CN112966882B - 一种基于时空全局匹配的配电网调度方法 - Google Patents
一种基于时空全局匹配的配电网调度方法 Download PDFInfo
- Publication number
- CN112966882B CN112966882B CN202110407537.XA CN202110407537A CN112966882B CN 112966882 B CN112966882 B CN 112966882B CN 202110407537 A CN202110407537 A CN 202110407537A CN 112966882 B CN112966882 B CN 112966882B
- Authority
- CN
- China
- Prior art keywords
- rush
- repair
- power distribution
- repair personnel
- personnel
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 97
- 230000008439 repair process Effects 0.000 claims abstract description 253
- 238000012163 sequencing technique Methods 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000004913 activation Effects 0.000 claims description 8
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims 1
- 230000004927 fusion Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于时空全局匹配的配电网调度方法，采集配电抢修数据，并处理得到配电故障序列Pfa和抢修人员的排序序列Rpx，然后，进行时空分布拟合得到配电故障与抢修人员时空分布矩阵；进一步地考虑调度人员至故障点的时间集合，采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，得到最佳的抢修人员的调度策略。本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案。本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。
Description
技术领域
本发明属于配电网抢修调度的技术领域，具体涉及一种基于时空全局匹配的配电网调度方法。
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。是由架空线路、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的，在电力网中起重要分配电能作用的网络。当配电网发生故障时，需要派出人员进行故障的处理。现有的配电网调度包括以下方法：
(1)应急抢修调度方法，通过营销、运维检修、生产调度等各专业***数据融合，解决了传统人工调度的抢修调度周期长，灵活性差的问题。
(2)分布式能源的配电网抢修调度方法，通过配电网故障分层、分阶段抢修与恢复，实现了配电网的最佳抢修，和配电网故障的快速恢复。
(3)基于配电网全过程阶段的调度抢修方法，通过分析配电网故障预警状态，自动生成故障抢修计划，并快速完成配电网的故障恢复。
(4)基于模型拼接的配电网故障抢修调度方法，通过配电网的实时、历史故障数据的多维度融合，实现配电网抢修的高效调度。
然而，现有方法中未考虑配电网抢修班组成员的工作状态与人员所处地理位置，精益管控力度不足，具有抢修人员匹配度差、抢修工作效率低的问题，已不能适应配电网抢修发展需要。现有研究对配电网抢修人员的工作状态匹配度差，配电网抢修调度存在优化空间。
发明内容
本发明的目的在于提供一种基于时空全局匹配的配电网调度方法，旨在解决上述问题。本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。
本发明主要通过以下技术方案实现；
一种基于时空全局匹配的配电网调度方法，包括以下步骤：
步骤S100：采集配电抢修数据，配电抢修数据包括主动报修数据、被动报修数据以及抢修人员信息；分析主动报修数据、被动报修数据得到故障类型以及所处地理位置信息，并形成配电抢修资源池；所述抢修人员信息包括抢修人员的工作状态、工作量、地理坐标的信息，采集抢修人员信息并形成抢修人员资源池；
步骤S200：处理步骤S100中的配电抢修数据分别得到配电故障序列Pfa和抢修人员的排序序列Rpx，然后将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵，得到可调动人员到配电故障点的先后排序清单；
步骤S300：根据步骤S200中的可调动人员到配电故障点的先后排序清单，计算故障点道路拥堵情况以及可调动抢修人员情况，然后，计算故障点分配到抢修人员的若干路径，根据道路交通拥堵系数计算出抢修人员所有路径的通行时间集合，通过带权二分图最优匹配法对抢修人员进行时空全局匹配，实现配电故障点到抢修人员的最优路径分配。
为了更好地实现本发明，进一步地，所述步骤S100中，抢修人员的工作状态分为未开始和已开始两种状态，针对未开始状态的配电抢修人员优先调度；针对已开始状态的配电抢修人员，则采用TCN网络对配电抢修时间进行预测，并以预测抢修结束时间的长短进行调度排序；其中TCN网络的空洞卷积核数据Ha为：
其中：Tav为平均故障处理时长，
War为停电影响范围的权重，
Wle为抢修重要程度权重，
na为配电故障类型分类种数，
Wl为抢修人员的劳动系数，
f为TCN网络的过滤函数；
含残差的预测抢修任务时长Hb为：
Hb＝activation(Ha+γ(Ha)) (2)
其中：γ为TCN网络的激活函数，
预测的抢修任务结束时间tend为：
tend＝tbe+Hb (3)
其中：抢修开始时间为tbe。
为了更好地实现本发明，进一步地，所述步骤S100中，抢修人员的工作量Ga为：
其中：Td为单次抢修的时长，Wl为抢修人员的劳动系数，Wfl为分类故障权重系数，Tav为分类平均故障处理时长，nb为所有的抢修人员当天已完成的总任务个数，nc为单个抢修人员完成的任务个数，nd为抢修的人员个数。
为了更好地实现本发明，进一步地，所述步骤S200中，抢修人员的排序序列Rpx为：
其中：
Ga为抢修人员工作量，
已完成抢修任务的抢修人员数量为nf，
未完成抢修任务的抢修人员数量为ng，
按照希尔排序法，排序初始设置数据为ka，
未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式(3)的预测的抢修任务结束时间tend从短到长排序。
为了更好地实现本发明，进一步地，所述步骤S200中，配电抢修资源池的配电故障序列Pfa为：
其中：War为停电影响范围的权重，
Wle为抢修重要程度权重，
ne为配电故障资源池的故障数量；
按照希尔排序法，排序初始设置数据为k。
为了更好地实现本发明，进一步地，所述步骤S200中，所述时空分布矩阵包括停电影响范围、重要等级及地理坐标位置、可抢修人员资源排序及抢修人员的地理坐标位置；在获得配电故障序列Pfa和抢修人员的排序序列Rpx后，进行时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵Ka；
其中，配电故障与抢修人员排序数据的拟合函数Za为：
时空分布矩阵Ka为：
其中：配电故障地理坐标为L(xa,ya)，
可参与调配的抢修人员总数为nh，
已完成抢修任务的抢修人员数量为nf，
未完成抢修任务的抢修人员数量为ng，
nh＝nf+ng，
抢修人员地理位置坐标为L(xb,yb)。
为了更好地实现本发明，进一步地，所述步骤S300中，根据可调动人员到配电故障点的先后排序清单，计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况：
由配电故障与抢修人员时空分布矩阵Ka，可获得可调动抢修人员到故障点的排序清单Rab：
设抢修人员到配电故障点的交通节点个数为nh，采用递归函数σ查找抢修人员到故障点的所有路径Ua：
抢修人员到单个配电故障点的所有的路径距离集合Lall为：
设抢修人员到配电故障点的平均速度为sb，交通节点为式(10)的nh，每个交通节点摄像头的平均车速为sc，道路交通拥堵系数Wyd为：
结合道路交通拥堵系数，计算出每个路径的交通同行时间；由式(11)获得所有的路径距离集合Lall，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合Sall：
采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，由配电故障与抢修人员时空分布矩阵中得配电故障数量ne，可调动抢修人员数量nh；从式(13)中得抢修人员所有交通路径同行时间集合Sall，最佳的抢修人员调度策略Esl为：
最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，将时间数值按照从大至小的顺序排列，优先调度时间数值最大的抢修人员。
本发明的有益效果：
本发明采用精确的TCN网络预测抢修人员的抢修时间，精确的得到抢修人员的工作状态排序，然后结合工作人员的工作量得到抢修人员的排序序列；根据配电故障序列与抢修人员的排序序列的时空分布拟合得到配电故障与抢修人员时空分布矩阵；进一步地考虑调度人员至故障点的时间集合，采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，得到最佳的抢修人员的调度策略。本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案，本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。
附图说明
图1为本发明的原理框图。
具体实施方式
实施例1：
一种基于时空全局匹配的配电网调度方法，包括以下步骤：
步骤S100：采集配电抢修数据，配电抢修数据包括主动报修数据、被动报修数据以及抢修人员信息；分析主动报修数据、被动报修数据得到故障类型以及所处地理位置信息，并形成配电抢修资源池；所述抢修人员信息包括抢修人员的工作状态、工作量、地理坐标的信息，采集抢修人员信息并形成抢修人员资源池；
步骤S200：处理步骤S100中的配电抢修数据分别得到配电故障序列Pfa和抢修人员的排序序列Rpx，然后将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵，得到可调动人员到配电故障点的先后排序清单；
步骤S300：根据步骤S200中的可调动人员到配电故障点的先后排序清单，计算故障点道路拥堵情况以及可调动抢修人员情况，然后，计算故障点分配到抢修人员的若干路径，根据道路交通拥堵系数计算出抢修人员所有路径的通行时间集合，通过带权二分图最优匹配法对抢修人员进行时空全局匹配，实现配电故障点到抢修人员的最优路径分配。
本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案，本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。
实施例2：
本实施例是在实施例1的基础上进行优化，所述步骤S100中，抢修人员的工作状态分为未开始和已开始两种状态，针对未开始状态的配电抢修人员优先调度；针对已开始状态的配电抢修人员，则采用TCN网络对配电抢修时间进行预测，并以预测抢修结束时间的长短进行调度排序；其中TCN网络的空洞卷积核数据Ha为：
其中：Tav为平均故障处理时长，
War为停电影响范围的权重，
Wle为抢修重要程度权重，
na为配电故障类型分类种数，
Wl为抢修人员的劳动系数，
f为TCN网络的过滤函数；
含残差的预测抢修任务时长Hb为：
Hb＝activation(Ha+γ(Ha)) (2)
其中：γ为TCN网络的激活函数，
预测的抢修任务结束时间tend为：
tend＝tbe+Hb (3)
其中：抢修开始时间为tbe。
进一步地，所述步骤S100中，抢修人员的工作量Ga为：
其中：Td为单次抢修的时长，Wl为抢修人员的劳动系数，Wfl为分类故障权重系数，Tav为分类平均故障处理时长，nb为所有的抢修人员当天已完成的总任务个数，nc为单个抢修人员完成的任务个数，nd为抢修的人员个数。
进一步地，所述步骤S200中，抢修人员的排序序列Rpx为：
其中：
Ga为抢修人员工作量，
已完成抢修任务的抢修人员数量为nf，
未完成抢修任务的抢修人员数量为ng，
按照希尔排序法，排序初始设置数据为ka，未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式(3)的预测的抢修任务结束时间tend从短到长排序。
进一步地，所述步骤S200中，配电抢修资源池的配电故障序列Pfa为：、
其中：War为停电影响范围的权重，
Wle为抢修重要程度权重，
ne为配电故障资源池的故障数量；
按照希尔排序法，排序初始设置数据为k。
本实施例的其他部分与实施例1相同，故不再赘述。
实施例3：
本实施例是在实施例1或2的基础上进行优化，所述步骤S200中，所述时空分布矩阵包括停电影响范围、重要等级及地理坐标位置、可抢修人员资源排序及抢修人员的地理坐标位置；在获得配电故障序列Pfa和抢修人员的排序序列Rpx后，进行时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵Ka。
其中，配电故障与抢修人员排序数据的拟合函数Za为：
时空分布矩阵Ka为：
其中：配电故障地理坐标为L(xa,ya)，
可参与调配的抢修人员总数为nh，
已完成抢修任务的抢修人员数量为nf，
未完成抢修任务的抢修人员数量为ng，
nh＝nf+ng，
抢修人员地理位置坐标为L(xb,yb)。
进一步地，所述步骤S300中，计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况。
由配电故障与抢修人员时空分布矩阵Ka，可获得可调动抢修人员到故障点的排序清单Rab：
设抢修人员到配电故障点的交通节点个数为nh，采用递归函数σ查找抢修人员到故障点的所有路径Ua：
抢修人员到单个配电故障点的所有的路径距离集合Lall为：
设抢修人员到配电故障点的平均速度为sb，交通节点为式(10)的nh，每个交通节点摄像头的平均车速为sc，道路交通拥堵系数Wyd为：
结合道路交通拥堵系数，计算出每个路径的交通同行时间；由式(11)获得所有的路径距离集合Lall，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合Sall：
采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，由配电故障与抢修人员时空分布矩阵中得配电故障数量ne，可调动抢修人员数量nh；从式(13)中得抢修人员所有交通路径同行时间集合Sall，最佳的抢修人员调度策略Esl为：
最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，将时间数值按照从大至小的顺序排列，优先调度时间数值最大的抢修人员。
本发明在配电网故障数据、故障点地理位置坐标以及抢修人员的工作状态与地理位置坐标的基础上，形成了较佳的调配抢修方案，本发明充分考虑配电故障全局分配的合理性，可用于配电抢修人员的智能调度任务分配。
本实施例的其他部分与上述实施例1或2相同，故不再赘述。
实施例4：
一种基于时空全局匹配的配电网调度方法，如图1所示，包括抢修数据采集、配电抢修资源池和配电抢修全局调度。
在配电抢修数据采集环节，对配电网的故障数据和抢修人员的信息进行采集汇聚。通过配电智能融合终端采集主动报修的故障，并研判出故障类型及所处地理位置信息；通过电力服务热线，记录客户电话被动报修的故障信息，并分析出故障类型及故障所在理位置信息；通过抢修人员移动作业终端采集抢修人员的工作状态、工作量和当前地理位置信息。在配电抢修资源池环节，构建配电故障与抢修人员的时空分布矩阵。在配电故障资源方面，通过延迟收集，获得足够多的配电网故障，形成配电故障资源池，以便能够更合理的分配抢修人员；在抢修人员资源方面，获取配电抢修人员的工作状态、日度工作量、所处地理位置等信息，形成可供调配的抢修人员资源池。在此基础上，将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵。在配电抢修全局调度环节，首先计算故障点道路的拥堵情况和可调动人员情况，其次，再计算故障点分配到抢修人员的多种路径，最后通过时空全局匹配，实现配电故障点到抢修人员的最优路径分配。
1.1配电抢修数据采集
(1)配电故障数据采集
配电故障数据采集主要包括通过配电智能融合终端采集的主动报修故障信息和通过电力服务热线收集的电话报修故障信息。
1)主动报修信息采集
配电网是分配电能的网络，主要由中压线路、环网柜、配电变压器、分支箱、低压线路、用电设备等构成。本发明采用配电智能融合终端采集上述设备的电气、环境、安防等特征信息。当配电网发生故障时，配电智能融合终端结合各设备之间的电气、环境、安防特性信息，对故障点的真实节点和故障类型进行研判，并记录故障所在的地理坐标位置。
2)被动报修信息采集
被动报修信息来源于用电客户拨打的电力服务热线数据。为解决单个用电客户故障报修信息描述不准确，故障产生原因及地点不清晰的问题。本方法对多个用电客户报修信息进行关联分析，从而获取故障的真实节点、故障类型、产生原因及故障所在的地理坐标位置。
通过主动报修和被动报修采集的地理坐标表示为L(xa,ya)，故障类型如表1所示：
表1配电故障类型表
(2)配电抢修人员数据采集
为解决配电抢修人员工作数据难量化的问题，本发明通过配电抢修人员随身携带的移动作业终端采集配电抢修人员的工作状态、工作量和当前地理位置等信息进行综合分析。
1)工作状态
配电抢修人员的工作状态分未开始和已开始两类。其中，工作状态为未开始的配电抢修人员可优先调度；工作状态为已开始的配电抢修人员，则根据已处理任务的停电影响范围、抢修重要程度、配电故障类型、平均故障类型处理时长、抢修人员劳动力系数、和抢修开始时间预测抢修结束时间，并以预测抢修结束时间的长短进行调度排序。
时间卷积网络(Temporal Convolutional Network,TCN)在处理时间序列预测上具有速度快、准确率高等特点，可用于时间维度的数据预测。
为提高配电抢修结束时间准确性，本发明采用TCN网络对配电抢修结束时间进行预测。本发明的抢修权重系数表如表2所示，设停电影响范围的权重为War，抢修重要程度权重为Wle，配电故障类型分类有na种，平均故障处理时长为Tav，抢修人员的劳动系数为Wl，TCN网络过滤函数为f，空洞卷积核数据Ha为：
时间卷积网络TCN是现有的网络，本发明在网络的基础商，增加了停电影响范围的权重为War，抢修重要程度权重为Wle，抢修人员的劳动系数为Wl，激活函数为激活TCN网络的函数，利用该函数，可以运行网络。
设TCN网络的激活函数为γ，含残差的预测抢修任务时长Hb为：
Hb＝activation(Ha+γ(Ha)) (2)
设抢修开始时间为tbe，预测的抢修任务结束时间tend为：
tend＝tbe+Hb (3)
Hb是抢修任务时间长度，例如1小时；tbe是开始时间，例如9：00,
tend结束时间＝9：00+1＝10：00
表2配电抢修权重表
2)工作量
在日时间维度上，按配电故障类型、平均故障处理时长、抢修人员劳动系数、抢修人员已完成任务数、单次抢修时长等信息统计配电抢修人员的工作量。
由表2得到分类故障权重系数为Wfl，分类平均故障处理时长为Tav，抢修人员的劳动系数为Wl，设所有的抢修人员当天已完成的总任务个数为nb，单个抢修人员完成的任务个数为nc，抢修的人员个数为nd，单次抢修的时长为Td，抢修人员工作量Ga为：
3)当前地理位置
通过配电抢修移动作业终端，定位配电抢修人员当前的地理坐标位置，配电抢修人员的地理坐标位置表示为L(xb,yb)。
1.2配电抢修资源池
(1)配电故障资源
为解决单个配电网故障分配会造成抢修人员资源分配不合理的问题，本发明采用延迟收集，对时间范围内的配电网故障类型及故障所处的地理坐标位置进行收集，以获得足够多的配电网数量，形成配电故障资源池，以便能够更合理的分配抢修人员。
在配电故障资源排序环节，由表2得到停电影响范围的权重War，抢修重要程度权重Wle，配电故障资源池的故障数量为ne，按照希尔排序法，排序初始设置数据为k，从停电影响范围、抢修重要程度的关联进行排序，其配电故障序列Pfa为：
(2)抢修人员资源
获取配电抢修人员的工作状态、日工作量、所在地理位置等信息，并按照可分配人员进行优先排序，其中首先对未分配工作任务的抢修人员按劳动强度依次排序，已分配工作任务的抢修人员按照预测抢修结束时间长短依次排序，并形成可供调配的抢修人员资源池。
在配电抢修人员排序，由式4可得抢修人员工作量Ga，已完成抢修任务的抢修人员数量为nf，未完成抢修任务的抢修人员数量为ng，按照希尔排序法，排序初始设置数据为ka，未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式3的预测的抢修任务结束时间tend从短到长排序。其人员的排序序列Rpx为：
(3)配电故障与抢修人员时空分布矩阵
将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵；矩阵包括停电影响范围、重要等级及地理坐标位置；可抢修人员资源排序及抢修人员的地理坐标位置。
在获得配电故障序列和可调配人员抢修序列后，采时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以本发明采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合。拟合函数Za为：
通过配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵，设配电故障地理坐标为L(xa,ya),可参与调配的抢修人员总数为nh，nh＝nf+ng，抢修人员地理位置坐标为L(xb,yb)，时空分布矩阵Ka为：
1.3配电抢修时空全局匹配调度
(1)抢修路径拥堵分析
首先根据配电故障与抢修人员时空分布矩阵获得出可调动人员到配电故障点的先后排序清单。然后计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况。
由配电故障与抢修人员时空分布矩阵Ka，可获得可调动抢修人员到故障点的排序清单Rab：
设抢修人员到配电故障点的交通节点个数为nh，本发明采用递归函数σ查找抢修人员到故障点的所有路径Ua：
抢修人员到单个配电故障点的所有的路径距离集合Lall为：
设抢修人员到配电故障点的平均速度为sb，交通节点为式10的nh，每个交通节点摄像头的平均车速为sc，拥堵系数Wyd为：
(2)抢修路径规划分析
结合道路交通拥堵节点系数，计算出每个路径的交通同行时间。
由式11获得所有的路径距离集合Lall，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合Sall：
(3)调度抢修时空全局匹配
为解决配电故障资源和可调配抢修人员全局优化问题，本发明采用改进带权二分图最优匹配法(Karnik-Mendel,KM)，对抢修人员进行时空全局匹配。
由配电故障与抢修人员时空分布矩阵中得配电故障数量ne，可调动抢修人员数量nh；从式13中得抢修人员所有交通路径同行时间集合Sall，最佳的抢修人员调度策略Esl为：
最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，最后是时间数值最大的会优先排出。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
Claims (6)
1.一种基于时空全局匹配的配电网调度方法，其特征在于，包括以下步骤：
步骤S100：采集配电抢修数据，配电抢修数据包括主动报修数据、被动报修数据以及抢修人员信息；分析主动报修数据、被动报修数据得到故障类型以及所处地理位置信息，并形成配电抢修资源池；所述抢修人员信息包括抢修人员的工作状态、工作量、地理坐标的信息，采集抢修人员信息并形成抢修人员资源池；
步骤S200：处理步骤S100中的配电抢修数据分别得到配电故障序列P fa 和抢修人员的排序序列R px ，然后将配电故障、抢修人员进行时空拟合，形成配电故障与抢修人员的时空分布矩阵，得到可调动人员到配电故障点的先后排序清单；
步骤S300：根据步骤S200中的可调动人员到配电故障点的先后排序清单，计算故障点道路拥堵情况以及可调动抢修人员情况，然后，计算故障点分配到抢修人员的若干路径，根据道路交通拥堵系数计算出抢修人员所有路径的通行时间集合，通过带权二分图最优匹配法对抢修人员进行时空全局匹配，实现配电故障点到抢修人员的最优路径分配；
所述步骤S100中，抢修人员的工作状态分为未开始和已开始两种状态，针对未开始状态的配电抢修人员优先调度；针对已开始状态的配电抢修人员，则采用TCN网络对配电抢修时间进行预测，并以预测抢修结束时间的长短进行调度排序；其中TCN网络的空洞卷积核数据H a 为：
（1）
其中：T av 为平均故障处理时长，
W ar 为停电影响范围的权重，
W le 为抢修重要程度权重，
n a 为配电故障类型分类种数，
W l 为抢修人员的劳动系数，
f为TCN网络的过滤函数；
含残差的预测抢修任务时长H b 为：
（2）
其中：γ为TCN网络的激活函数，
预测的抢修任务结束时间t end 为：
（3）
其中：抢修开始时间为t be 。
2.根据权利要求1所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S100中，抢修人员的工作量G a 为：
（4）
其中：T d 为单次抢修的时长，
W l 为抢修人员的劳动系数，
W fl 为分类故障权重系数，
T av 为分类平均故障处理时长，
n b 为所有的抢修人员当天已完成的总任务个数，
n c 为单个抢修人员完成的任务个数，
n d 为抢修的人员个数。
3.根据权利要求2所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S200中，抢修人员的排序序列R px 为：
（6）
其中：
G a 为抢修人员工作量，
已完成抢修任务的抢修人员数量为n f ，
未完成抢修任务的抢修人员数量为n g ，
按照希尔排序法，排序初始设置数据为k a ，
未分配抢修任务的按工作量从小到大进行排序，已完成抢修任务的按式（3）的预测的抢修任务结束时间t end 从短到长排序。
4.根据权利要求1所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S200中，配电抢修资源池的配电故障序列P fa 为：
（5）
其中：W ar 为停电影响范围的权重，
W le 为抢修重要程度权重，
n e 为配电故障资源池的故障数量；
按照希尔排序法，排序初始设置数据为k。
5.根据权利要求1-4任一项所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S200中，所述时空分布矩阵包括停电影响范围、重要等级及地理坐标位置、可抢修人员资源排序及抢修人员的地理坐标位置；在获得配电故障序列P fa 和抢修人员的排序序列R px 后，进行时空分布拟合，因配电故障资源池的故障数量与可调配人员数量不等，所以采用改进最小二乘法进行配电故障与抢修人员排序数据进行拟合，获得配电故障与抢修人员时空分布矩阵K a ；
其中，配电故障与抢修人员排序数据的拟合函数Z a 为：
(7)
时空分布矩阵K a 为：
(8)
其中：配电故障地理坐标为L(x a ,y a )，
可参与调配的抢修人员总数为n h ，
已完成抢修任务的抢修人员数量为n f ，
未完成抢修任务的抢修人员数量为n g ，
n h= n f +n g ，
抢修人员地理位置坐标为L(x b ,y b )。
6.根据权利要求5所述的一种基于时空全局匹配的配电网调度方法，其特征在于，所述步骤S300中，计算可调动抢修人员地理坐标位置到配电故障点地理坐标位置的多种道路交通路径及每种路径的距离，最后通过车流量计算每种道路交通路径的拥堵情况：
由配电故障与抢修人员时空分布矩阵K a ，可获得可调动抢修人员到故障点的排序清单R ab ：
(9)
设抢修人员到配电故障点的交通节点个数为n h ，采用递归函数σ查找抢修人员到故障点的所有路径U a ：
(10)
抢修人员到单个配电故障点的所有的路径距离集合L all 为：
(11)
设抢修人员到配电故障点的平均速度为S b ，交通节点为式（10）的n h ，每个交通节点摄像头的平均车速为S c ，道路交通拥堵系数W yd 为：
(12)
结合道路交通拥堵系数，计算出每个路径的交通同行时间；由式（11）获得所有的路径距离集合L all ，根据道路交通拥堵系数，计算出抢修人员所有交通路径的通行时间集合S all ：
(13)
采用改进带权二分图最优匹配法对抢修人员进行时空全局匹配，由配电故障与抢修人员时空分布矩阵中得配电故障数量n e ，可调动抢修人员数量n h ；从式（13）中得抢修人员所有交通路径同行时间集合S all ，最佳的抢修人员调度策略E sl 为：
(14)
最终求得的调度策略是配电故障点与抢修人员的连接关系时间数值，将时间数值按照从大至小的顺序排列，优先调度时间数值最大的抢修人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110407537.XA CN112966882B (zh) | 2021-04-15 | 2021-04-15 | 一种基于时空全局匹配的配电网调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110407537.XA CN112966882B (zh) | 2021-04-15 | 2021-04-15 | 一种基于时空全局匹配的配电网调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112966882A CN112966882A (zh) | 2021-06-15 |
| CN112966882B true CN112966882B (zh) | 2023-07-28 |
Family
ID=76280552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110407537.XA Active CN112966882B (zh) | 2021-04-15 | 2021-04-15 | 一种基于时空全局匹配的配电网调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112966882B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723628A (zh) * | 2021-08-10 | 2021-11-30 | 邹平市供电有限公司 | 一种电力检修数据处理方法及*** |
| CN114254895B (zh) * | 2021-12-07 | 2024-04-12 | 四川启睿克科技有限公司 | 基于贪心二分图搜索的产线人员调度方法 |
| CN115752493A (zh) * | 2022-11-07 | 2023-03-07 | 国网天津市电力公司 | 一种用于电力故障抢修的路径规划方法 |
| CN115713325B (zh) * | 2023-01-09 | 2023-04-18 | 佰聆数据股份有限公司 | 电力抢修施工作业时长分析方法及装置 |
| CN115809869B (zh) * | 2023-01-16 | 2023-04-21 | 南京捷修信息科技有限公司 | 一种基于云计算的维修流程管理与控制*** |
| CN116542491B (zh) * | 2023-06-29 | 2024-03-22 | 深圳齐杉科技有限公司 | 一种基于深度学习的人工智能任务调度方法及*** |
| CN117474191B (zh) * | 2023-12-28 | 2024-04-05 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网***及装置 |
| CN117973818B (zh) * | 2024-04-01 | 2024-06-07 | 四川三瑞智慧建设工程有限公司 | 一种基于人工智能的物联网数据处理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108089482A (zh) * | 2016-11-22 | 2018-05-29 | 祝凤娟 | 一种基于tcn网络的客车电气控制*** |
| CN109447344A (zh) * | 2018-10-26 | 2019-03-08 | 国网天津市电力公司 | 基于配网故障大数据的抢修驻点和路径优化方法及*** |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006078869A2 (en) * | 2005-01-19 | 2006-07-27 | Cannon Technologies, Inc. | Remote fault monitoring in power lines |
| CN111525548B (zh) * | 2020-04-02 | 2022-11-11 | 中国电力科学研究院有限公司 | 一种对电网静态电压稳定裕度进行评估的方法及*** |
| CN111582697B (zh) * | 2020-04-29 | 2022-04-22 | 西安交通大学 | 一种配电网故障的评估与调度方法及*** |
| CN112033428A (zh) * | 2020-09-02 | 2020-12-04 | 国网河北省电力有限公司保定供电分公司 | 一种配电抢修的路径规划方法 |
| CN112564098B (zh) * | 2020-12-02 | 2022-08-30 | 国网浙江省电力有限公司电力科学研究院 | 基于时间卷积神经网络的高比例光伏配电网电压预测方法 |
| CN112464889A (zh) * | 2020-12-14 | 2021-03-09 | 刘啟平 | 道路车辆姿态和运动信息检测方法 |
-
2021
- 2021-04-15 CN CN202110407537.XA patent/CN112966882B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108089482A (zh) * | 2016-11-22 | 2018-05-29 | 祝凤娟 | 一种基于tcn网络的客车电气控制*** |
| CN109447344A (zh) * | 2018-10-26 | 2019-03-08 | 国网天津市电力公司 | 基于配网故障大数据的抢修驻点和路径优化方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 基于TCN网络的客车电气控制***;龚军;邱宽明;;铁道机车车辆(06);34-36 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112966882A (zh) | 2021-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112966882B (zh) | 一种基于时空全局匹配的配电网调度方法 | |
| CN115081777B (zh) | 最大化运营商收益的v2g调度二阶段随机规划方法 | |
| CN109460833B (zh) | 配网故障的设备数据和报修工单数据处理方法及*** | |
| CN106990328B (zh) | 配网抢修异常数据分析、故障定位***及方法 | |
| CN110649641A (zh) | 基于源网荷储协同服务的电动汽车快充站储能***及其方法 | |
| CN109447284B (zh) | 用于供电服务指挥平台的配网故障信息发送方法及*** | |
| CN112491050A (zh) | 基于指标集权重的主配网事故恢复处理方法 | |
| CN107256442B (zh) | 基于移动客户端的线损计算方法 | |
| CN102063563A (zh) | 网省地一体化的母线负荷预测方法 | |
| CN105893516A (zh) | 基于营配调数据的配电网运检驾驶舱及其应用 | |
| CN110084382B (zh) | 一种配电网检修车辆调度方法及*** | |
| CN115345517A (zh) | 一种配电网故障抢修智能调度*** | |
| CN105184490A (zh) | 电网调度操作过程风险辅助预控*** | |
| CN110348597A (zh) | 一种电网110kV主变短期负荷曲线预测方法 | |
| CN116362523B (zh) | 考虑温度适应性的换电站选址与运营策略协同优化方法 | |
| CN117614141A (zh) | 一种用于配电网的多电压层级协调管理方法 | |
| CN109193946B (zh) | 面向电力用户的抢修信息发布*** | |
| CN117077381A (zh) | 一种基于大数据的电池调度算法提升电池利用效率的方法 | |
| CN116882552A (zh) | 计及电力与交通耦合网络的移动应急资源调度优化方法 | |
| CN112485593B (zh) | 一种基于大数据驱动的配电网问题智能诊断方法 | |
| CN114266466A (zh) | 一种主动配电网调度运行管理***形态发展水平确定方法 | |
| CN205787141U (zh) | 监管变电站运行人员工作状态的终端设备 | |
| CN114678866A (zh) | 一种基于调控云的输电线路负荷转移控制方法 | |
| CN109460844B (zh) | 基于gis的保电车辆优化调度方法 | |
| CN114492913A (zh) | 一种基于行业负荷预测技术的配电网规划方法 |
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 |