CN113159443A - 一种适用于操作票的最优路径选择方法及*** - Google Patents

一种适用于操作票的最优路径选择方法及*** Download PDF

Info

Publication number
CN113159443A
CN113159443A CN202110485323.4A CN202110485323A CN113159443A CN 113159443 A CN113159443 A CN 113159443A CN 202110485323 A CN202110485323 A CN 202110485323A CN 113159443 A CN113159443 A CN 113159443A
Authority
CN
China
Prior art keywords
optimal path
module
optimal
power
ticket
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110485323.4A
Other languages
English (en)
Other versions
CN113159443B (zh
Inventor
罗磊
张鸿
虢韬
肖林
晏鹏
汪适
石鹏昌
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou 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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202110485323.4A priority Critical patent/CN113159443B/zh
Publication of CN113159443A publication Critical patent/CN113159443A/zh
Application granted granted Critical
Publication of CN113159443B publication Critical patent/CN113159443B/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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种适用于操作票的最优路径选择方法及***，包括，采集开票类型和操作任务信息并选择票样类型；判断是否需要计算最优路径，若是，则根据数据库中的电力数据和知识规则库中的开关状态确定电网初始拓扑结构；利用图论及遗传算法对电网初始拓扑结构进行分析，计算并选择最优供电路径；对最优供电路径方案进行潮流计算，判断潮流分布是否满足***可靠性要求；若不满足则继续寻找最优供电路径；若满足，则根据操作规则生成操作票，自动打印票样，完成最优路径的选择。本发明可以实现最小开关次数，减小调度时间和经济损耗，同时，本发明可以实现对最小路径的潮流分布判断是否满足可靠性要求，达到经济性和可靠性结合的优点。

Description

一种适用于操作票的最优路径选择方法及***
技术领域
本发明涉及电网操作应用***的技术领域，尤其涉及一种适用于操作票的最优路径选择方法及***。
背景技术
电力***智能调度管理***主要对电网的运行进行组织、指导和协调电力***的运行。电力***的智能化管理与运营是一种发展趋势，调度操作票***在电力部门和电力企业的广泛应用，改变了以前电力调度人员手工操作出票的方法，提高了电力企业的效率，提高了操作票的准确性，电力操作票***是防止我国电力***调度运行管理误操作的有效安全措施，是高质量、高效率完成调度任务的基础。
随着用户总数的增加和电网规模的不断扩大，现有调度操作票***的弊端已暴露出来，主要是因为智能推理功能不强，自适应学***提出了更高的要求。
电力***中最重要的是可靠性，每次开关操作都会产生费用，包括设备折旧费、人工费等，通过减少开关操作次数不仅可以避免因多次开关操作导致继保误动造成更大的损失，还可延长开关的使用寿命。现有的调度操作票***没有考虑最优路径的选择，在实际调度过程中开关设备的动作次数偏多，既导致动作时间的增加，也造成了开关损耗的增加，不具备时效性和经济性。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有技术可靠性差，不具备时效性和经济性，智能化水平低。
为解决上述技术问题，本发明提供如下技术方案：采集开票类型和操作任务信息并选择票样类型；判断是否需要计算最优路径，若是，则根据数据库中的电力数据和知识规则库中的开关状态确定电网初始拓扑结构；利用图论及遗传算法对所述电网初始拓扑结构进行分析，计算并选择最优供电路径；对所述最优供电路径方案进行潮流计算，判断潮流分布是否满足***可靠性要求；若不满足则继续寻找最优供电路径；若满足，则根据操作规则生成操作票，自动打印票样，完成最优路径的选择。
作为本发明所述的适用于操作票的最优路径选择方法的一种优选方案，其中：所述利用遗传算法对所述电网初始拓扑结构进行分析包括，获取所述电网初始拓扑结构，形成节点支路关联矩阵A，得到所述节点支路的连接关系；根据实时开关状态形成初始开关状态向量，表示相应开关是闭合还是断开；将每一个个体的开关状态编码形成种群，并与所述初始开关状态向量进行比较，得到开关次数S，以所述开关次数最小为适应性函数，确定选择因子、交叉因子和变异因子，形成新种群；根据所述节点支路关联矩阵A和***参数得到节点导纳矩阵Y；将上一代种群中的个体按所述选择因子选择进入下一代种群，通过所述交叉因子选择个体进行交叉编码进入新种群，通过所述变异因子选择个体进行编码改变进入新种群；判断是否达到遗传次数，如果是则进行下一步，如果否则返回上一步。
作为本发明所述的适用于操作票的最优路径选择方法的一种优选方案，其中：对所述最优供电路径方案进行潮流计算包括，采用牛顿拉夫逊策略进行潮流计算：将得到的个体进行潮流计算，判断功率、电压、电流是否越限。
作为本发明所述的适用于操作票的最优路径选择方法的一种优选方案，其中：所述最优开关路径的判断包括，当所述功率、电压、电流越限则重新将遗传次数置为0，进行选择、交叉、变异操作，淘汰掉适应度函数值等于最大值的个体，即无法满足潮流计算校验的个体，遗传次数达到规定次数后得到新的最优路径方案，并计算潮流分布；当所述功率、电压、电流未越限则输出最优开关路径，算法结束。
本发明解决的另一个技术问题是：提供一种光纤网络资源数字化核查***，使上述方法依托于该***实现。
为解决上述技术问题，本发明提供如下技术方案：人机交互界面用于输入判别最优路径的程序、操作指令，并根据所述程序及指令更新知识规则库模块和数据库模块内容；所述数据库模块用于提供推理模块所需要的电力数据和历史操作票，所述规则库模块用于提供各元器件状态及操作票生成规则；所述推理模块包括最优路径选择模块和潮流计算模块，所述最优路径选择模块用于处理所述数据库模块提供的电力数据生成最优路径的操作票，所述潮流计算模块与所述最优路径选择模块相连接，判断最优路径下的潮流分布是否符合***要求。
作为本发明所述的适用于操作票的最优路径选择***的一种优选方案，其中：还包括，操作***，用于实现对各模块的综合管理。
作为本发明所述的适用于操作票的最优路径选择***的一种优选方案，其中：所述人机交互界面提供可视化的操作界面，方便操作员对***和各模块进行管理，所述人机交互界面通过所述操作***间接控制各模块，实现更新所述数据库模块和所述知识规则库模块内容。
作为本发明所述的适用于操作票的最优路径选择***的一种优选方案，其中：所述人机交互界面将人为输入的遗传算法程序导入到所述最优路径选择模块，将需要完成的操作指令导入所述推理模块，将所述推理模块得到的最优路径操作票显示在界面上，实现自动出票功能。
作为本发明所述的适用于操作票的最优路径选择***的一种优选方案，其中：所述知识规则库模块存储设备的状态和操作票生成所需要的各种逻辑规则，逻辑规则由所述操作***程序控制，根据需要进行管理，添加和修改。
作为本发明所述的适用于操作票的最优路径选择***的一种优选方案，其中：所述最优路径选择模块通过遗传算法实现最优路径操作票的生成，所述潮流计算模块实现对最优路径下的电力***进行潮流计算，判断最优路径下的潮流分布是否符合***要求，如果符合要求则将生成的操作票传给所述操作***，如果不符合要求则将所述路径作为所述遗传算法的一种淘汰个体，返回所述最优路径选择模块重新计算最优路径。
本发明的有益效果：本发明结合了传统操作票***自动出票功能，并且增加了最优路径选择的功能，可以实现最小开关次数，减小调度时间和经济损耗，同时，本发明具有潮流计算校验的功能，实现对最小路径的潮流分布判断是否满足可靠性要求，达到经济性和可靠性结合的优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，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。其中：
图1为本发明一个实施例提供的一种适用于操作票的最优路径选择方法及***的基本流程示意图；
图2为本发明一个实施例提供的一种适用于操作票的最优路径选择方法及***的遗传算法及潮流计算流程示意图；
图3为本发明一个实施例提供的一种适用于操作票的最优路径选择方法及***的模块结构示意图；
图4为本发明一个实施例提供的一种适用于操作票的最优路径选择方法及***的***结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1～2，为本发明的一个实施例，提供了一种适用于操作票的最优路径选择方法，包括：
S1：采集开票类型和操作任务信息并选择票样类型；
S2：判断是否需要计算最优路径，若是，则根据数据库中的电力数据和知识规则库中的开关状态确定电网初始拓扑结构；
S3：利用图论及遗传算法对电网初始拓扑结构进行分析，计算并选择最优供电路径；
S4：对最优供电路径方案进行潮流计算，判断潮流分布是否满足***可靠性要求；
若不满足则继续寻找最优供电路径；
若满足，则根据操作规则生成操作票，自动打印票样，完成最优路径的选择。
具体的，如图2所示，利用遗传算法对电网初始拓扑结构进行分析包括：获取电网初始拓扑结构，形成节点支路关联矩阵A，得到节点支路的连接关系；
根据实时开关状态形成初始开关状态向量，表示相应开关是闭合还是断开，1表示闭合，0表示断开；
将每一个个体的开关状态编码形成种群，并与初始开关状态向量进行比较，得到开关次数S，以开关次数最小为适应性函数，即适应性函数为每个开关的开关次数之和，确定选择因子、交叉因子和变异因子，形成新种群；
根据节点支路关联矩阵A和***参数得到节点导纳矩阵Y；
将上一代种群中的个体按选择因子选择进入下一代种群，通过交叉因子选择个体进行交叉编码进入新种群，通过变异因子选择个体进行编码改变进入新种群；
判断是否达到遗传次数，如果是则进行下一步，如果否则返回上一步，即返回选择、交叉、变异操作；
进一步的，对最优供电路径方案进行潮流计算包括：
采用牛顿拉夫逊策略进行潮流计算：
将得到的个体(最优开关路径方案)进行潮流计算，判断功率、电压、电流是否越限；
更进一步的，最优开关路径的判断包括，
当功率、电压、电流越限时，则重新将遗传次数置为0，进行选择、交叉、变异操作，淘汰掉适应度函数值等于最大值的个体，即无法满足潮流计算校验的个体，一旦出现这一个体立即淘汰，当遗传次数达到规定次数后得到新的最优路径方案，并计算潮流分布，并以此执行程序；
当功率、电压、电流未越限则输出最优开关路径，算法结束。
本发明结合了传统操作票***自动出票功能，并且增加了最优路径选择的功能，可以实现最小开关次数，减小调度时间和经济损耗，同时，本发明具有潮流计算校验的功能，实现对最小路径的潮流分布判断是否满足可靠性要求，达到经济性和可靠性结合的优点。
实施例2
参照图3～4的示意，为本实施例提出的一种适用于操作票的最优路径选择***，上述实施例提出的适用于操作票的最优路径选择方法能够依托于该***实现。
如图3～4所示，该适用于操作票的最优路径选择***包括：人机交互界面100用于输入判别最优路径的程序、操作指令，并根据程序及指令更新知识规则库模块200和数据库模块300内容；数据库模块300用于提供推理模块400所需要的电力数据和历史操作票，知识规则库模块200用于提供各元器件状态及操作票生成规则；推理模块400包括最优路径选择模块401和潮流计算模块402，最优路径选择模块401用于处理数据库模块200提供的电力数据生成最优路径的操作票，潮流计算模块402与最优路径选择模块401相连接，判断最优路径下的潮流分布是否符合***要求。
其中，该***还包括，操作***500，用于实现对各模块的综合管理。
具体的，人机交互界面100提供可视化的操作界面，将操作***500与数据库模块300、知识规则库模块200、推理模块400的控制管理以可视化的形式呈现，方便操作员对***和各模块进行管理，人机交互界面100通过操作***500间接控制各模块，实现更新数据库模块300和知识规则库模块200内容；人机交互界面100将人为输入的遗传算法程序导入到最优路径选择模块401，将需要完成的操作指令导入推理模块400，将推理模块400得到的最优路径操作票显示在界面上，实现自动出票功能；另外，人机交互界面100还可以对数据库模块300的电力数据和历史操作票进行导入导出和修改维护操作，对于知识规则库模块200进行设备状态信息的导入导出和修改维护操作，输入逻辑控制程序控制操作票的生成规则,；对于推理模块400输入遗传算法和潮流计算的程序实现最优路径的选择和潮流计算校验,；对于操作***500则将最终得到的最优路径操作票显示在界面上，并自动打印操作票。
知识规则库模块200存储设备的状态和操作票生成所需要的各种逻辑规则，逻辑规则由操作***500程序控制，根据需要进行管理，添加和修改，对于知识规则,的管理需要在人机交互界面验证操作员身份，知识规则库采用分级规则的管理方法，即一级规则下面有多个二级规则，二级规则又包括多个三级规则，这种分级规则管理方法当改变上级规则时，所有的下级规则都需要改变，而下级规则改变无须改变上级规则；数据库模块300内存储电力***的数据和历史操作票，为推理模块400的推理提供电力***数据和对同样的调度情境提供历史操作票，通过操作员在人机交互界面的操作实现导入导出电力***数据，根据操作***指令导入导出历史操作票，数据库模块300具有自动学习功能，可以实现自动更新历史操作票的功能。
推理模块400根据人机交互界面输入的操作票指令，首先判断是否需要进行最优路径选择，对已经出现过的操作票指令直接调用数据库模块中的历史操作票，将结果返回人机交互界面，对需要进行最优路径选择的情况，则结合数据库中的电力***数据和知识规则库中的操作票生成规则，生成最优路径的操作票，并将结果返回人机交互界面。
推理模块400分为最优路径选择模块401和潮流计算模块402，最优路径选择模块401内的算法程序由人机交互界面输入，通过遗传算法实现最优路径操作票的生成，潮流计算模块402实现对最优路径下的电力***进行潮流计算，判断最优路径下的潮流分布是否符合***要求，对最优路径选择模块401产生的结果进行校验，用来保证***运行的可靠性，也可以防止***出现误操作，如果符合要求则将生成的操作票传给操作***500，如果不符合要求则将路径作为遗传算法的一种淘汰个体，返回最优路径选择模块401重新计算最优路径，若潮流计算结果符合要求则将生成的操作票传给操作***500。
操作***500实现直接控制各模块，维护更新数据库模块300和知识规则库模块400，导入操作票指令并将最优路径操作票导出到人机交互界面，操作***500作为人机交互界面与各模块的沟通核心，一切指令和结果都要经过操作***500的控制。
工作原理：在人机交互界面100确定开票类型和操作任务，并由操作员选择票样类型，操作***500判断是否需要计算最优路径，如果否则在数据库中查找符合要求的历史操作票，是则数据库中的电力数据和知识规则库中的开关状态确定电网初始拓扑结构，推理模块400用图论和遗传算法分析拓扑结构，最优路径选择模块401计算得到最优路径的方案，潮流计算模块402校验方案是否满足***可靠性，否则返回最优路径计算模块重新计算最优路径，直到满足***可靠性要求，是则由操作规则生成操作票，返回人机交互界面自动打印票样。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“***”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地***、分布式***中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它***进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种适用于操作票的最优路径选择方法，其特性在于，包括：
采集开票类型和操作任务信息并选择票样类型；
判断是否需要计算最优路径，若是，则根据数据库中的电力数据和知识规则库中的开关状态确定电网初始拓扑结构；
利用图论及遗传算法对所述电网初始拓扑结构进行分析，计算并选择最优供电路径；
对所述最优供电路径方案进行潮流计算，判断潮流分布是否满足***可靠性要求；
若不满足则继续寻找最优供电路径；
若满足，则根据操作规则生成操作票，自动打印票样，完成最优路径的选择。
2.如权利要求1所述的适用于操作票的最优路径选择方法，其特征在于：所述利用遗传算法对所述电网初始拓扑结构进行分析包括，
获取所述电网初始拓扑结构，形成节点支路关联矩阵A，得到所述节点支路的连接关系；
根据实时开关状态形成初始开关状态向量，表示相应开关是闭合还是断开；
将每一个个体的开关状态编码形成种群，并与所述初始开关状态向量进行比较，得到开关次数S，以所述开关次数最小为适应性函数，确定选择因子、交叉因子和变异因子，形成新种群；
根据所述节点支路关联矩阵A和***参数得到节点导纳矩阵Y；
将上一代种群中的个体按所述选择因子选择进入下一代种群，通过所述交叉因子选择个体进行交叉编码进入新种群，通过所述变异因子选择个体进行编码改变进入新种群；
判断是否达到遗传次数，如果是则进行下一步，如果否则返回上一步。
3.如权利要求2所述的适用于操作票的最优路径选择方法，其特征在于：对所述最优供电路径方案进行潮流计算包括，
采用牛顿拉夫逊策略进行潮流计算：
将得到的个体进行潮流计算，判断功率、电压、电流是否越限。
4.如权利要求1～3任一项所述的适用于操作票的最优路径选择方法，其特征在于：所述最优开关路径的判断包括，
当所述功率、电压、电流越限则重新将遗传次数置为0，进行选择、交叉、变异操作，淘汰掉适应度函数值等于最大值的个体，即无法满足潮流计算校验的个体，遗传次数达到规定次数后得到新的最优路径方案，并计算潮流分布；
当所述功率、电压、电流未越限则输出最优开关路径，算法结束。
5.一种适用于操作票的最优路径选择***，其特性在于，包括：
人机交互界面(100)用于输入判别最优路径的程序、操作指令，并根据所述程序及指令更新知识规则库模块(200)和数据库模块(300)内容；
所述数据库模块(300)用于提供推理模块(400)所需要的电力数据和历史操作票，所述规则库模块(200)用于提供各元器件状态及操作票生成规则；
所述推理模块(400)包括最优路径选择模块(401)和潮流计算模块(402)，所述最优路径选择模块(401)用于处理所述数据库模块(200)提供的电力数据生成最优路径的操作票，所述潮流计算模块(402)与所述最优路径选择模块(401)相连接，判断最优路径下的潮流分布是否符合***要求。
6.如权利要求5所述的适用于操作票的最优路径选择***，其特征在于：还包括，操作***(500)，用于实现对各模块的综合管理。
7.如权利要求6所述的适用于操作票的最优路径选择***，其特征在于：所述人机交互界面(100)提供可视化的操作界面，方便操作员对***和各模块进行管理，所述人机交互界面(100)通过所述操作***(500)间接控制各模块，实现更新所述数据库模块(300)和所述知识规则库模块(200)内容。
8.如权利要求7所述的适用于操作票的最优路径选择***，其特征在于：所述人机交互界面(100)将人为输入的遗传算法程序导入到所述最优路径选择模块(401)，将需要完成的操作指令导入所述推理模块(400)，将所述推理模块(400)得到的最优路径操作票显示在界面上，实现自动出票功能。
9.如权利要求8所述的适用于操作票的最优路径选择***，其特征在于：所述知识规则库模块(200)存储设备的状态和操作票生成所需要的各种逻辑规则，逻辑规则由所述操作***(500)程序控制，根据需要进行管理，添加和修改。
10.如权利要求9所述的适用于操作票的最优路径选择***，其特征在于：所述最优路径选择模块(401)通过遗传算法实现最优路径操作票的生成，所述潮流计算模块(402)实现对最优路径下的电力***进行潮流计算，判断最优路径下的潮流分布是否符合***要求，如果符合要求则将生成的操作票传给所述操作***(500)，如果不符合要求则将所述路径作为所述遗传算法的一种淘汰个体，返回所述最优路径选择模块(401)重新计算最优路径。
CN202110485323.4A 2021-04-30 2021-04-30 一种适用于操作票的最优路径选择方法及*** Active CN113159443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110485323.4A CN113159443B (zh) 2021-04-30 2021-04-30 一种适用于操作票的最优路径选择方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110485323.4A CN113159443B (zh) 2021-04-30 2021-04-30 一种适用于操作票的最优路径选择方法及***

Publications (2)

Publication Number Publication Date
CN113159443A true CN113159443A (zh) 2021-07-23
CN113159443B CN113159443B (zh) 2023-10-24

Family

ID=76873124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110485323.4A Active CN113159443B (zh) 2021-04-30 2021-04-30 一种适用于操作票的最优路径选择方法及***

Country Status (1)

Country Link
CN (1) CN113159443B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792538A (zh) * 2021-08-27 2021-12-14 北京科东电力控制***有限责任公司 一种配电网操作票快速生成方法及装置
CN117436703A (zh) * 2023-11-27 2024-01-23 国网江苏省电力有限公司扬州供电分公司 一种基于遗传算法的输电工作票安全措施生成方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003219558A (ja) * 2002-01-24 2003-07-31 Hitachi Ltd 配電系統制御装置および配電系統構成作成装置
WO2011069061A1 (en) * 2009-12-04 2011-06-09 Abb Research Ltd Restoration switching analysis with genetic algorithm
CN103368190A (zh) * 2013-07-17 2013-10-23 国家电网公司 一种低压负荷在线调相控制方法
CN103714491A (zh) * 2013-12-16 2014-04-09 天津大学 一种基于风险的电网调度操作票最佳序列生成方法
CN104778632A (zh) * 2015-03-31 2015-07-15 国网福建省电力有限公司 一种实现智能转电辅助决策的方法及***
CN104809519A (zh) * 2015-04-29 2015-07-29 国家电网公司 一种计及电网拓扑优化的电力***经济调度方法
CN107093928A (zh) * 2017-03-31 2017-08-25 贵州电网有限责任公司凯里供电局 配电网调度辅助决策及故障分析***
CN107516896A (zh) * 2017-08-28 2017-12-26 国网江苏省电力公司技能培训中心 一种基于决策树剪枝算法的负荷恢复方案生成方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003219558A (ja) * 2002-01-24 2003-07-31 Hitachi Ltd 配電系統制御装置および配電系統構成作成装置
WO2011069061A1 (en) * 2009-12-04 2011-06-09 Abb Research Ltd Restoration switching analysis with genetic algorithm
CN103368190A (zh) * 2013-07-17 2013-10-23 国家电网公司 一种低压负荷在线调相控制方法
CN103714491A (zh) * 2013-12-16 2014-04-09 天津大学 一种基于风险的电网调度操作票最佳序列生成方法
CN104778632A (zh) * 2015-03-31 2015-07-15 国网福建省电力有限公司 一种实现智能转电辅助决策的方法及***
CN104809519A (zh) * 2015-04-29 2015-07-29 国家电网公司 一种计及电网拓扑优化的电力***经济调度方法
CN107093928A (zh) * 2017-03-31 2017-08-25 贵州电网有限责任公司凯里供电局 配电网调度辅助决策及故障分析***
CN107516896A (zh) * 2017-08-28 2017-12-26 国网江苏省电力公司技能培训中心 一种基于决策树剪枝算法的负荷恢复方案生成方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
傅军栋;岳靖林;: "智能调度故障操作票生成***研究", 现代电子技术, no. 13, pages 138 - 142 *
夏媚珠 等: "基于改进遗传算法配电网络重构的研究", 《 科协论坛(下半月)》, pages 97 - 99 *
曾凯: "基于风险理论的电网智能调度操作票***的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
曾凯: "基于风险理论的电网智能调度操作票***的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 5, 15 May 2015 (2015-05-15), pages 11 - 20 *
林晓庆 等: "基于网络重构的电网智能调度操作票***开发研究", 《电力***保护与控制》 *
林晓庆 等: "基于网络重构的电网智能调度操作票***开发研究", 《电力***保护与控制》, vol. 40, no. 7, 1 April 2012 (2012-04-01), pages 144 - 146 *
王敏等: "混沌遗传算法在船舶电力***供电恢复中的应用研究", 《江苏科技大学学报(自然科学版)》 *
王敏等: "混沌遗传算法在船舶电力***供电恢复中的应用研究", 《江苏科技大学学报(自然科学版)》, no. 05, 15 October 2008 (2008-10-15), pages 6 - 10 *
郭琳 等: "基于非线性整数规划的配网负荷转供优化建模", 《机电工程技术》 *
郭琳 等: "基于非线性整数规划的配网负荷转供优化建模", 《机电工程技术》, vol. 45, no. 10, 26 October 2016 (2016-10-26), pages 96 - 100 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792538A (zh) * 2021-08-27 2021-12-14 北京科东电力控制***有限责任公司 一种配电网操作票快速生成方法及装置
CN113792538B (zh) * 2021-08-27 2024-05-14 北京科东电力控制***有限责任公司 一种配电网操作票快速生成方法及装置
CN117436703A (zh) * 2023-11-27 2024-01-23 国网江苏省电力有限公司扬州供电分公司 一种基于遗传算法的输电工作票安全措施生成方法

Also Published As

Publication number Publication date
CN113159443B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Şerban et al. Artificial intelligence for smart renewable energy sector in europe—smart energy infrastructures for next generation smart cities
Lara et al. Robust energy management of isolated microgrids
CN108491969B (zh) 基于大数据的空间负荷预测模型构建方法
Jabr et al. A primal-dual interior point method for optimal power flow dispatching
CN104424512B (zh) 操作计划决策方法和操作计划决策***
US20030167265A1 (en) Computer method and user interface for decision analysis and for global system optimization
CN113159443A (zh) 一种适用于操作票的最优路径选择方法及***
Wang et al. An approach for integrated generation and transmission maintenance scheduling considering N-1 contingencies
Oree et al. A multi-objective framework for long-term generation expansion planning with variable renewables
CN104252652A (zh) 电力***中空间负荷预测方法
CN111932072A (zh) 一种基于os2架构的电网综合管控方法及***
CN111680452A (zh) 基于全要素数据挖掘的电网工程精准投资决策仿真方法
Sharma et al. Development of multi-objective scheduling model for construction projects using opposition-based NSGA III
Shendryk et al. Decision making for energy management in smart grid
CN110378510A (zh) 一种基于时间序列和层次聚合的配网物资需求预测方法
CN101527454A (zh) 一种电网年度运行方式报告自动生成方法
CN105186686A (zh) 一种基于全网拓扑的电网调度智能防误策略***
CN105741016A (zh) 一种用于中期电网规划的静态可靠性概率指标获取方法
Saric et al. Two-stage stochastic programming model for market clearing with contingencies
CN109842121B (zh) 多级多区域协控减负荷在线仿真建模方法及***
CN103729739B (zh) 基于psd-bpa的上下级电网运行方式网络模型整合***
CN116128270A (zh) 多源数据融合的电网作业计划管理方法及装置
US20230196292A1 (en) Planning method and planning apparatus for production capacity allocation
Farghal et al. Generation expansion planning: an expert system approach
CN113783179B (zh) 一种电网负荷预测及优化方法

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