CN107808200B - 配电网短时检修计划优化方法和装置 - Google Patents

配电网短时检修计划优化方法和装置 Download PDF

Info

Publication number
CN107808200B
CN107808200B CN201710912074.6A CN201710912074A CN107808200B CN 107808200 B CN107808200 B CN 107808200B CN 201710912074 A CN201710912074 A CN 201710912074A CN 107808200 B CN107808200 B CN 107808200B
Authority
CN
China
Prior art keywords
layer optimization
harmony
memory bank
equipment
distribution network
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
CN201710912074.6A
Other languages
English (en)
Other versions
CN107808200A (zh
Inventor
刘志文
董旭柱
吴争荣
陈立明
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.)
China South Power Grid International Co ltd
Original Assignee
China South Power Grid International Co ltd
Power Grid Technology Research Center of China Southern Power Grid 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 China South Power Grid International Co ltd, Power Grid Technology Research Center of China Southern Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN201710912074.6A priority Critical patent/CN107808200B/zh
Publication of CN107808200A publication Critical patent/CN107808200A/zh
Application granted granted Critical
Publication of CN107808200B publication Critical patent/CN107808200B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种配电网短时检修计划优化方法和装置，根据上层优化模型、上层优化约束条件、和声记忆库的大小、待检测设备编号和预测波动曲线得到与和声记忆库的大小数值个数相同的可行解和与可行解对应的第一适应度值，根据和声算法规则和和声算法参数得到新解，根据新解、下层优化约束条件和待检测设备编号进行下层优化，并输出下层优化方案，根据上层优化模型、下层优化方案、新解、待检测设备编号和预测波动曲线得到第二适应度值，根据第二适应度值与和声记忆库的最差解对应的第一适应度值更新和声记忆库，并对更新次数进行迭代得到迭代次数，当迭代次数达到最大迭代次数时，输出更新后的和声记忆库，提高了配电网的供电可靠性。

Description

配电网短时检修计划优化方法和装置
技术领域
本发明涉及电力***领域，特别是涉及一种配电网短时检修计划优化方法和装置。
背景技术
配电网检修作为配电网运行管理中的重要环节，能有效地降低设备故障率，减少配电网运行风险，对于确保配电网运行安全和提高供电可靠性具有重要作用。
目前，国内外对于配电网设备检修方面的研究主要分为基于风险理论的长期检修计划和基于设备状态评估的短期检修计划，但是传统的基于风险理论的长期检修计划的制定主要基于对设备故障率的估计，而配电网设备故障率的预测与实际工况还有较大差距，另外在设备检修时，未考虑通过联络开关与分段开关的开闭实现负荷转移，这将对设备检修方案经济性的计算上造成一定偏差，短期检修计划是指通过对配电网关键设备进行状态评估后，对状态较差或有明显缺陷的设备在规定时间内完成检修或消除缺陷，在实际应用中将更为高效、合理，通过寻找配电网短期检修计划优化方法，对进一步提高供电可靠性具有重要意义。
发明内容
基于此，有必要针对上述问题，提供一种提高供电可靠性的配电网短时检修计划优化方法和装置。
一种配电网短时检修计划优化方法，包括以下步骤：
获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线，其中，所述和声算法参数包括和声记忆库的大小数值和最大迭代次数；
根据所述上层优化模型、所述上层优化约束条件、所述和声记忆库的大小、所述待检测设备编号和所述预测波动曲线得到与所述和声记忆库的大小数值个数相同的所述和声记忆库的可行解和与所述和声记忆库的可行解对应的所述和声记忆库的第一适应度值；
根据和声算法规则和所述和声算法参数得到新解；
根据所述新解、所述下层优化约束条件和所述待检测设备编号进行下层优化，并输出下层优化方案；
根据所述上层优化模型、所述下层优化方案、所述新解、所述待检测设备编号和所述预测波动曲线得到与所述新解对应的第二适应度值，根据所述第二适应度值与所述和声记忆库的最差解对应的第一适应度值更新所述和声记忆库，并对更新次数进行迭代得到迭代次数；
当所述迭代次数达到所述最大迭代次数时，输出更新后的和声记忆库。
一种配电网短时检修计划优化装置，包括：
数据获取模块，用于获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线，其中，所述和声算法参数包括和声记忆库的大小数值和最大迭代次数；
第一适应度值计算模块，用于根据所述上层优化模型、所述上层优化约束条件、所述和声记忆库的大小、所述待检测设备编号和所述预测波动曲线得到与所述和声记忆库的大小数值个数相同的所述和声记忆库的可行解和与所述和声记忆库的可行解对应的所述和声记忆库的第一适应度值；
新解生成模块，用于根据和声算法规则和所述和声算法参数得到新解；
下层优化方案获取模块，用于根据所述新解、所述下层优化约束条件和所述待检测设备编号进行下层优化，并输出下层优化方案；
和声记忆库更新模块，用于根据所述上层优化模型、所述下层优化方案、所述新解、所述待检测设备编号和所述预测波动曲线得到与所述新解对应的第二适应度值，根据所述第二适应度值与所述和声记忆库的最差解对应的第一适应度值更新所述和声记忆库，并对更新次数进行迭代得到迭代次数；
输出模块，用于当所述迭代次数达到所述最大迭代次数时，输出更新后的和声记忆库。
一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的方法。
一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的方法。
上述配电网短时检修计划优化方法，根据上层优化模型、上层优化约束条件、和声记忆库的大小、待检测设备编号和预测波动曲线得到与和声记忆库的大小数值个数相同的和声记忆库的可行解和与和声记忆库的可行解对应的和声记忆库的第一适应度值，和声算法规则和所述和声算法参数得到新解，根据新解、下层优化约束条件和待检测设备编号进行下层优化，并输出下层优化方案，根据上层优化模型、下层优化方案、新解、待检测设备编号和预测波动曲线得到与新解对应的第二适应度值，根据第二适应度值与和声记忆库的最差解对应的第一适应度值更新和声记忆库，并对更新次数进行迭代得到迭代次数，当迭代次数达到最大迭代次数时，输出更新后的和声记忆库。上层通过和声算法对新解进行优化，下层根据新解、下层约束条件和待检测设备编号进行下层优化，得到下层优化方案，通过上下层的反复迭代得到全局最优解，输出更新后的和声记忆库，以有效降低设备检修期间的停电时间，并使检修成本达到最小，提高了配电网的供电可靠性。
附图说明
图1为一实施例中配电网短时检修计划优化方法流程图；
图2为一实施例中优化方法示意流程图；
图3为一实施例中示意配电***；
图4为一实施例中配电网短时检修计划优化装置结构图；
图5为一实施例中配电***预测波动曲线示意图。
具体实施方式
在一个实施例中，如图1所示，一种配电网短时检修计划优化方法，包括以下步骤：
步骤S110：获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线，其中，和声算法参数包括和声记忆库的大小数值Shm和最大迭代次数Nmax。
具体地，预先根据上层优化模型参数建立上层优化模型，上层优化模型参数包括待检修设备总数、检修时段总数、时段t由检修引起的停电负荷、t时段单位负荷的停电损失、设备k在时段t的检修状态、设备k在时段t的检修费用随时间变化的人力成本、时段t因检修造成的有功网损增加量、单次开关操作费用T个时段内开关操作的总次数，进一步地，上层优化模型目标函数为：
Figure GDA0002504814150000041
其中，f1、f2、f3和f4分别为停电损失、检修费用、***网损费用和开关操作费用，N为待检修设备总数，T为检修时段总数，pt表示时段t由检修引起的停电负荷，λt为t时段单位负荷的停电损失，αkt表示设备k在时段t的检修状态，0表示运行，1表示检修，Ckt表示设备k在时段t的检修费用，Ckt仅表示随时间变化的人力成本，而不包括更换设备部件等不变成本，Δploss,t表示时段t因检修造成的有功网损增加量，β表示单次开关操作费用，nops表示T个时段内开关操作的总次数。
上层优化约束条件为互斥检修约束、同时检修约束、检修资源约束和设备检修时间约束。
(1)互斥检修约束为：
Figure GDA0002504814150000042
其中，Xp,Xq分别表示设备p和设备q的检修时间集合。
(2)同时检修约束为：
Xy＝Xz (3)
其中，Xy,Xz分别表示设备y和设备z的检修时间集合。
(3)检修资源约束为：
Figure GDA0002504814150000051
其中，M表示允许同时检修的设备个数。
(4)设备检修时间约束为：
Figure GDA0002504814150000052
其中，αkt表示设备k在时段t的检修状态，0表示运行，1表示检修，Xk表示设备k的检修时间集合。
所有待检修设备的检修时间集合，应为连续时间段。
下层优化在接收上层优化传来各待检修设备的检修时间后，下层优化是针对每时段的优化，因此不再考虑检修费用，由于配电网网络结构须保持相对稳定，不允许对每个时段都进行重构降损，因此下层优化中不进行以降损为目的的重构，其将优化结果传给上层后，由上层优化对各时段网损增量和开关操作费用进行综合考虑。
下层优化约束条件为***潮流约束、节点电压约束、支路容量约束和网络拓扑约束。
(1)***潮流约束
Figure GDA0002504814150000053
其中，PGi，QGi分别为节点i的有功与无功注入功率，Vi为节点i的电压幅值；Gij、Bij和θij分别为节点i、j之间的电导、电纳和电压相角差。
(2)节点电压约束
Vi,min≤Vi≤Vi,max (7)
其中，Vi表示节点i的实际电压值，Vi,min，Vi,max分别表示节点i所允许的最大值和最小值。
(3)支路容量约束
Sl≤Slmax (8)
其中，Sl表示线路l的潮流，Slmax表示线路l允许通过的潮流最大值。
(4)网络拓扑约束
进行转移负荷、网络重构和切负荷操作时，网络结构为放射状。
具体地，在步骤S110之前，还包括对优化模型和算法参数初始化。预测波动曲线为规划期内对应的各检测时间的配电***负荷、检修费用和电价的波动曲线。
步骤S120：根据上层优化模型、上层优化约束条件、和声记忆库的大小、待检测设备编号和预测波动曲线得到与和声记忆库的大小数值个数相同的和声记忆库的可行解和与和声记忆库的可行解对应的和声记忆库的第一适应度值。
具体地，上层通过和声算法对检修时间进行优化，和声搜索算法(harmony searchalgorithm,HSA)是一种启发式全局优化算法，相比于其他的一些智能优化算法，在非线性整数规划模型中具有寻优过程简单、速度快且易于找到最优解的特点。检修计划上层优化属于非线性整数规划模型，因此采用HSA对上层优化模型进行求解，先对和声记忆库进行初始化。在本实施例中，步骤S120包括步骤122至步骤126。
步骤122：根据和声记忆库随机产生满足上层优化约束条件的与和声记忆库的大小数值个数相同的和声记忆库的可行解。
具体地，和声记忆库(harmony memories,HM)为：
Figure GDA0002504814150000061
其中，Shm为和声记忆库(harmony memories,HM)的大小，K为解的维数
步骤124：根据和声记忆库的可行解、下层优化约束条件和待检测设备编号进行下层优化，并输出初始下层优化方案。
具体地，上层优化中，每次产生新解，即所有待检修设备的检修时间更新后，进入下层优化，以下层优化模型目标函数值最小为目标，对停电检修引起的失电区域进行转移负荷和切负荷方案优化。
步骤126：根据上层优化模型、初始下层优化方案、和声记忆库的可行解、待检测设备编号和预测波动曲线得到与和声记忆库的可行解对应的和声记忆库的第一适应度值，完成和声记忆库的初始化。
具体地，根据式(1)进行计算，得到与和声记忆库的可行解对应的和声记忆库的第一适应度值，完成和声记忆库的初始化。
步骤S130：根据和声算法规则和和声算法参数得到新解。在本实施例中，步骤S130包括步骤132至步骤136。
具体地，和声算法参数还包括解的维数K、和声记忆库的考虑概率Rhm、微调概率Rpa和扰动大小b，在得到新解前，需要对和声算法参数进行初始化，用户可以根据需要设定解的维数、和声记忆库的考虑概率、微调概率和扰动大小值。
步骤132：生成一个0-1之间的第一随机数，判断第一随机数是否小于和声记忆库的考虑概率。
步骤134：若第一随机数小于和声记忆库的考虑概率，则在和声记忆库中选择一个变量，否则在和声记忆库外随机选择一个变量。
步骤136：再生成一个0-1之间的第二随机数，当第二随机数小于微调概率时，对变量进行扰动大小的微调，对和声记忆库中的可行解中的解的维数个变量均重复上述步骤，得到新解。
步骤S140：根据新解、下层优化约束条件和待检测设备编号进行下层优化，并输出下层优化方案。
具体地，当某设备检修并存在至少一条联络开关可以对其检修引起的失电区域进行供电恢复时，定义负荷转移方案为闭合某联络开关对失电区域恢复供电。由于配电网网络结构应维持相对稳定，且大部分情况下只需要进行一次负荷转供，因此可先进行负荷转移，并判断是否有电压或电流越限，若有存在越限，则再进行网络重构消除越限，若重构后仍无法消除越限，则切负荷直至消除越限。其执行顺序依次为：负荷转移、网络重构和切负荷，下层优化方法包括负荷转移、网络重构和切负荷方案中的至少一种。
在本实施例中，如图2所示，步骤S140包括步骤141至步骤143。
步骤141：获取负荷转移矩阵，根据新解和待检测设备编号判断检修时段内有待检修设备进行检修时，根据负荷转移矩阵判断各待检修设备检修时能否形成转移负荷方案。
具体地，如图3所示，为描述负荷转移方案实现过程，本文定义负荷转移矩阵LT，其行数等于联络开关数，每行第一个元素为各联络开关编号，每行第二个到最后一个非零元素为检修时可通过此联络开关对失电区域恢复供电的支路编号。对如图3所示的某示例配电***(图中编号均为支路编号)，其负荷转移矩阵LT如式(9)所示。
Figure GDA0002504814150000081
如式(9)所示，若某设备属于负荷转移矩阵，则其检修时有负荷转移方案，如支路2和10；若该设备不属于负荷转移矩阵，则无负荷转移方案，则需直接切负荷，如支路3和13。
步骤142：当待检修设备检修时不能形成转移负荷方案时，对配电网网络进行切负荷操作，根据上层优化约束条件中的新定义约束条件修复上层优化的新解得到修复后的新解，并判断切负荷后的配电网网络是否满足节点电压和支路容量约束。
具体地，采用多级修复方法进行切负荷，这样可以使得切负荷量达到最小。进一步地，新定义约束条件为同时检修和互斥检修约束重新定义，传统检修约束仅考虑网络结构而不考虑实时负荷，其中同时检修约束认为同时检修不产生额外停电负荷的多条支路应同时检修，如图3中的支路3、4；互斥检修约束认为同时检修将产生孤岛的两条支路不应同时检修，如图3中的支路11、12(同时检修将使其中间节点成为孤岛)。以图3为例，上述传统定义主要有两点不足：一是当支路11检修时，如果经计算将出现越限，而最优切负荷方案中需将支路12切除，那么此时可以安排两者同时检修；二是互斥检修约束中仅对支路两两互斥进行判定，忽略了三条及以上的互斥情况，如支路1、5、9，为达到更好经济性和更高的求解效率，针对以上不足对同时和互斥检修约束进行重新定义。
在上层优化中，假设某时段某一支路进行检修，设为支路A，且经过下层优化后发现，需对配电网网络切负荷，如果切除的支路中含有待检修支路，设为支路B，则在满足检修时间约束的前提下，支路A与支路B应满足同时检修约束，具体可分为两种情况：情况1：支路A检修时，不可形成转移负荷方案，那么与支路A相连的所有下层支路，如包含待检修支路B，在不违反检修资源约束的前提下应与支路A同时检修；情况2：支路A检修时，可形成转移负荷方案，但执行转移负荷方案后的配电网网络不满足电气约束(即节点电压和支路容量约束)，对配电网网络进行重构后仍不满足电气约束，则执行切负荷方案。此时被切除的支路中如有待检修支路B，在不违反检修资源约束的前提下应与支路A同时检修。
若在某一时段内，某一支路在负荷转移矩阵中所在行的第一个元素均为零，则此支路不允许在此时段检修。如图3所示，假设上层优化产生的解，使得在支路1、2、5、8具有相同检修时段，假设此时段，经计算支路2检修通过联络开关17转供，支路8检修通过联络开关19转供。负荷转移矩阵将变化如下：
Figure GDA0002504814150000091
支路5仅存在于第一行，LT(1,1)＝0，支路1存在于第一行和第三行，LT(1,1)＝LT(3,1)＝0，因此，支路5和支路1检修引起的失电负荷已无法转供，它们不允许在此时段检修。
新定义约束条件的实现过程为：同时检修约束的优先级应高于互斥检修约束。即当两条待检修支路判断为同时检修支路后，不再进行互斥检修约束判别。
具体实现方法为：上层优化中生成新解时，仅考虑检修时间约束，不考虑同时和互斥检修约束。如存在多条支路在同一时段检修，下层优化中逐条进行判断，先进行同时检修判断，若两条支路可按同时检修约束规则判断为同时检修支路，则安排它们同时检修，并对上层优化的解进行更新。后进行互斥检修约束判断，即若两条支路判定为同时检修，则不进行互斥约束校验。若两条支路不满足同时检修，则进行互斥检修判断，若满足互斥检修，则令上层优化中目标函数值为正无穷，并结束上层优化中的本次迭代，直接进入下一次迭代。
步骤143：当切负荷后的配电网网络不满足节点电压和支路容量约束时，以电压偏移和潮流越限的程度最小为目标进行网络重构，当网络重构后的配电网网络不满足节点电压和支路容量约束时，对网络重构后的配电网网络执行切负荷方案，并根据新定义约束条件更新上层优化的修复后的新解，得到更新后的新解，将当前更新后的新解作为下一次的新解，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
具体地，若不存在满足约束的负荷转移方案，则需进行网络重构优化，目标函数定义如下：
Figure GDA0002504814150000101
其中，μ,γ都为系数，且μ+γ＝1，本实施例中取μ＝γ＝0.5，G表示节点总数，L表示支路总数，E表示电压偏移和潮流越限的程度。
采用了避免产生不可行解的编码规则对网络重构进行求解，具有较高的寻优效率。
进一步地，当检修时段段数未达到预设检修时段总数时，再次获取负荷转移矩阵，根据新解和待检测设备编号判断检修时段内是否有待检修设备进行检修，并根据判断结果进行对应操作。
在一个实施例中，步骤S140还包括步骤144和步骤145。
步骤144：获取下层优化模型，当待检修设备检修时能形成转移负荷方案，对配电网网络执行转移负荷方案，当执行转移负荷方案后的配电网网络不满足节点电压和支路容量约束时，对配电网网络以电压偏移和潮流越限的程度最小为目标进行网络重构进行网络重构。
具体地，下层优化模型目标函数：
F2＝minpt (12)
其中，pt为时段t的停电负荷。
进一步地，执行转移负荷方案的具体步骤包括：
获取负荷转移矩阵，根据新解和待检测设备编号判断检修时段内有待检修设备进行检修，且当待检修设备编号属于负荷转移矩阵中的元素时，判断待检修设备编号在负荷转移矩阵中所处行中的第一个元素是否全为零；若待检修设备编号在负荷转移矩阵中所处行中的第一个元素不全为零，令对应于待检修设备编号的可操作的开关为目标集合；根据配电网支路集合中各条支路预设最大电流和闭合任一联络开关后支路集合的预设实际电流得到任一联络开关闭合后的恢复供电路径支路中负载率的最大负载率，选择目标集合中最大负载率最小的联络开关闭合，形成转移负荷方案，并将目标集合中最大值负载率最小的联络开关元素赋零，计算检修时段下一待检修设备，至检修时段所有待检修设备计算完毕。
具体地，当待检修设备编号不属于负荷转移矩阵中的元素时，则无法转移负荷。当待检修设备编号在负荷转移矩阵中所处行中的第一个元素全为零时，无法进行负荷转移，直接切负荷。当某设备多次出现于负荷转移矩阵中，即其检修时有多个联络开关可对失电区域进行供电恢复，为求最优负荷转移方案，本文定义下式：
Figure GDA0002504814150000111
式(13)中，h为检修支路编号，g为支路h检修时，闭合某联络开关后供电恢复路径上的所有支路集合，例如当支路5检修时，如果闭合联络开关17恢复供电，则g＝(1,2,17,4)，Ig,max为支路集合g中各条支路最大电流，Ig为闭合某联络开关后支路集合g的实际电流，Rg,h为某联络开关闭合后的恢复供电路径支路中负载率的最大值负载率。
步骤145：当网络重构后的配电网网络满足节点电压和支路容量约束时，根据下层优化模型和预测波动曲线选择最优重构方案，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，步骤S140还包括步骤146。
步骤146：当待检修设备检修时能形成转移负荷方案，且当负荷转移方案满足节点电压和支路容量约束时，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，步骤S140还包括步骤147。
步骤147：当切负荷后的配电网网络满足节点电压和支路容量约束时，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，步骤143还包括：获取下层优化模型，当网络重构后的配电网网络满足节点电压和支路容量约束时，根据下层优化模型和预测波动曲线选择最优重构方案，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，步骤145还包括：当网络重构后的配电网网络不满足节点电压和支路容量约束时，对配电网网络执行切负荷方案，并根据新定义约束条件更新上层优化的新解，得到更新后的新解，将当前更新后的新解作为下一次的新解，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个较为详细的下层优化的实施例中，步骤1：下层优化从初始检修时段开始，t＝1。
步骤2：根据各待检修设备的编号和检修时间判断检修时段t是否有待检修设备进行检修，如有则进入步骤3，没有则进入步骤7。
步骤3：获取负荷转移矩阵，逐一判断各待检修设备检修时能否形成转移负荷方案，如能形成则进入步骤4，如不能形成则进入步骤5。
步骤4：形成负荷转移方案，并判断负荷转移方案能否满足节点电压和支路容量约束，如满足则进入步骤7，如不满足则进入步骤6。
步骤5：进行切负荷操作，如切除设备中存在待检修设备，修复上层优化的新解，并判断切负荷后是否满足电气约束，如满足则进入步骤7，不满足则进入步骤6。
步骤6：以E值最小为目标进行网络重构，并判断重构后能否满足电气约束，满足则进入步骤7，如不满足，则执行切负荷方案使其满足电气约束，如切除设备中存在待检修设备，更新上层优化的新解，进入步骤7。
步骤7：t＝t+1。
步骤8：判断t是否等于时间段总数T，如不等于则进入步骤2，若等于则输出下层优化方案。
当进行负荷转移和网络重构之后仍不满足电气约束时，在搜索到的最优解基础上进行切负荷，即在执行以Rg,h值最小的转移负荷方案和以E值最小为目标的网络重构优化后形成网络拓扑结构的基础上采用多级修复方法的方法进行切负荷，这样可以使得切负荷量达到最小。
步骤S150：根据上层优化模型、下层优化方案、新解、待检测设备编号和预测波动曲线得到与新解对应的第二适应度值，根据第二适应度值与和声记忆库的最差解对应的第一适应度值更新和声记忆库的第一适应度值，并对更新次数进行迭代得到迭代次数。
具体地，和声记忆库的最差解是指与和声记忆库的大小数值个数相同的解对应的第一适应度值中第一适应度值最大对应的解，如果新解对应的第二适应度值小于第一适应度值最大值，则用新解替换和声记忆库的最差解，并更新和声记忆库中与和声记忆库的大小数值个数相同的解对应的第一适应度值，当新解对应的第二适应度值大于或等于第一适应度值最大值，则保留和声记忆库原来的第一适应度值，即每循环一次更新一次和声记忆库，更新结果有可能是用新解替代和声记忆库的最差解，也可能是保留和声记忆库原来的解不变化，循环迭代得到迭代次数。
步骤S160：当迭代次数达到最大迭代次数时，输出更新后的和声记忆库。
具体地，当达到最大的迭代次数时，输出更新后的和声记忆库，从更新后的和声记忆库中的与和声记忆库的大小数值个数相同的解中选取最小的解，该解对应的和声记忆库的第一适应度值即为最小值。进一步地，当迭代次数没有达到最大迭代次数时，再次根据和声算法规则和和声算法参数得到新解，直到达到最大迭代次数。
配电网检修计划优化的目的是在规划期内确定各待检修设备的检修时间，使电网公司的检修总费用最低。当有设备检修时，通过引入负荷转移矩阵，进行转移负荷、网络重构和切负荷操作，应改变网络结构，将失电负荷转移到其他馈线上，使得下层优化方法具有更强的搜索最优解能力，将使上层优化的结果精确，可得到经济型最优的检修方案，重新定义了同时检修约束和互斥检修约束，相比于传统检修约束更加灵活，下层优化中如出现符合新约束条件的情况，则直接更新上层优化中本次迭代的解，实现了上下层优化的有机结合，相比与传统定义具有更好的经济性。
上述配电网短时检修计划优化方法，建立了配电网检修计划双层优化模型，上层优化采用和声算法求解，以检修总费用最低(第一适应度值)为目标，以检修资源约束、检修时间约束和重新定义的同时检修和互斥检修约束为约束条件，对检修时间进行优化，下层优化进行负荷转移、网络重构和切负荷优化，在每个检修时段中，以停电负荷最小为目标，形成转移负荷和切负荷方案，即对网络结构进行优化，通过上下层的反复迭代得到的配电网检修计划最优解，可以更合理的安排配电网检修计划，使总费用更低。
在一个实施例中，如图4所示，一种配电网短时检修计划优化装置，包括数据获取模块110、第一适应度值计算模块120、新解生成模块130、下层优化方案获取模块140、和声记忆库更新模块150和输出模块160。
数据获取模块110用于获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线，其中，和声算法参数包括和声记忆库的大小数值和最大迭代次数。
第一适应度值计算模块120用于根据上层优化模型、上层优化约束条件、和声记忆库的大小、待检测设备编号和预测波动曲线得到与和声记忆库的大小数值个数相同的和声记忆库的可行解和与和声记忆库的可行解对应的和声记忆库的第一适应度值。
新解生成模块130用于根据和声算法规则和和声算法参数得到新解。
下层优化方案获取模块140用于根据新解、下层优化约束条件和待检测设备编号进行下层优化，并输出下层优化方案。
和声记忆库更新模块150用于根据上层优化模型、下层优化方案、新解、待检测设备编号和预测波动曲线得到与新解对应的第二适应度值，根据第二适应度值与和声记忆库的最差解对应的第一适应度值更新和声记忆库，并对更新次数进行迭代得到迭代次数；
输出模块160用于当迭代次数达到所述最大迭代次数时，输出更新后的和声记忆库。
在一个实施例中，下层优化约束条件包括节点电压和支路容量约束，下层优化方案获取模块140包括转移负荷方案形成判断单元、第一切负荷单元和第二切负荷单元。
转移负荷方案形成判断单元用于获取负荷转移矩阵，根据新解和待检测设备编号判断检修时段内有待检修设备进行检修时，根据负荷转移矩阵判断各待检修设备检修时能否形成转移负荷方案。
第一切负荷单元用于当待检修设备检修时不能形成转移负荷方案时，对配电网网络进行切负荷操作，根据上层优化约束条件中的新定义约束条件修复上层优化的新解得到修复后的新解，并判断切负荷后的配电网网络是否满足节点电压和支路容量约束。
第二切负荷单元用于当切负荷后的配电网网络不满足节点电压和支路容量约束时，以电压偏移和潮流越限的程度最小为目标进行网络重构，当网络重构后的配电网网络不满足节点电压和支路容量约束时，对网络重构后的配电网网络执行切负荷方案，并根据新定义约束条件更新上层优化的修复后的新解，得到更新后的新解，将当前更新后的新解作为下一次的新解，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，下层优化约束条件包括节点电压和支路容量约束，下层优化方案获取模块140还包括转移负荷方案执行单元和最优重构方案选择单元。
转移负荷方案执行单元用于获取下层优化模型，当待检修设备检修时能形成转移负荷方案，对配电网网络执行转移负荷方案，当执行转移负荷方案后的配电网网络不满足节点电压和支路容量约束时，对配电网网络以电压偏移和潮流越限的程度最小为目标进行网络重构进行网络重构。
最优重构方案选择单元用于当网络重构后的配电网网络满足节点电压和支路容量约束时，根据下层优化模型和预测波动曲线选择最优重构方案，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，转移负荷方案执行单元包括负荷转移矩阵元素判断单元、目标集合获取单元和联络开关闭合单元。
负荷转移矩阵元素判断单元用于当待检修设备编号属于负荷转移矩阵中的元素时，判断待检修设备编号在负荷转移矩阵中所处行中的第一个元素是否全为零。
目标集合获取单元用于当待检修设备编号在负荷转移矩阵中所处行中的第一个元素不全为零，令对应于待检修设备编号的可操作的开关为目标集合。
联络开关闭合单元用于根据配电网支路集合中各条支路预设最大电流和闭合任一联络开关后支路集合的预设实际电流得到任一联络开关闭合后的恢复供电路径支路中负载率的最大负载率，选择目标集合中最大负载率最小的联络开关闭合，形成转移负荷方案，并将目标集合中最大值负载率最小的联络开关元素赋零，计算检修时段下一待检修设备，至检修时段所有待检修设备计算完毕。
在一个实施例中，下层优化方案获取模块140还用于当待检修设备检修时能形成转移负荷方案，且当负荷转移方案满足节点电压和支路容量约束时，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，第一适应度值计算模块120包括可行解产生单元、初始下层优化方案获取单元和第一适应度值计算单元。
可行解产生单元用于根据和声记忆库随机产生满足上层优化约束条件的与和声记忆库的大小数值个数相同的和声记忆库的可行解。
初始下层优化方案获取单元用于根据和声记忆库的可行解、下层优化约束条件和待检测设备编号进行下层优化，并输出初始下层优化方案。
第一适应度值计算单元用于根据上层优化模型、初始下层优化方案、和声记忆库的可行解、待检测设备编号和预测波动曲线得到与和声记忆库的可行解对应的和声记忆库的第一适应度值，完成和声记忆库的初始化。
在一个实施例中，新解生成模块130包括第一随机数生成单元、变量选择单元和新解生成单元。
第一随机数生成单元用于生成一个0-1之间的第一随机数，判断第一随机数是否小于和声记忆库的考虑概率。
变量选择单元用于若第一随机数小于和声记忆库的考虑概率，则在和声记忆库中选择一个变量，否则在和声记忆库外随机选择一个变量。
新解生成单元再生成一个0-1之间的第二随机数，当第二随机数小于微调概率时，对变量进行扰动大小的微调，对和声记忆库中的可行解中的解的维数个变量均重复上述步骤，得到新解。
在一个实施例中，下层优化方案获取模块140还包括当切负荷后的配电网网络满足节点电压和支路容量约束时，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，第二切负荷方案单元还包括：获取下层优化模型，当网络重构后的配电网网络满足节点电压和支路容量约束时，根据下层优化模型和预测波动曲线选择最优重构方案，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
在一个实施例中，最优重构方案选择单元还包括：当网络重构后的配电网网络不满足节点电压和支路容量约束时，对配电网网络执行切负荷方案，并根据新定义约束条件更新上层优化的新解，得到更新后的新解，将当前更新后的新解作为下一次的新解，对检修时段段数进行迭代，当检修时段段数达到预设检修时段总数时，输出下层优化方案。
上述配电网短时检修计划优化装置，建立了配电网检修计划双层优化模型，上层优化采用和声算法求解，以检修总费用最低(第一适应度值)为目标，以检修资源约束、检修时间约束和重新定义的同时检修和互斥检修约束为约束条件，对检修时间进行优化，下层优化进行负荷转移、网络重构和切负荷优化，在每个检修时段中，以停电负荷最小为目标，形成转移负荷和切负荷方案，即对网络结构进行优化，通过上下层的反复迭代得到的配电网检修计划最优解，可以更合理的安排配电网检修计划，使总费用更低，将设备检修时间优化与负荷转移方案进行有机结合，达到最优的经济性。
一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项配电网短时检修计划优化方法。
一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一项配电网短时检修计划优化方法。
在以上双层优化算法中，由于下层优化的效率对上层优化具有重要影响，算例1采用馈线容量裕度较大的台湾电力公司(Taiwan Power Company,TPC)的某实际配电***(以下简称TPC配电***)，以验证下层优化算法的有效性。由于本申请所提新约束的有效性在负荷高峰期更为显著，本申请算例2采用馈线容量裕度较小的PG&E69节点***验证新定义约束的有效性。
算例1：TPC配电***的电压等级为11.4kV，包含11条馈线，83条常闭支路，13条常开支路，***总负荷为28350+j20100kVA，各馈线的最大容量为5000kVA，节点电压上下限Vmin＝0.93,Vmax＝1.07。将TPC配电***各馈线出线端(电源点)进行合并，得到类似于单馈线***的拓扑结构，然后再生成负荷转移矩阵。设支路5、25、48、50和66需在规划期(24h)完成检修，检修时段为1h，与之相关的负荷、电价、检修费用在规划期内的波动曲线如图5所示。
在采用本申请所提优化方法进行计算时，上层优化和声算法参数设置为最大迭代次数Nmax＝200，和声记忆库大小Shm＝8，和声记忆库考虑概率Rhm＝0.8，微调概率Rpa＝0.2，扰动大小b＝1，检修时段总数T＝24，单次开关操作费用β＝5元，最大检修资源M＝2。优化结果见表1所示。
从表1中可以看出，所有待检修设备检修时造成的停电负荷将全部转移到其它馈线，表明本申请方法在实际配电***中有较好的性能。支路66检修时，网损增量费用出现负值是由于相当于进行了一次降损重构。将本申请方法与传统定义和免疫禁忌混合算法和启发式算法方法进行对比，结果如表2所示。
表1 TPC***检修计划优化结果
Figure GDA0002504814150000181
Figure GDA0002504814150000191
表2 TPC配电***结果对比
Figure GDA0002504814150000192
如表2所示，免疫禁忌混合算法和启发式算法方法的停电损失、检修费用和总费用均比本申请高，这是由于在免疫禁忌混合算法和启发式算法的下层优化中采用启发式负荷转移算法搜索最优解的效率不高，使得支路25在检修时将产生200kWh的停电量，并进一步影响了上层优化的寻优效率。而传统定义检修约束与本申请的新定义约束在本算例中无法体现差别的原因在于馈线容量裕度较大，通过本申请下层优化方法合理安排检修时间将不会产生无法转移的停电负荷，因此不会进行新定义检修约束判断。
算例2：为验证负荷高峰期时新定义检修约束的有效性，本申请采用PG&E69节点***作为仿真算例加以验证。为使其更接近实际运行情况，将所有节点负荷变为原来的3倍，所有支路阻抗变为原来的1/3，支路最大容量13500kVA，节点电压上下限Vmin＝0.93,Vmax＝1.07。设支路5、21、23、27、30、和41需在规划期(24h)完成检修，检修时间为1h，与之相关的负荷、电价、检修费用波动系数及算法参数设置与算例1相同，其优化结果如表3所示。
表3 PG&E69节点***检修计划优化结果
Figure GDA0002504814150000193
表4 PG&E69节点***结果对比
Figure GDA0002504814150000194
Figure GDA0002504814150000201
从表3中可以看出支路5在时段5检修时，通过本申请中下层优化方法中依次进行负荷转移、网络重构，可使得停电损失为0。支路21在时段16检修，通过负荷转移和网络重构后仍不满足电气约束，需要切除负荷，由于切除的负荷中包含了支路23，因此需安排两者同时检修。由下层优化可知，支路27检修时无法形成负荷转移方案，须直接切负荷，而切除支路中包含支路30，因此安排它们同时检修。支路41检修时，通过负荷转移和网络重构仍不满足电气约束，因此切除了节点51～53来保证配电网安全运行。支路21、23、27、30、41在检修时网损增量费用为负的原因有两点：一是切除了部分线路；二是进行了以消除越限为目的的重构，同时达到了降损的效果。
将本申请方法与传统定义和免疫禁忌混合算法和启发式算法方法进行对比，结果如表4所示。免疫禁忌混合算法和启发式算法方法检修总费用比本申请方法高的原因与算例1相同，而传统定义检修总费用高于本申请方法的原因在于支路21和支路23同时检修将产生孤岛，传统定义将把支路21和支路23视为互斥检修支路，在不同时段检修，将分别造成停电负荷，使总费用升高。而本申请方法中，在检修费用较低的时段16，支路21检修时，进行负荷转移后，由于负荷水平较高，不满足电气约束，需要切负荷，且切除的支路中包含了23，可安排支路23与其同时检修，这使得总费用低于传统检修约束定义。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种配电网短时检修计划优化方法，其特征在于，包括以下步骤：
获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线，其中，所述和声算法参数包括和声记忆库的大小数值和最大迭代次数；
根据所述上层优化模型、所述上层优化约束条件、所述和声记忆库的大小数值、所述待检测设备编号和所述预测波动曲线得到与所述和声记忆库的大小数值个数相同的所述和声记忆库的可行解和与所述和声记忆库的可行解对应的所述和声记忆库的第一适应度值；
根据和声算法规则和所述和声算法参数得到新解；
获取负荷转移矩阵，根据新解和所述待检测设备编号判断检修时段内有待检修设备进行检修时，根据所述负荷转移矩阵判断各待检修设备检修时能否形成转移负荷方案；
当待检修设备检修时不能形成转移负荷方案时，对配电网网络进行切负荷操作，根据所述上层优化约束条件中的新定义约束条件修复上层优化的新解得到修复后的新解，并判断切负荷后的配电网网络是否满足节点电压和支路容量约束；其中，新定义约束条件为同时检修和互斥检修约束重新定义，所述新定义约束条件的实现过程为：当两条待检修支路判断为同时检修支路后，不再进行互斥检修约束判别；
当所述切负荷后的配电网网络不满足所述节点电压和所述支路容量约束时，以电压偏移和潮流越限的程度最小为目标进行网络重构，当网络重构后的配电网网络不满足节点电压和所述支路容量约束时，对所述网络重构后的配电网网络执行切负荷方案，并根据所述新定义约束条件更新上层优化的修复后的新解，得到更新后的新解，将当前更新后的新解作为下一次的新解，对所述检修时段的段数进行迭代，当所述检修时段的段数达到预设检修时段总数时，输出下层优化方案；其中，所述下层优化约束条件包括节点电压和支路容量约束；
根据所述上层优化模型、所述下层优化方案、所述新解、所述待检测设备编号和所述预测波动曲线得到与所述新解对应的第二适应度值，根据所述第二适应度值与所述和声记忆库的最差解对应的第一适应度值更新所述和声记忆库，并对更新次数进行迭代得到迭代次数；所述和声记忆库的可行解对应的第一适应度值具有多个，所述和声记忆库的最差解对应的第一适应度值为和声记忆库的可行解对应的第一适应度值中数值最大的；
当所述迭代次数达到所述最大迭代次数时，输出更新后的和声记忆库。
2.根据权利要求1所述的配电网短时检修计划优化方法，其特征在于，所述获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线之前，包括：
根据上层优化模型参数建立上层优化模型，所述上层优化模型参数包括待检修设备总数、检修时段总数、时段t由检修引起的停电负荷、t时段单位负荷的停电损失、设备k在时段t的检修状态、设备k在时段t的检修费用随时间变化的人力成本、时段t因检修造成的有功网损增加量、单次开关操作费用T个时段内开关操作的总次数。
3.根据权利要求1所述的配电网短时检修计划优化方法，其特征在于，所述下层优化约束条件包括节点电压和支路容量约束，所述根据所述新解、所述下层优化约束条件和所述待检测设备编号进行下层优化，并输出下层优化方案的步骤，还包括：
获取下层优化模型，当待检修设备检修时能形成转移负荷方案，对所述配电网网络执行转移负荷方案，当所述执行转移负荷方案后的配电网网络不满足所述节点电压和所述支路容量约束时，对配电网网络以电压偏移和潮流越限的程度最小为目标进行网络重构；
当所述网络重构后的配电网网络满足所述节点电压和所述支路容量约束时，根据所述下层优化模型和所述预测波动曲线选择最优重构方案，对所述检修时段的段数进行迭代，当所述检修时段的段数达到预设检修时段总数时，输出下层优化方案。
4.根据权利要求3所述的配电网短时检修计划优化方法，其特征在于，所述当待检修设备检修时能形成转移负荷方案，对所述配电网网络执行转移负荷方案的步骤，包括：
当所述待检测设备编号属于负荷转移矩阵中的元素时，判断所述待检测设备编号在所述负荷转移矩阵中所处行中的第一个元素是否全为零；
若否，令对应于待检测设备编号的可操作的开关为目标集合；
根据配电网支路集合中各条支路预设最大电流和闭合任一联络开关后支路集合的预设实际电流得到所述任一联络开关闭合后的恢复供电路径支路中负载率的最大值负载率，选择目标集合中最大值负载率最小的联络开关闭合，形成转移负荷方案，并将目标集合中所述最大值负载率最小的联络开关元素赋零，计算所述检修时段内下一待检修设备，至所述检修时段内所有待检修设备计算完毕。
5.根据权利要求1所述的配电网短时检修计划优化方法，其特征在于，所述下层优化约束条件包括节点电压和支路容量约束，所述根据所述新解、所述下层优化约束条件和所述待检测设备编号进行下层优化，并输出下层优化方案的步骤，还包括：
当待检修设备检修时能形成转移负荷方案，且当负荷转移方案满足所述节点电压和所述支路容量约束时，对所述检修时段的段数进行迭代，当所述检修时段的段数达到预设检修时段总数时，输出下层优化方案。
6.根据权利要求1所述的配电网短时检修计划优化方法，其特征在于，所述根据所述上层优化模型、所述上层优化约束条件、所述和声记忆库的大小数值、所述待检测设备编号和所述预测波动曲线得到与所述和声记忆库的大小数值个数相同的所述和声记忆库的可行解和与所述和声记忆库的可行解对应的所述和声记忆库的第一适应度值的步骤，包括：
根据所述和声记忆库随机产生满足所述上层优化约束条件的与和声记忆库的大小数值个数相同的所述和声记忆库的可行解；
根据所述和声记忆库的可行解、所述下层优化约束条件和所述待检测设备编号进行下层优化，并输出初始下层优化方案；
根据所述上层优化模型、所述初始下层优化方案、所述和声记忆库的可行解、所述待检测设备编号和所述预测波动曲线得到与所述和声记忆库的可行解对应的所述和声记忆库的第一适应度值，完成所述和声记忆库的初始化。
7.根据权利要求1所述的配电网短时检修计划优化方法，其特征在于，所述和声算法参数还包括解的维数、和声记忆库的考虑概率、微调概率和扰动大小，所述根据和声算法规则和所述和声算法参数得到新解的步骤，包括：
生成一个0-1之间的第一随机数，判断所述第一随机数是否小于所述和声记忆库的考虑概率；
若所述第一随机数小于所述和声记忆库的考虑概率，则在所述和声记忆库中选择一个变量，否则在所述和声记忆库外随机选择一个变量；
再生成一个0-1之间的第二随机数，当所述第二随机数小于所述微调概率时，对所述变量进行所述扰动大小的微调，对所述和声记忆库中的可行解中的解的维数个变量均重复上述步骤，得到新解。
8.一种配电网短时检修计划优化装置，其特征在于，包括：
数据获取模块，用于获取上层优化模型、上层优化约束条件、下层优化约束条件、和声算法参数、待检测设备编号和预测波动曲线，其中，所述和声算法参数包括和声记忆库的大小数值和最大迭代次数；
第一适应度值计算模块，用于根据所述上层优化模型、所述上层优化约束条件、所述和声记忆库的大小数值、所述待检测设备编号和所述预测波动曲线得到与所述和声记忆库的大小数值个数相同的所述和声记忆库的可行解和与所述和声记忆库的可行解对应的所述和声记忆库的第一适应度值；
新解生成模块，用于根据和声算法规则和所述和声算法参数得到新解；
下层优化方案获取模块，用于获取负荷转移矩阵，根据新解和所述待检测设备编号判断检修时段内有待检修设备进行检修时，根据所述负荷转移矩阵判断各待检修设备检修时能否形成转移负荷方案；
当待检修设备检修时不能形成转移负荷方案时，对配电网网络进行切负荷操作，根据所述上层优化约束条件中的新定义约束条件修复上层优化的新解得到修复后的新解，并判断切负荷后的配电网网络是否满足节点电压和支路容量约束；其中，新定义约束条件为同时检修和互斥检修约束重新定义，所述新定义约束条件的实现过程为：当两条待检修支路判断为同时检修支路后，不再进行互斥检修约束判别；
当所述切负荷后的配电网网络不满足所述节点电压和所述支路容量约束时，以电压偏移和潮流越限的程度最小为目标进行网络重构，当网络重构后的配电网网络不满足节点电压和所述支路容量约束时，对所述网络重构后的配电网网络执行切负荷方案，并根据所述新定义约束条件更新上层优化的修复后的新解，得到更新后的新解，将当前更新后的新解作为下一次的新解，对所述检修时段的段数进行迭代，当所述检修时段的段数达到预设检修时段总数时，输出下层优化方案；其中，所述下层优化约束条件包括节点电压和支路容量约束；
和声记忆库更新模块，用于根据所述上层优化模型、所述下层优化方案、所述新解、所述待检测设备编号和所述预测波动曲线得到与所述新解对应的第二适应度值，根据所述第二适应度值与所述和声记忆库的最差解对应的第一适应度值更新所述和声记忆库，并对更新次数进行迭代得到迭代次数；所述和声记忆库的可行解对应的第一适应度值具有多个，所述和声记忆库的最差解对应的第一适应度值为和声记忆库的可行解对应的第一适应度值中数值最大的；
输出模块，用于当所述迭代次数达到所述最大迭代次数时，输出更新后的和声记忆库。
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7中任一项所述的方法。
CN201710912074.6A 2017-09-29 2017-09-29 配电网短时检修计划优化方法和装置 Active CN107808200B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710912074.6A CN107808200B (zh) 2017-09-29 2017-09-29 配电网短时检修计划优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710912074.6A CN107808200B (zh) 2017-09-29 2017-09-29 配电网短时检修计划优化方法和装置

Publications (2)

Publication Number Publication Date
CN107808200A CN107808200A (zh) 2018-03-16
CN107808200B true CN107808200B (zh) 2020-07-03

Family

ID=61584767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710912074.6A Active CN107808200B (zh) 2017-09-29 2017-09-29 配电网短时检修计划优化方法和装置

Country Status (1)

Country Link
CN (1) CN107808200B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695755A (zh) * 2020-04-21 2020-09-22 国网浙江江山市供电有限公司 一种配电网检修计划优化方法
CN112488402A (zh) * 2020-12-09 2021-03-12 广东电网有限责任公司 一种适用于直流配网的换流站检修计划优化方法
CN112711895B (zh) * 2020-12-30 2022-08-23 上海电机学院 一种基于时段划分及改进粒子群算法的配电网重构方法
CN114050607B (zh) * 2021-10-25 2024-04-05 国网冀北电力有限公司经济技术研究院 配电网重构数字模型的构建***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104283214A (zh) * 2014-10-29 2015-01-14 国网上海市电力公司 一种配电网网络重构方法
CN105069528A (zh) * 2015-08-10 2015-11-18 国网上海市电力公司 一种配电网检修决策优化方法
CN105512774A (zh) * 2016-01-24 2016-04-20 浙江大学 接入分布式光伏发电的配电网检修计划优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8606420B2 (en) * 2011-07-15 2013-12-10 International Business Machines Corporation Solving large-scale security-constrained economic dispatch problem in real-time

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104283214A (zh) * 2014-10-29 2015-01-14 国网上海市电力公司 一种配电网网络重构方法
CN105069528A (zh) * 2015-08-10 2015-11-18 国网上海市电力公司 一种配电网检修决策优化方法
CN105512774A (zh) * 2016-01-24 2016-04-20 浙江大学 接入分布式光伏发电的配电网检修计划优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于基本环矩阵与改进和声搜索算法的配电网重构;陈春等;《电力***自动化》;20140325;第38卷(第6期);第57-58页 *
考虑天气及电价的配网计划检修双层优化模型;张姿姿等;《电力科学与工程》;20170331;第33卷(第3期);第44-45页 *

Also Published As

Publication number Publication date
CN107808200A (zh) 2018-03-16

Similar Documents

Publication Publication Date Title
CN107808200B (zh) 配电网短时检修计划优化方法和装置
Sedghi et al. Distribution network expansion considering distributed generation and storage units using modified PSO algorithm
Zhang et al. Reliability-oriented distribution network reconfiguration considering uncertainties of data by interval analysis
CN106786546B (zh) 基于风险评估的配电网故障恢复策略优化方法
CN110969347B (zh) 一种输电网结构形态评估方法
Botea et al. Optimal reconfiguration for supply restoration with informed A $^{\ast} $ Search
CN105141464B (zh) 一种输配电协调的网架结构规划方法
CN109598377B (zh) 一种基于故障约束的交直流混合配电网鲁棒规划方法
CN106651628B (zh) 基于图论的区域冷热电综合能源优化配置方法及装置
CN112910012B (zh) 一种配电***弹性提升评估方法、存储介质及计算设备
CN111416359A (zh) 一种考虑加权潮流熵的配电网络重构方法
CN109638838A (zh) 电网关键断面识别方法、装置及电子设备
CN108616124B (zh) 基于有序二元决策图的配电网重构计算方法
CN104868465A (zh) 基于模糊机会约束的电力***网架重构优化方法
Gupta et al. Optimal placement strategy of distributed generators based on radial basis function neural network in distribution networks
CN106067074B (zh) 一种通过优化链路的开关状态来提升电网***鲁棒性的方法
Torres et al. Parallel particle swarm optimization applied to the static transmission expansion planning problem
Ramanan et al. Asynchronous decentralized framework for unit commitment in power systems
Yang et al. Deep learning-based distributed optimal control for wide area energy Internet
CN110266046B (zh) 基于复杂网络的电热微网拓扑综合诊断方法与***
CN115879742B (zh) 配电网改造方法、***、电子设备及存储介质
Yu et al. Optimization of an offshore oilfield multi-platform interconnected power system structure
CN114358447B (zh) 一种柔性互联装置配置方法、装置、电子设备及存储介质
CN111146815A (zh) 一种智能配电网分布式发电规划配置方法
Matute et al. Transmission expansion planning considering the impact of distributed generation

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210603

Address after: 510700 3rd, 4th and 5th floors of building J1 and 3rd floor of building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Patentee after: China South Power Grid International Co.,Ltd.

Address before: 510663 1-2 / F, building J3, No.11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee before: China South Power Grid International Co.,Ltd.