CN117910639A - 一种配电网可靠性优化方法及系统 - Google Patents
一种配电网可靠性优化方法及系统 Download PDFInfo
- Publication number
- CN117910639A CN117910639A CN202410080909.6A CN202410080909A CN117910639A CN 117910639 A CN117910639 A CN 117910639A CN 202410080909 A CN202410080909 A CN 202410080909A CN 117910639 A CN117910639 A CN 117910639A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- optimization
- coefficient
- data
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 212
- 238000005457 optimization Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012937 correction Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 3
- 239000000243 solution Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网可靠性优化方法及系统,涉及配电网优化技术领域,对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数,若运行条件系数超过运行阈值,由配电网的工作状态数据生成可靠性系数,若可靠性系数低于状态阈值,使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数,若修正系数超过修正阈值,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化,获取相应的优化方案,筛选出最佳方案输出。能够快速地给出一个或者多个优化方案,能够针对性对配电网的运行形成改善,减少运行风险。
Description
技术领域
本发明涉及配电网优化技术领域,具体为一种配电网可靠性优化方法及系统。
背景技术
配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网。主要由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成,在电力网中起重要分配电能作用的网络。
配电网根据电压等级分为高压、中压和低压配电网。高压配电网通常为35-110kV,负荷密度大可用220kV。中压配电网通常为6-10kV,我国中压配电网以10kV为主。配电网在电力网中起到重要的分配电能作用,具有电压等级多、网络结构复杂、设备类型多样、作业点多面广、安全环境相对较差等特点,因此配电网的安全风险因素也相对较多。
在申请公布号为CN115378041A的中国发明专利中,公开了一种配电网优化方法、系统、配电网、设备及介质,所述方法包括对配电网中的分布式能源和储能系统进行注入电源等效计算,得到分布式能源对应的第一运行参数和所述储能系统对应的第二运行参数;根据第一运行参数和第二运行参数,以及配电网的拓扑结构,设定与配电网对应的多个优化目标;设定多个优化目标对应的目标函数和/或约束条件,按照配电网优化算法求解目标函数确定配电网优化策略,并根据配电网优化策略调整储能系统的优化配置,其中,配电网优化算法用于求解目标函数的最优解。
在以上申请中记载的优化方法能够全面而系统地分析影响配电网优化的各个因素,并且从多个解中寻找最优解,保证配电网优化策略为最符合当前配电网优化策略,但是除此之外,现有的优化方法在对配电网进行优化时,通常基于固定的时间间隔展开,但是如果配电网所处区域内的空气湿度较高,而自身运行负荷也较大时,其运行过程中产生故障,例如产生中断的次数和生成中断的时长也会增加,在此条件下,若是仍要以固定的周期来进行优化,则配电网产生的运行风险会较大,而且在进行优化时,也不易匹配出针对性的优化方案。
为此,本发明提供了一种配电网可靠性优化方法及系统。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种配电网可靠性优化方法及系统,通过对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数,若运行条件系数超过运行阈值,由配电网的工作状态数据生成可靠性系数,若可靠性系数低于状态阈值,使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数,若修正系数超过修正阈值,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化,获取相应的优化方案,筛选出最佳方案输出。能够快速地给出一个或者多个优化方案,能够针对性对配电网的运行形成改善,减少运行风险,解决了背景技术中的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种配电网可靠性优化方法,包括,
对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数Fpx,若运行条件系数Fpx超过运行阈值,发出评估指令;
接收评估指令后,由配电网的工作状态数据生成可靠性系数Kes,若可靠性系数Kes低于状态阈值,外部发出预测指令;
使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数Xes,若修正系数Xes超过修正阈值,向外部发出优化指令;
接收到优化指令后,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化;获取相应的优化方案,并依据优化系数Bo筛选出最佳方案输出,其中,优化系数Bo的获取方式如下:将可靠性系数Kes及优化成本Co做线性归一化处理后,将相应的数据映射至区间[0,1]内,依照如下公式:
权重系数:0≤ρ≤1,0≤θ≤1。
进一步的,在配电网处于运行状态时,在每个监测周期结束时对配电网所处环境内的空气湿度Rp及其运行设备的运行负荷Rx进行监测,将连续获取的若干组监测数据汇总,构建配电网的运行条件数据集合。
进一步的,由运行条件数据集合生成配电网的运行条件系数Fpx,具体方式如下:将空气湿度Rp及运行负荷Rx做线性归一化处理后,将相应的数据映射至区间[0,1]内,再依照如下公式:
其中,i=1,2,…,m,m为监测周期的个数,为空气湿度的合格标准值,/>为运行负荷的合格标准值;权重系数:0≤F1≤1,0≤F2≤1,且F1+F2=1。
进一步的,在接收到评估指令后,在运行周期内采集配电网运行时的中断次数Zc以及每个运行周期内的中断时长Sc,将若干组数据汇总,生成配电网内工作状态数据集合;由工作状态数据集生成配电网的可靠性系数Kes。
进一步的,接收到预测指令后,采集配电网的样本数据训练获取配电网运行状态模型,将由配电网运行状态模型连续输出若干组预测数据汇总,获取各个预测节点上的可靠性系数Kes,并将若干个可靠性系数Kes依据其生成预测节点做有序排序,生成预测数据列。
进一步的,修正系数Xes的获取方式如下:获取预测数据列内两个相邻的修正系数的差值,将其中差值为正数的作为正向差Tu,差值为负数作为负向差Cu;再依照如下方式:
权重系数:0≤ζ≤1,0≤χ≤1,i为负向差Cu的序号,i=1,2,…,k;为若干个负向差的均值,j为正向差Tu的序号,j=1,2,…,p;/>为若干个正向差的均值。
进一步的,采集的配电网数据,依据配电网数据为遗传算法设定算法参数,以完成参数设定的遗传算法构建初始模型,由样本数据对初始模型进行训练获取优化模型。
进一步的,依据配电网的规格数据定义约束条件;设置停止准则后,在预设的约束条件下,使用训练后的优化模型对配电网的运行进行优化迭代,直到满足停止准则,获取使可靠性系数Kes超过状态阈值的优化方案。
进一步的,用训练后的配电网运行状态模型对输出的若干个优化方案进行仿真分析,并获取相应的分析数据,从分析数据中再次生成相应的可靠性系数Kes,以及每个优化方案的优化成本Co,由此生成相应的优化系数Bo。
一种配电网可靠性优化系统,包括:
监测单元,对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数,若运行条件系数超过运行阈值,发出评估指令;
评估单元,接收评估指令后,由配电网的工作状态数据生成可靠性系数,若可靠性系数低于状态阈值,外部发出预测指令;
预测单元,使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数,若修正系数超过修正阈值,向外部发出优化指令;
优化单元,接收到优化指令后,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化,获取相应的优化方案,筛选出最佳方案输出。
(三)有益效果
本发明提供了一种配电网可靠性优化方法及系统,具备以下有益效果:
1、对配电网的运行可靠性进行评估,若配电网的运行可靠性系数Kes不足,会为后续的生产经营活动带来较大的负面影响;若配电网当前的运行状态未能得到好转,则需要确定优化的时间节点,及时地对其采取优化措施。
2、使用训练后的配电网运行状态模型对配电网的运行状态进行预测,在获取到若干个可靠性系数Kes及相应的预测数据列,通过获取预测数据列,实现对配电网接下来的运行状态进行评估和判断,若配电网的运行状态逐渐好转,则只需要维持配电网当前的运行,不需要给出额外的优化,能够减少运行成本。
3、在获取到预测数据列的基础上构建修正系数Xes,依据修正系数Xes能够对配电网的运行状态及运行趋势进行评价,从而可以依据获取的修正系数Xes对配电网的运行状态做出更为准确的评价,并且可以据此判断配电网是否需要开始优化。
4、基于遗传算法构建训练后的优化模型,并在设定优化条件优化目标后,对配电网当前的工作状态进行优化,从而获取到若干个优化方案,因此,在配电网当前的运行状态难以达到预期,而且接下来的运行状态也难以达到预期时,能够快速地给出一个或者多个优化方案,能够针对性对配电网的运行形成改善,减少运行风险。
5、以方案可靠性及优化成本作为出发点构建优化系数Bo,以其中优化系数Bo最大的目标方案,其次的作为备用方案,能够在对配电网做出优化时,维持较高的性价比,最大程度上节省优化的成本。
附图说明
图1为本发明配电网可靠性优化方法流程示意图;
图2为本发明配电网可靠性优化系统结构示意图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1,本发明提供一种配电网可靠性优化方法,包括:
步骤一、对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数Fpx,若运行条件系数Fpx超过运行阈值,发出评估指令;
步骤101、在配电网处于运行状态时,在确定配电网内各项设备的分布区域,构建覆盖分布区域的电子地图,并将配电网内各项设备在电子地图上进行标记;
设置监测周期后,例如以1小时为一个监测周期,在每个监测周期结束时对配电网所处环境内的空气湿度Rp及其运行设备的运行负荷Rx进行监测,将连续获取的若干组监测数据汇总,构建配电网的运行条件数据集合;
步骤102、由运行条件数据集合生成配电网的运行条件系数Fpx,其具体方式如下:
将空气湿度Rp及运行负荷Rx做线性归一化处理后,将相应的数据映射至区间[0,1]内,再依照如下公式:
其中,i=1,2,…,m,m为监测周期的个数,为空气湿度的合格标准值,/>为运行负荷的合格标准值;权重系数:0≤F1≤1,0≤F2≤1,且F1+F2=1;权重系数参考层次分析法确定;
结合历史数据及对配电网的运行管理预期,预先构建运行阈值,若运行条件系数Fpx超过运行阈值,此时,说明配电网当前的运行状态较差,需要及时进行调整,否则配电网的运行状态可能逐渐恶化,此时,向外部发出评估指令;
使用时,结合步骤101及102中的内容:
在需要判断是否对配电网做出优化时,先对配电网的运行状态和运行环境进行监控,并由获取的监测数据构建其运行条件系数Fpx,若其超过预期,则说明配电网的运行状态较差,配电网在经过长时间的持续运行后,自身累积的故障越来越多,受到环境的干扰程度也越来越大,因此,在此条件下,需要及时地对配电当前的运行状态及时做出调整。
在现有的优化方法中,在对配电网进行优化时通常基于固定的时间间隔展开,但是如果配电网所处区域内的空气湿度较高,而且自身运行负荷也较大时,其运行过程中产生故障,例如产生中断的次数和生成中断的时长也会增加,在此条件下,若是仍要以固定周期来进行优化,则配电网的运行风险会较大,而且在进行优化时,也不易匹配出针对性地优化方案。
步骤二、接收评估指令后,由配电网的工作状态数据生成可靠性系数Kes,若可靠性系数Kes低于状态阈值,外部发出预测指令;
所述步骤二包括如下内容:
步骤201、在接收到评估指令后,设置若干个等长的运行周期,在运行周期内采集配电网运行时的中断次数Zc以及每个运行周期内的中断时长Sc,也即每次中断时长之和,将若干组数据汇总,生成配电网内工作状态数据集合;
步骤202、由工作状态数据集生成配电网的可靠性系数Kes,其具体方式如下:
将中断次数Zc及中断时长Sc做线性归一化处理,将相应的数据映射至区间[0,1]内,再依照如下公式:
其中,k2、k1为权重系数,0≤k1≤1,0≤k2≤1,且k1+k2=1,为每个运行周期内中断次数的可容忍值,/>为每个运行周期内中断时长的可容忍值,Pi为第i个运行周期内评价中间值,/>为其均值;需要补充说明的是,Zci为第i个运行周期内的中断次数,Sci为第i个运行周期内的中断时长;
依据历史数据及对配电网的管理预期,预先设置状态阈值,若可靠性系数Kes低于状态阈值,说明配电网当前的可靠性较差,如果不能及时处理,接下来可能会产生中断风险或停运风险的概率相对较大,此时,向外部发出预测指令,对配电网的运行状态做出预测。
使用时,结合步骤201及202中的内容:
在接收到评估指令后,依据配电网在产生故障时,配电网的中断次数及时长,对配电网的运行可靠性进行评估,若配电网的运行可靠性系数Kes不足,则说明配电网的运行时产生故障的风险较高,可能会为后续的生产经营活动带来的较大的负面影响;若配电网当前的运行状态未能得到好转,则需要确定优化的时间节点,及时地对其采取优化措施。
步骤三、使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数Xes,若修正系数Xes超过修正阈值,向外部发出优化指令。
所述步骤三包括如下内容:
步骤301、在接收到预测指令后,采集配电网的拓扑结构数据,如线路、变压器、断路器、保险丝等;采集设备的故障率和修复时间统计数据;采集设备的负荷数据,包括负荷大小、负荷模式等;环境数据,例如温度、湿度等;将采集到的数据汇总,并对采集数据进行数据识别,获取相应的数据特征,汇总后构建特征数据集合;
使用Bp神经网络构建初始模型,从特征数据集合内抽取部分数据作为训练集和测试集,以对初始模型进行训练和测试,并将训练后的初始模型作为配电网运行状态模型;
步骤302、使用训练后的配电网运行状态模型对配电网的做出预测,在设置等间隔分布的预测节点后,连续输出若干组预测数据汇总,构建预测数据集合;由预测数据集合内的预测数据,在结合历史数据的基础上,获取各个预测节点上的可靠性系数Kes,并将若干个可靠性系数Kes依据其生成预测节点做有序排序,生成预测数据列;
使用时,在采集到配电网的运行及规格等数据后,训练获取配电网运行状态模型,使用训练后的配电网运行状态模型对配电网的运行状态进行预测,在获取到若干个可靠性系数Kes及相应的预测数据列,通过获取预测数据列,可以实现对配电网接下来的运行状态进行评估和判断,若配电网的运行状态逐渐好转,则只需要维持配电网当前的运行,不需要给出额外的优化,能够减少运行成本。
步骤303、由预测数据列生成修正系数Xes,其具体方式如下:获取预测数据列内两个相邻的修正系数的差值,将其中差值为正数的作为正向差Tu,差值为负数作为负向差Cu;再依照如下方式:
权重系数:0≤ζ≤1,0≤χ≤1,可以由层次分析法获取,其中,i为负向差Cu的序号,i=1,2,…,k;为若干个负向差的均值,j为正向差Tu的序号,j=1,2,…,p;/>为若干个正向差的均值;
预先设置修正阈值,若修正系数Xes超过修正阈值,则说明在经过预测后,配电网的运行状态仍会逐渐恶化,若不能及时地做出优化,配电网的运行效率会逐渐降低,直至产生中断的频率会越来越大,中断时长也越来越长,此时,向外部发出优化指令。
使用时,结合步骤301至303中的内容:
在获取到预测数据列的基础上构建修正系数Xes,依据修正系数Xes能够对配电网的运行状态及运行趋势进行评价,从而可以依据获取的修正系数Xes对配电网的运行状态做出更为准确的评价,并且可以据此判断配电网是否需要开始优化。
步骤四、接收到优化指令后,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化,获取相应的优化方案,并将其最佳方案输出;
所述步骤四包括如下内容:
步骤401、使用遗传算法,依据采集的配电网数据,依据配电网数据为遗传算法设定算法参数,如种群大小、迭代次数、交叉率和变异率等,以完成参数设定的遗传算法构建初始模型;由样本数据对初始模型进行训练和测试,将训练后的初始模型作为优化模型;依据配电网的规格数据定义约束条件,如预算限制、设备容量限制、网络拓扑约束等;
步骤402、在接收到优化指令后,在设置停止准则后,例如最大迭代次数或适应度收敛等,在预设的约束条件下,使用训练后的优化模型对配电网的运行进行优化迭代,直到满足停止准则,获取使可靠性系数Kes超过状态阈值的优化方案;
使用时,在接收优化指令后,基于遗传算法构建训练后的优化模型,并在设定优化条件优化目标后,对配电网当前的工作状态进行优化,从而获取到若干个优化方案,因此,在配电网当前的运行状态难以达到预期,而且接下来的运行状态也难以达到预期时,能够快速地给出一个或者多个优化方案,能够针对性对配电网的运行形成改善,减少运行风险。
步骤403、使用训练后的配电网运行状态模型对输出的若干个优化方案进行仿真分析,并获取相应的分析数据,从分析数据中再次生成相应的可靠性系数Kes,以及每个优化方案的优化成本Co,由此生成相应的优化系数Bo:
具体方式如下:将可靠性系数Kes及优化成本Co做线性归一化处理后,将相应的数据映射至区间[0,1]内,再依照如下公式:
权重系数:0≤ρ≤1,0≤θ≤1,可参考层次分析法获取;
将其中优化系数Bo最大的优化方案作为目标方案,将目标方案输出。
使用时,结合步骤401至403中的内容:
在获取到若干个优化方案的基础上,以方案可靠性及优化成本作为出发点构建优化系数Bo,以其中优化系数Bo最大的目标方案,其次的作为备用方案,能够在对配电网做出优化时,维持较高的性价比,最大程度上节省优化的成本。
请参阅图2,本发明提供一种配电网可靠性优化方法及系统,包括:
监测单元,对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数,若运行条件系数超过运行阈值,发出评估指令;
评估单元,接收评估指令后,由配电网的工作状态数据生成可靠性系数,若可靠性系数低于状态阈值,外部发出预测指令;
预测单元,使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数,若修正系数超过修正阈值,向外部发出优化指令;
优化单元,接收到优化指令后,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化,获取相应的优化方案,筛选出最佳方案输出。
需要说明的是:层次分析法是一种定性和定量相结合的分析方法,它可以将复杂的问题分解为多个层次,通过比较各层次因素的重要性,可以帮助决策者对复杂问题进行决策,确定最终的决策方案,在这个过程中,层次分析法可以用来确定这些指标的权重系数。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
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各示例的单元及算法步骤,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申请的范围。
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,上述描述的系统、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,所揭露的系统、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,仅仅为一些逻辑功能划分,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。
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,在本申请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。
所述功能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(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种配电网可靠性优化方法,其特征在于:包括,
对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数Fpx,若运行条件系数Fpx超过运行阈值,由配电网的工作状态数据生成可靠性系数Kes,若可靠性系数Kes低于状态阈值,使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数Xes,若修正系数Xes超过修正阈值,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化;获取相应的优化方案,并依据优化系数Bo筛选出最佳方案输出。
2.根据权利要求l所述的一种配电网可靠性优化方法,其特征在于:
在配电网处于运行状态时,在每个监测周期结束时对配电网所处环境内的空气湿度Rp及其运行设备的运行负荷Rx进行监测,将连续获取的若干组监测数据汇总,构建配电网的运行条件数据集合。
3.根据权利要求2所述的一种配电网可靠性优化方法,其特征在于:
由运行条件数据集合生成配电网的运行条件系数Fpx,具体方式如下:将空气湿度Rp及运行负荷Rx做线性归一化处理后,将相应的数据映射至区间[0,1]内,再依照如下公式:
其中,i=1,2,…,m,m为监测周期的个数,为空气湿度的合格标准值,/>为运行负荷的合格标准值;权重系数:0≤F1≤1,0≤F2≤1,且F1+F2=1。
4.根据权利要求1所述的一种配电网可靠性优化方法,其特征在于:
在接收到评估指令后,在运行周期内采集配电网运行时的中断次数Zc以及每个运行周期内的中断时长Sc,将若干组数据汇总,生成配电网内工作状态数据集合;由工作状态数据集生成配电网的可靠性系数Kes。
5.根据权利要求1所述的一种配电网可靠性优化方法,其特征在于:
接收到预测指令后,采集配电网的样本数据训练获取配电网运行状态模型,将由配电网运行状态模型连续输出若干组预测数据汇总,获取各个预测节点上的可靠性系数Kes,并将若干个可靠性系数Kes依据其生成预测节点做有序排序,生成预测数据列。
6.根据权利要求1所述的一种配电网可靠性优化方法,其特征在于:
修正系数Xes的获取方式如下:获取预测数据列内两个相邻的修正系数的差值,将其中差值为正数的作为正向差Tu,差值为负数作为负向差Cu:再依照如下方式:
权重系数:0≤ζ≤1,0≤χ≤1,i为负向差Cu的序号,i=1,2,…,k;为若干个负向差的均值,j为正向差Tu的序号,j=1,2,…,p;/>为若干个正向差的均值。
7.根据权利要求1所述的一种配电网可靠性优化方法,其特征在于:
采集的配电网数据,依据配电网数据为遗传算法设定算法参数,以完成参数设定的遗传算法构建初始模型,由样本数据对初始模型进行训练获取优化模型。
8.根据权利要求7所述的一种配电网可靠性优化方法,其特征在于:
依据配电网的规格数据定义约束条件;设置停止准则后,在预设的约束条件下,使用训练后的优化模型对配电网的运行进行优化迭代,直到满足停止准则,获取使可靠性系数Kes超过状态阈值的优化方案。
9.根据权利要求l所述的一种配电网可靠性优化方法,其特征在于:
用训练后的配电网运行状态模型对输出的若干个优化方案进行仿真分析,并获取相应的分析数据,从分析数据中再次生成相应的可靠性系数Kes,以及每个优化方案的优化成本Co,由此生成相应的优化系数Bo;优化系数Bo的获取方式如下:将可靠性系数Kes及优化成本Co做线性归一化处理后,将相应的数据映射至区间[0,1]内,依照如下公式:
权重系数:0≤ρ≤1,0≤θ≤1。
10.一种配电网可靠性优化系统,其特征在于:包括:
监测单元,对配电网的运行条件进行监测并由监测数据生成运行条件数据集,进而构建配电网的运行条件系数,若运行条件系数超过运行阈值,发出评估指令;
评估单元,接收评估指令后,由配电网的工作状态数据生成可靠性系数,若可靠性系数低于状态阈值,外部发出预测指令;
预测单元,使用训练后的配电网运行状态模型对配电网的做出预测,获取预测数据列,由预测数据列生成修正系数,若修正系数超过修正阈值,向外部发出优化指令;
优化单元,接收到优化指令后,由遗传算法训练获取优化模型,使用训练后的优化模型对配电网的运行进行优化,获取相应的优化方案,筛选出最佳方案输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410080909.6A CN117910639A (zh) | 2024-01-19 | 2024-01-19 | 一种配电网可靠性优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410080909.6A CN117910639A (zh) | 2024-01-19 | 2024-01-19 | 一种配电网可靠性优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117910639A true CN117910639A (zh) | 2024-04-19 |
Family
ID=90683536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410080909.6A Pending CN117910639A (zh) | 2024-01-19 | 2024-01-19 | 一种配电网可靠性优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117910639A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516170A (zh) * | 2017-08-30 | 2017-12-26 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN109615169A (zh) * | 2018-11-08 | 2019-04-12 | 国家电网有限公司 | 一种基于MEA-IElman神经网络的配电网可靠性评估方法 |
CN110210740A (zh) * | 2019-05-22 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种考虑供电质量的配电网可靠性评估方法 |
CN113091124A (zh) * | 2021-05-13 | 2021-07-09 | 浙江大学 | 一种基于区域供能能力的电热互补供热系统分区调控方法 |
CN115498628A (zh) * | 2022-08-31 | 2022-12-20 | 西安交通大学 | 一种含储能配电网的可靠性评估方法及系统 |
CN115860321A (zh) * | 2022-10-24 | 2023-03-28 | 国网山东省电力公司青岛供电公司 | 一种配电网供电可靠性评估方法、系统、电子设备及介质 |
CN116187583A (zh) * | 2023-04-17 | 2023-05-30 | 国网黑龙江省电力有限公司齐齐哈尔供电公司 | 配电网大数据故障预测方法 |
-
2024
- 2024-01-19 CN CN202410080909.6A patent/CN117910639A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516170A (zh) * | 2017-08-30 | 2017-12-26 | 东北大学 | 一种基于设备故障概率和电网运行风险的差异自愈控制方法 |
CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
CN109615169A (zh) * | 2018-11-08 | 2019-04-12 | 国家电网有限公司 | 一种基于MEA-IElman神经网络的配电网可靠性评估方法 |
CN110210740A (zh) * | 2019-05-22 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种考虑供电质量的配电网可靠性评估方法 |
CN113091124A (zh) * | 2021-05-13 | 2021-07-09 | 浙江大学 | 一种基于区域供能能力的电热互补供热系统分区调控方法 |
CN115498628A (zh) * | 2022-08-31 | 2022-12-20 | 西安交通大学 | 一种含储能配电网的可靠性评估方法及系统 |
CN115860321A (zh) * | 2022-10-24 | 2023-03-28 | 国网山东省电力公司青岛供电公司 | 一种配电网供电可靠性评估方法、系统、电子设备及介质 |
CN116187583A (zh) * | 2023-04-17 | 2023-05-30 | 国网黑龙江省电力有限公司齐齐哈尔供电公司 | 配电网大数据故障预测方法 |
Non-Patent Citations (2)
Title |
---|
刘苑红;王卓;苏剑;: "基于支持向量机的配电网设施可靠性参数预测方法", 电力信息与通信技术, no. 06, 15 June 2018 (2018-06-15), pages 40 - 46 * |
马璇: "基于聚类的配电网超短期负荷预测及经济优化调度", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 11, 15 November 2018 (2018-11-15), pages 042 - 225 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
Chuansheng et al. | Safety evaluation of smart grid based on AHP-entropy method | |
CN106980905A (zh) | 配电网供电可靠性预测方法和系统 | |
CN109687410B (zh) | 一种基于最大熵增的连锁故障集构建方法 | |
Zhou et al. | A method for hot-spot temperature prediction and thermal capacity estimation for traction transformers in high-speed railway based on genetic programming | |
CN104037943A (zh) | 一种提高电网电压质量的电压监测方法及系统 | |
CN109034461A (zh) | 一种基于实际电网监测信息的电压暂降随机预估方法 | |
CN110689186B (zh) | 基于风电出力随机性的配电网供电可靠性评估方法及系统 | |
Guo et al. | Evidence-based approach to power transmission risk assessment with component failure risk analysis | |
Wang et al. | Data-driven prediction method for characteristics of voltage sag based on fuzzy time series | |
CN114386753A (zh) | 一种基于主变负载状况的设备风险综合分析预警方法 | |
CN114336608B (zh) | 一种考虑动态增容和重构的机组阻塞优化方法及系统 | |
CN116805068A (zh) | 一种基于大数据的故障监测预警系统及方法 | |
CN112327098A (zh) | 基于低压配网综合监测单元的配电网故障区段定位方法 | |
CN113904322A (zh) | 一种基于电流+电压的低压配网拓扑生成方法 | |
CN104050377A (zh) | 一种时变设备故障概率确定方法 | |
CN104732107B (zh) | 以介质参数为评估参量的变压器套管剩余寿命预测方法 | |
CN113379005A (zh) | 一种电网电力设备能源智能管理系统及方法 | |
CN117910639A (zh) | 一种配电网可靠性优化方法及系统 | |
CN112241812B (zh) | 基于单边优化与遗传算法协作的低压配电网拓扑识别方法 | |
CN112001073B (zh) | 一种牵引供电系统的可靠性分析研究方法 | |
CN113541211A (zh) | 一种确定交直流配电网韧性的方法及系统 | |
Ramesh et al. | Application of modified NSGA-II algorithm to reactive power optimization | |
Tang et al. | Data-driven operational reliability assessment for power systems under hurricanes | |
Zhang et al. | Situation awareness model of hvs based on fuzzy analytic hierarchy process and lstm-attention mechanism |
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 |