信息以及运行成本信息等，节点位置信息包括：负荷节点的位置坐标。
其中，负荷节点集合的生成示例可以为：遍历目标配电网区域内的各个负荷节点，根据负荷节点的负荷等级信息，将各个负荷节点添加到对应负荷等级的节点集合中，以得到若干个负荷节点集合。例如，将配电网区域内SP个节点下所属的负荷依据其重要性分为1级负荷、2级负荷和3级负荷，并将其划入三个负荷集合N1，N2以及N3中，相应的权重可分别分配为HI1、HI2和HI3。为了使各级负荷点相对均匀地分布到各个分区中，设置每个分区内第k级负荷节点数量最大值为Gk,max；相应的，每个分区内第k级负荷节点数量最小值定义为Gk,min。
步骤102、根据节点位置信息，确定负荷节点的地理特征信息，并基于各个负荷节点的地理特征信息，构建地理特征信息矩阵。
需要说明的是，基于上一步骤获得的节点位置信息，基于各个负荷节点的节点位置信息，换算出各个对应负荷节点的地理特征信息，以用于，构建地理特征信息矩阵。
其中，构建额地理特征信息矩阵的表达式可以为：
式中：sSP,1及sSP,2分别代表第SP节点的第一个与第二个地理特征，sSP,3代表第SP节点的节点序号，其计算公式如下所示:
sSP,1＝xSP/R1,sSP,2＝ySP/R2,sSP,3＝sp
式中：xsp以及ysp第SP节点的地理横坐标位置、纵坐标位置。R1与R2是位置的参考值。
步骤103、根据预设的区域分区数量，基于地理特征信息矩阵，通过k-medoids算法对各个负荷节点进行聚类，以根据聚类结果得到若干个的聚类中心点。
其中，聚类中心点的数量与区域分区数量相同。
需要说明的是，根据预设的区域分区数量K，基于k-medoids算法的基本原则，随机选取作为k个分区聚类中心的中心点值：
[λ1,λ2,...,λk,...,λK](λk＝[λk,1,λk,2,λk,3])
需要注意的是，k个分区聚类中心的中心点值应从现有的负荷地理特征信息矩阵中选取，而不是像传统K-means一样随机指定。
步骤104、计算负荷节点与聚类中心点的距离值，以根据距离结合各个分区的节点数量约束条件，将负荷节点归类到各个分区中。
需要说明的是，在步骤104中，基于上一步骤确定的聚类中心点，通过预设的距离算法，分别计算这些负荷节点与聚类中心点的距离值，根据距离结合各个分区的节点数量约束条件，将负荷节点归类到各个分区中。
步骤105、构建闭环设备配置方案优化模型。
其中，闭环设备配置方案优化模型中包含有配电网停电量改善最大化及成本最小化的目标函数。
更具体地，闭环设备配置方案优化模型具体为：
F＝o1·F1+o2·F2
式中，F是综合指标值；F1是配电网络区域的年度停电改善指标，F2是配电网区域的年度成本指标，o1和o2分别是年度停电改善指标和成本指标的权重，其中o1+o2＝1，Pbefore以及Pafter表示目标配电网区域在规划闭环设备之前和之后整个区域的年度累积停电量，Cmax与Cmin分别是成本样本中的最大值和最小值，Cplan为配置方案规划成本，num1以及num2分别是第一闭环设备与第二闭环设备的总数，q1与q2是单个第一闭环设备和单个第二闭环设备的年度维护成本，ur表示运输总距离,x1表示单位距离的运输成本，Tr,1和Tr,2分别是在第r天进行第一闭环设备和第二闭环设备操作的次数，d1与d2分别是单个第一闭环设备和单个第二闭环设备的单次操作成本，Er是使用第一闭环设备和第二闭环设备带来的电缆花费成本，Z1为单个第一闭环设备的投资成本，Z2为单个第二闭环设备的投资成本。
可以理解的是，本实施例中提及的第一闭环设备和第二闭环设备指代的分别是LCB与SCLTD。
其中，年度累积停电量P的计算式可以为：
式中，P表示区域年度累积停电量，Lsp,r,t是在一年中第r天的第t小时上节点sp的负荷大小，Vsp,r,t是在一年中第r天的第t小时上节点sp状态，1表示停电，0表示未停电，HIsp,r,t是在一年中第r天的第t小时上节点负荷重要性等级对应的权重，SP为负荷节点的数量。
步骤106、将节点运行数据输入至闭环设备配置方案优化模型，以分区为单位，通过闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案。
需要说明的是，构建闭环设备配置方案优化模型，再基于步骤104的分区结果，以分区为单位，将分区中的节点运行数据输入至闭环设备配置方案优化模型，以分区为单位，通过闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案，以便工作人员参考模型输出闭环设备配置方案进行闭环设备配置，从而实现了闭环设备配置方案的自动规划，克服了现有的配电网闭环设备配置方案规划容易受规划人员知识水平影响的局限，提高了配置方案质量的稳定性。
以上为本申请提供的一种低压配电网设备配置方案优化方法的基础实施例的详细说明，下面为本申请提供的一种低压配电网设备配置方案优化方法的进一步实施例的详细说明。
请参阅图2，基于上述的基础实施例，本实施例提供的一种低压配电网设备配置方案优化方法，还可以进一步包括以下技术内容：
进一步地，在步骤104的计算负荷节点与聚类中心点的距离值，其步骤过程具体包括：
通过预设的加权等效距离计算式，计算负荷节点与聚类中心点的加权等效距离。
其中，加权等效距离计算式具体为：
c(k,sp)＝x1·a(k,sp)+x2·b(k,sp)
b(k,sp)＝Dist(ssp,3,λk,3)
式中，a(k,sp)代表第sp个节点与第k个聚类中心之间的地理直线距离；b(k,sp)代表第sp个节点与第k个聚类中心之间的流量路径长度，流量路径长度计算可直接采用Floyd算法进行计算；c(k,sp)代表第sp个节点与第k个聚类中心之间的加权等效距离，sSP,1及sSP,2分别代表第SP个节点的第一地理特征信息与第二地理特征信息，sSP,3代表第SP个节点的节点序号，λk,1及λk,2分别代表第k个聚类中心点的第一地理特征信息与第二地理特征信息，λk,3第k个聚类中心点的节点序号。
计算每个节点相对于聚类中心的加权等效距离，将每个节点分类到具有最小加权等效距离的分区Mk中。如果分区Mk中更新的节点总数满足节点总数、1级节点数量和2级节点数量的要求，则应保持该分区结果不变；如果不满足这些要求，将节点分类到具有第二小的加权等效距离的分区中，并重复此过程，直到满足节点数量的要求。
在一些实施方式中，若负荷节点已按照不同等级进行分成了多个集合，为了提高分类准确度，还可以基于上面提出的节点间加权等效距离计算公式，再进一步分别计算集合N1，N2以及N3中每个节点与聚类中心之间的距离的标准差，以此标准差值作为反映到不同聚类中心的距离差异的指标，具体计算公式如下：
式中，ωNm,n为集合Nm中的第n个点和k个聚类中心间加权距离的标准差Nm代表不同等级的负荷节点集合，可包括：N1，N2以及N3，将配电网区域内SP个节点下所属的负荷依据其重要性分为1级负荷、2级负荷和3级负荷，并将其划入三个负荷集合N1，N2以及N3。n是集合中单个个体的索引。依据该方法，计算SP节点的标准差值，将集合N1、N2和N3中的节点从大到小重新排序。形成新的节点集合New1,New2,New3。
然后分区聚类中心更新，选取使得区内到除自身外其余所有点加权距离之和最小的点作为新的聚类中心。
计算每个分区中节点与更新的聚类中心之间的加权等效距离之和。如果该值与上一轮的迭代之小于某个给定的阈值δ或者达到最大迭代次数J，停止迭代，得到配电网区域的划分结果。否则，重复基于k-medoids算法选择分区聚类中心点到分区聚类中心更新，选取使得区内到除自身外其余所有点加权距离之和最小的点作为新的聚类中心的步骤，实现下一轮迭代，直到满足要求。
进一步地，在步骤106的输出各个分区的闭环设备配置方案之后还可以包括：
步骤107、根据预设的种群寻优算法，初始化多个种群对象。
其中，每个种群对象分别对应一个闭环设备配置方案。
步骤108、通过闭环设备配置方案优化模型，分别计算各个种群对象的综合指标值，以根据综合指标值，结合种群寻优算法进行迭代寻优，直至满足预设的迭代终止条件时，停止迭代，并输出当前的最优种群对应的闭环设备配置方案。
更具体地，步骤107和步骤108中提及的种群寻优算法为塘鹅优化算法。
需要说明的是，为了求解第二步所构建的低压配电网闭环设备配置规划模型，采用塘鹅优化算法(GOA)进行模型求解。GOA是一种自然界启发的优化算法，其灵感来自于鸟类在水塘中觅食的行为。该算法具有一定的全局搜索能力，有助于发现问题的全局最优解，而不容易陷入局部最优解。同时，其自适应性可以应用于不同类型的优化问题，此外，GOA通常具有较少的参数，这减少了参数调优的复杂性，使得算法更容易配置和使用。将其应用于所提出的规划模型求解的具体思路为如下：
1)初始化，随机生成初始种群(配置方案)，包括每个配电网分区内的LCB和SCLTD的数量与位置。
2)评估及迭代，计算当前配置下的目标函数值F。进行多轮迭代，每轮迭代包括以下步骤：a.更新种群：通过应用塘鹅算法的搜索策略，对当前种群进行更新。b.计算每个更新后的配置的目标函数值F。c.选择：根据目标函数值选择一部分最优解或有希望成为最优解的配置。
3)当达到预先设定的迭代次数，停止迭代。分析最终得到的配置，包括每个配电网分区内LCB和SCLTD的数量与位置，以及相应的目标函数值F。
本实施例提供的方案基于分层分区规划思想，首先根据站点的地理位置和负荷情况，将配电网区域划分为适当大小和独立的块，使配电网结构清晰，便于设备的维护和管理；然后建立了闭环设备数量和放置位置的规划模型，综合考虑可靠性效益与经济性成本，对LCB以及SCLTD两类闭环设备在各分区中的数量和位置进行优化规划，并采用塘鹅优化算法(GOA)对规划问题进行求解，保证上述优化规划问题求解的稳健性和准确性，以得到综合协调平衡低压配电网可靠性水平与经济性投入的闭环设备配置方案。
另外，为了更清楚地展示本实施例技术方案的技术效果，本实施例选用某地区典型的区域配电网作为算例分析以验证所提出方法闭环设备分层分区优化规划方法的有效性。
算例分析中的具体参数设置如下：
表1配电网节点负荷权重赋值
表2规划模型中其他相关参数的值
为了体现本文所提出的低压配电网闭环设备分层分区优化配置，设置了两种对比策略以进行比较分析。其中，对比策略1只考虑了下层规划中的SCLTD；对比策略2只考虑了下层规划中的LCB；具体结果如下所示：
表3不同规划策略的结果对比
| 综合指标F | 本申请策略 | 对比策略1 | 对比策略2 |
| 计算结果 | 0.735 | 0.721 | 0.704 |
从上表可以看出，与上述其他策略相比，本实施例提出的策略能够实现最佳的综合效益，得到最优的规划方案。
以上为本申请提供的一种低压配电网设备配置方案优化方法的具体实施例的详细说明，下面为本申请提供的一种低压配电网设备配置方案优化装置实施例的详细说明。
请参阅图3，本实施例提供了一种低压配电网设备配置方案优化装置，包括：
节点信息获取单元201，用于根据目标配电网区域中的负荷节点集合，获取负荷节点集合中各个负荷节点的节点运行数据和节点位置信息；
地理特征矩阵构建单元202，用于根据节点位置信息，确定负荷节点的地理特征信息，并基于各个负荷节点的地理特征信息，构建地理特征信息矩阵；
节点聚类单元203，用于根据预设的区域分区数量，基于地理特征信息矩阵，通过k-medoids算法对各个负荷节点进行聚类，以根据聚类结果得到若干个的聚类中心点，其中，聚类中心点的数量与区域分区数量相同；
节点分区单元204，用于计算负荷节点与聚类中心点的距离值，以根据距离结合各个分区的节点数量约束条件，将负荷节点归类到各个分区中；
模型构建单元205，用于构建闭环设备配置方案优化模型，其中，闭环设备配置方案优化模型中包含有配电网停电量改善最大化及成本最小化的目标函数；
配置方案输出单元206，用于将节点运行数据输入至闭环设备配置方案优化模型，以分区为单位，通过闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案。
此外，除了上述的低压配电网设备配置方案优化装置实施例外，本申请还提供了一种低压配电网设备配置方案优化终端实施例以及一种计算机可读存储介质实施例的详细说明
请参阅图4，本实施例提供了一种低压配电网设备配置方案优化终端，终端的类型包括但不限于：个人计算机、工业计算机、服务器设备以及嵌入式智能终端，终端的主要组成包括：存储器33和处理器31，其中，存储器33和处理器31可通过通信总线34连接；
存储器用于存储与前文实施例提供的一种低压配电网设备配置方案优化方法相对应的程序代码；
处理器用于执行程序代码，以实现如前文实施例提供的一种低压配电网设备配置方案优化方法。
本申请第四方面提供了一种计算机可读存储介质，计算机可读存储介质中保存有与如前文实施例提供的一种低压配电网设备配置方案优化方法相对应的程序代码。
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，上述描述的终端，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端，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，所述单元的划分，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，例如多个单元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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的本申请的实施例，例如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。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元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。
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全部或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-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种低压配电网设备配置方案优化方法，其特征在于，包括：
根据目标配电网区域中的负荷节点集合，获取所述负荷节点集合中各个负荷节点的节点运行数据和节点位置信息；
根据所述节点位置信息，确定所述负荷节点的地理特征信息，并基于各个所述负荷节点的地理特征信息，构建地理特征信息矩阵；
根据预设的区域分区数量，基于所述地理特征信息矩阵，通过k-medoids算法对各个所述负荷节点进行聚类，以根据聚类结果得到若干个的聚类中心点，其中，所述聚类中心点的数量与所述区域分区数量相同；
计算所述负荷节点与所述聚类中心点的距离值，以根据所述距离结合各个分区的节点数量约束条件，将所述负荷节点归类到各个分区中；
构建闭环设备配置方案优化模型，其中，所述闭环设备配置方案优化模型中包含有配电网停电量改善最大化及成本最小化的目标函数；
将所述节点运行数据输入至所述闭环设备配置方案优化模型，以分区为单位，通过所述闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案。
2.根据权利要求1所述的一种低压配电网设备配置方案优化方法，其特征在于，所述闭环设备配置方案优化模型具体为：
F＝o1·F1+o2·F2
式中，F是综合指标值；F1是配电网络区域的年度停电改善指标，F2是配电网区域的年度成本指标，o1和o2分别是所述年度停电改善指标和成本指标的权重，Pbefore以及Pafter表示所述目标配电网区域在规划闭环设备之前和之后整个区域的年度累积停电量，Cmax与Cmin分别是成本样本中的最大值和最小值，Cplan为配置方案规划成本，num1以及num2分别是第一闭环设备与第二闭环设备的总数，q1与q2是单个第一闭环设备和单个第二闭环设备的年度维护成本，ur,x1分别表示运输总距离以及单位距离的运输成本，Tr,1和Tr,2分别是在第r天进行第一闭环设备和第二闭环设备操作的次数，d1与d2分别是单个第一闭环设备和单个第二闭环设备的单次操作成本，Er是使用第一闭环设备和第二闭环设备带来的电缆花费成本，Z1为单个第一闭环设备的投资成本，Z2为单个第二闭环设备的投资成本。
3.根据权利要求2所述的一种低压配电网设备配置方案优化方法，其特征在于，所述输出各个分区的闭环设备配置方案之后还包括：
根据预设的种群寻优算法，初始化多个种群对象，其中，每个种群对象分别对应一个闭环设备配置方案；
通过所述闭环设备配置方案优化模型，分别计算各个种群对象的综合指标值，以根据所述综合指标值，结合所述种群寻优算法进行迭代寻优，直至满足预设的迭代终止条件时，停止迭代，并输出当前的最优种群对应的闭环设备配置方案。
4.根据权利要求3所述的一种低压配电网设备配置方案优化方法，其特征在于，所述种群寻优算法为塘鹅优化算法。
5.根据权利要求1所述的一种低压配电网设备配置方案优化方法，其特征在于，所述计算所述负荷节点与所述聚类中心点的距离值具体包括：
通过预设的加权等效距离计算式，计算所述负荷节点与所述聚类中心点的加权等效距离。
6.根据权利要求5所述的一种低压配电网设备配置方案优化方法，其特征在于，所述加权等效距离计算式具体为：
c(k,sp)＝x1·a(k,sp)+x2·b(k,sp)
b(k,sp)＝Dist(ssp,3,λk,3)
式中，a(k,sp)代表第sp个节点与第k个聚类中心之间的地理直线距离；b(k,sp)代表第sp个节点与第k个聚类中心之间的流量路径长度；c(k,sp)代表第sp个节点与第k个聚类中心之间的加权等效距离，sSP,1及sSP,2分别代表第SP个节点的第一地理特征信息与第二地理特征信息，sSP,3代表第SP个节点的节点序号，λk,1及λk,2分别代表第k个聚类中心点的第一地理特征信息与第二地理特征信息，λk,3第k个聚类中心点的节点序号。
7.根据权利要求1所述的一种低压配电网设备配置方案优化方法，其特征在于，所述负荷节点集合的构建方式具体包括：
遍历目标配电网区域内的各个负荷节点，根据所述负荷节点的负荷等级信息，将各个所述负荷节点添加到对应负荷等级的节点集合中，以得到若干个负荷节点集合。
8.一种低压配电网设备配置方案优化装置，其特征在于，包括：
节点信息获取单元，用于根据目标配电网区域中的负荷节点集合，获取所述负荷节点集合中各个负荷节点的节点运行数据和节点位置信息；
地理特征矩阵构建单元，用于根据所述节点位置信息，确定所述负荷节点的地理特征信息，并基于各个所述负荷节点的地理特征信息，构建地理特征信息矩阵；
节点聚类单元，用于根据预设的区域分区数量，基于所述地理特征信息矩阵，通过k-medoids算法对各个所述负荷节点进行聚类，以根据聚类结果得到若干个的聚类中心点，其中，所述聚类中心点的数量与所述区域分区数量相同；
节点分区单元，用于计算所述负荷节点与所述聚类中心点的距离值，以根据所述距离结合各个分区的节点数量约束条件，将所述负荷节点归类到各个分区中；
模型构建单元，用于构建闭环设备配置方案优化模型，其中，所述闭环设备配置方案优化模型中包含有配电网停电量改善最大化及成本最小化的目标函数；
配置方案输出单元，用于将所述节点运行数据输入至所述闭环设备配置方案优化模型，以分区为单位，通过所述闭环设备配置方案优化模型的运算，输出各个分区的闭环设备配置方案。
9.一种低压配电网设备配置方案优化装置，其特征在于，包括：存储器和处理器；
所述存储器用于存储与如权利要求1至7任意一项所述的一种低压配电网设备配置方案优化方法相对应的程序代码；
所述处理器用于执行所述程序代码，以实现如权利要求1至7任意一项所述的一种低压配电网设备配置方案优化方法。
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中保存有与如权利要求1至7任意一项所述的一种低压配电网设备配置方案优化方法相对应的程序代码。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311348423.8A CN117236640A (zh) | 2023-10-17 | 2023-10-17 | 低压配电网设备配置方案优化方法、装置、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311348423.8A CN117236640A (zh) | 2023-10-17 | 2023-10-17 | 低压配电网设备配置方案优化方法、装置、终端及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117236640A true CN117236640A (zh) | 2023-12-15 |
Family
ID=89096736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311348423.8A Pending CN117236640A (zh) | 2023-10-17 | 2023-10-17 | 低压配电网设备配置方案优化方法、装置、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236640A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117664244A (zh) * | 2024-01-31 | 2024-03-08 | 合肥锦上汇赢数字科技有限公司 | 多传感器融合的结构物在线监测数据处理系统 |
| CN117689304A (zh) * | 2024-02-04 | 2024-03-12 | 交通运输部规划研究院 | 公路大件运输通行路线确定方法及装置 |
-
2023
- 2023-10-17 CN CN202311348423.8A patent/CN117236640A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117664244A (zh) * | 2024-01-31 | 2024-03-08 | 合肥锦上汇赢数字科技有限公司 | 多传感器融合的结构物在线监测数据处理系统 |
| CN117664244B (zh) * | 2024-01-31 | 2024-05-17 | 合肥锦上汇赢数字科技有限公司 | 多传感器融合的结构物在线监测数据处理系统 |
| CN117689304A (zh) * | 2024-02-04 | 2024-03-12 | 交通运输部规划研究院 | 公路大件运输通行路线确定方法及装置 |
| CN117689304B (zh) * | 2024-02-04 | 2024-05-31 | 交通运输部规划研究院 | 公路大件运输通行路线确定方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117236640A (zh) | 低压配电网设备配置方案优化方法、装置、终端及介质 | |
| Allahviranloo et al. | Selective vehicle routing problems under uncertainty without recourse | |
| Kanwar et al. | Improved meta-heuristic techniques for simultaneous capacitor and DG allocation in radial distribution networks | |
| US11916380B2 (en) | Maintaining connectivity information for meters and transformers located in a power distribution network | |
| CN104408518B (zh) | 基于粒子群优化算法的神经网络学习优化方法 | |
| CN111612275B (zh) | 一种预测区域用户负荷量的方法及装置 | |
| CN106022614A (zh) | 一种基于最近邻聚类的神经网络数据挖掘方法 | |
| CN107609583A (zh) | 分类模型的参数优化方法、装置、计算机设备及存储介质 | |
| Di Nardo et al. | Water supply network partitioning based on weighted spectral clustering | |
| CN109976901A (zh) | 一种资源调度方法、装置、服务器及可读存储介质 | |
| Minaei et al. | Developments in multi-objective dynamic optimization algorithm for design of water distribution mains | |
| CN108984830A (zh) | 一种基于模糊网络分析的建筑能效评价方法及装置 | |
| CN115630978A (zh) | 一种基于人口就业分布的多交通设施选址方法 | |
| CN115422788B (zh) | 一种配电网线损分析管理方法、装置、存储介质及系统 | |
| CN112308305B (zh) | 一种基于多模型综合的售电量预测方法 | |
| CN117241295B (zh) | 一种无线通信网络性能优化方法、装置及存储介质 | |
| Sayyah et al. | Solving the vehicle routing problem with simultaneous pickup and delivery by an effective ant colony optimization | |
| CN113283924A (zh) | 需求预测方法以及需求预测装置 | |
| Baek et al. | Short-term load forecasting for campus building with small-scale loads by types using artificial neural network | |
| CN115689069A (zh) | 基于人工智能的电网调度控制方法及系统 | |
| Hesam Hafezi et al. | Framework for development of the Scheduler for Activities, Locations, and Travel (SALT) model | |
| CN114417177A (zh) | 一种基于节点综合影响力的标签传播重叠社区发现方法 | |
| Lisic et al. | Optimal stratification and allocation for the june agricultural survey | |
| Lee et al. | An iterative method for simultaneously locating trauma centers and helicopters through the planning horizon | |
| Alhmoud et al. | Short-term load forecasting for Jordan’s power system using neural network based different |
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 |