一种基于拓扑降解的复杂配电网PQM优化方法技术

本发明专利技术提供的一种基于拓扑降解的复杂配电网PQM优化方法，对于给定配电网线路图，将其转化为节点与线路的网络拓扑图，降解拓扑结构，包括网络拓扑简化过程和网络划拓扑分过程；对于划分后的子网，进行PQM优化配置，包括PQM配置模型的构建过程和基于TLBO的优化配置求解过程。本发明专利技术基于网络拓扑和基尔霍夫N‑1定律，首次提出在求解PQM配置前先进行网络拓扑降解的思想方案，大大降低优化模型的求解维度，加快求解速度，减少了工作难度，提高了复杂网络的监测器配置分析计算效率。

A PQM optimization method for complex distribution network based on topology degradation

【技术实现步骤摘要】
一种基于拓扑降解的复杂配电网PQM优化方法
本专利技术属于电气二次系统领域，特别的一种基于拓扑降解的复杂配电网PQM优化配置。
技术介绍
近十年来我国发电量不断增长，电成为人们生活必不可少的一部分，较高的用电量在保证高效便捷的社会生产生活的同时也产生了一系列相关问题。用电设备的类型越来越多，线路的结构也越来越复杂，随着而来的电能质量问题对多方造成了不同程度的影响，所带来的经济损失也无法估量。电能质量监测器(PQM)能实时监测到线路的电能质量数据，及时为相关部门提供线路状况参考，提前清除故障隐患，以保障用户的用电质量。而配电网结构庞大且复杂，分支较多，用户类型多种多样，分布较散，无固定规律，且PQM成本较高，为实现全网监控，若对每条支路都进行安装，其带来的经济效益并不可观。因此，对电网的PQM采取最优配置，达到以最少PQM配置数实现监测目的具有重要的工程意义。对于电网PQM优化配置问题，现有基于多目标遗传的方法，考虑到最终的监测效果与经济性，建立以两者为目标的非线性函数，求得一组最优解即为最优配置方案；基于状态估计与多种群改进遗传的方法，建立状态估计矩阵，通过已安装PQM获取的电能质量数据来估计其他节点的电能质量，得到一个数据估计的准确度，利用多种群改进遗传算法来求取能使成本最低和准确度最高的那组配置优化结果；基于粒子群优化的方法，同时考虑到电压、电流的信息完善性，构造优化评价函数，实现在电网以较低的成本达到全网监测的目的。但上述方法都未考虑到配电网的支路繁多，结构复杂的特点，若直接对配电网进行PQM配置问题求解会造成因求解维度过多使得求解时间长，甚至易造成局部最优不能得到最满意配置方案的后果。因此，首先对配电网络进一步分析，简化网络拓扑,降低网络维度，再进行后续的PQM配置问题，其网络求解的速度会大大加大，运算难度也会大大降低，具有重要的现实意义。
技术实现思路
为了提高配电网电能质量监测效率，保障电网的稳定运行，本专利技术提出了一种基于拓扑降解的复杂配电网PQM优化配置，简化复杂网络拓扑，将复杂配电网划分为几个独立的小型子网，降低模型难度，实现以最少的PQM数量达到全网监测的目标。本专利技术提供的一种基于拓扑降解的复杂配电网PQM优化配置，简化复杂网络拓扑，将复杂配电网划分为几个独立的小型子网，基于降解后的网络拓扑实现PQM的优化配置，具体实现步骤如下：步骤1、给定配电网线路图，将其转化为节点与线路的网络拓扑图，降解拓扑结构，包括拓扑简化过程和拓扑划分过程，所述拓扑简化过程，包括基于节点消去法将无分支节点消去，得到简化后的网络拓扑图；所述拓扑划分过程，包括基于树搜索思想的网络转化过程和基于TLBO的最优拓扑划分过程；步骤2、对于划分后的子网，进行PQM优化配置，包括PQM配置模型的构建过程和基于TLBO的优化配置求解过程。在上述的一种基于拓扑降解的复杂配电网PQM优化方法，拓扑简化过程的具体方法是：将拓扑看作节点和线路组成，对于无分支节点即仅有一条进线和一条出线的节点，将其合并，且将其前后两条线路电气元件参数叠加，消去这些中间节点，获得简化后的网络拓扑图。在上述的一种基于拓扑降解的复杂配电网PQM优化方法，所述基于树搜索思想的网络转化过程包括网络转化树形图过程和树的均衡偏差δ计算过程,其中，网络转化树形图过程包括：步骤1、电力网络拓扑图由节点与线路以一定的连接方式连接而成具有层次结构的集合；树状图是由有限结点和树枝组成一个具有层次关系的集合；电力的传输将电能由电力网母线传输给母线连接的各个分支线路，这与树有相似的层次结构；因此将网络节点当作树的结点，线路即为树的树枝；步骤2、将树结点和树枝连接起来形成树状图；均衡偏差δ计算过程包括：步骤1、针对所得的树形图，对各树枝进行编码；步骤2、设树节点的度为S，树的深度为D；在m棵树的集合中，用每棵树的节点度的和S、树的深度的和D，以及该集合中两个量的平均值计算出树的均衡偏差δ，即在上述的一种基于拓扑降解的复杂配电网PQM优化方法，所述基于TLBO的最优拓扑划分过程，包括以下步骤，步骤1、设X为树形图划分位置集合，用Xi取值1或0分别表示是否在树枝i处对网络进行划分，为使网络划分均匀，建立拓扑划分模型f(X)＝min{δ}；步骤2、基于拓扑划分模型，利用TLBO算法进行求解，TLBO算法求解过程包括以下步骤，a)随机初始化群体X并设置算法结束条件即训练次数，产生多组向量进行训练；b)确定种群X中最优的个体，将其定为老师，并计算X的均值Xmean及两者间差异，即，Xteacher＝XbestDifference＝Xteacher-Xmeanc)进行教学过程，每个个体根据Xteacher和Xmean间差异进行学习，即，d)对其进行择优更新，即，e)进行学习过程，即每个个体随机选择一个学习对象Xj学习，即，f)对其进行择优更新，即，g)判断此时能否满足设定的算法结束条件，如果满足，输出最优个体，如果不满足，则继续循环步骤c-g；得到的最优个体即为网络拓扑最佳划分位置集合，将给定的复杂网络降解为几个独立的子网。在上述的一种基于拓扑降解的复杂配电网PQM优化方法，所述PQM配置模型的构建过程，包括系统不明确指数的计算过程和多目标模型的确立过程；所述系统不明确指数的计算过程包括通过系统总体不明确指数λSTA和局部最大不明确指λSTA和局部最大不明确指数确定λSMA确定平均不明确指数λSAA，以衡量系统的可监测程度，其计算过程如下：式中λSTA为系统总体不明确指数，λSMA为局部最大不明确指数，NDi为区域i中未被监测的线路条数，Ni为节点i上连接的支路条数，由于监测器的设置，网络会被分为若干个区域，n为该系统配置PQM后的区域个数；所述多目标模型的确立过程包括使得平均不明确指数λSAA和PQM数量N为最小，具体包括，设L为PQM安装位置集合，用Li取值1或0分别表示是否在树枝i处安装，为使监测效果最佳，建立目标模型f(L)＝min{λSAA,N}。在上述的一种基于拓扑降解的复杂配电网PQM优化方法，所述基于TLBO的优化配置求解过程包括利用TLBO算法求解PQM配置的目标模型f(L)＝min{λSAA,N}，其具体步骤如下，a)随机初始化群体L并设置算法结束条件即训练次数，产生多组向量进行训练；b)确定种群L中最优的个体，将其定为老师，并计算L的均值Lmean及两者间差异，即，Lteacher＝LbestDifference＝Lteacher-Lmeanc)进行教学过程，每个个体根据Lteacher和Lmean间差异进行学习，即，d)对其进行择优更新，即，e)进行学习过程，即每个个体随机选择一个学习对象Lj学习，即，f)对其进行择优更新，即，g)判断此时能否满足设定的算法结束条件，如果满足，输出最优个体，如果不满足，则继续循环步骤c-g；得到的最优个体即为网络安装PQM最佳位置集合。在上述的一种基于拓扑降解的复杂配电网PQM优化方法，对树形图划分位置X进行取值时，为使得更准确快速地找到网络划分位置，降低网络求解维度，对其提出了以下约束条件，i为线路编号，i＝1,2,...,k；E为子节点有连接线路的线路编号集合，各式分别表示不在其子节点未连接线路的线路上进行网络划分；在子节本文档来自技高网...

【技术保护点】
1.一种基于拓扑降解的复杂配电网PQM优化方法，其特征在于：简化复杂网络拓扑，将复杂配电网划分为几个独立的小型子网，基于降解后的网络拓扑实现对PQM的优化配置，具体实现步骤如下，步骤1、给定配电网线路图，将其转化为节点与线路的网络拓扑图，降解拓扑结构，包括拓扑简化过程和拓扑划分过程，所述拓扑简化过程，包括基于节点消去法将无分支节点消去，得到简化后的网络拓扑图；所述拓扑划分过程，包括基于树搜索思想的网络转化过程和基于TLBO的最优拓扑划分过程；步骤2、对于划分后的子网，进行PQM优化配置，包括PQM配置模型的构建过程和基于TLBO的优化配置求解过程。

【技术特征摘要】
1.一种基于拓扑降解的复杂配电网PQM优化方法，其特征在于：简化复杂网络拓扑，将复杂配电网划分为几个独立的小型子网，基于降解后的网络拓扑实现对PQM的优化配置，具体实现步骤如下，步骤1、给定配电网线路图，将其转化为节点与线路的网络拓扑图，降解拓扑结构，包括拓扑简化过程和拓扑划分过程，所述拓扑简化过程，包括基于节点消去法将无分支节点消去，得到简化后的网络拓扑图；所述拓扑划分过程，包括基于树搜索思想的网络转化过程和基于TLBO的最优拓扑划分过程；步骤2、对于划分后的子网，进行PQM优化配置，包括PQM配置模型的构建过程和基于TLBO的优化配置求解过程。2.根据权利要求1所述的一种基于拓扑降解的复杂配电网PQM优化方法，其特征在于：拓扑简化过程的具体方法是：将拓扑看作节点和线路组成，对于无分支节点即仅有一条进线和一条出线的节点，将其合并，且将其前后两条线路电气元件参数叠加，消去这些中间节点，获得简化后的网络拓扑图。3.根据权利要求1所述的一种基于拓扑降解的复杂配电网PQM优化方法，其特征在于：所述基于树搜索思想的网络转化过程包括网络转化树形图过程和树的均衡偏差δ计算过程,其中，网络转化树形图过程包括：步骤1、电力网络拓扑图由节点与线路以一定的连接方式连接而成具有层次结构的集合；树状图是由有限结点和树枝组成一个具有层次关系的集合；电力的传输将电能由电力网母线传输给母线连接的各个分支线路，这与树有相似的层次结构；因此将网络节点当作树的结点，线路即为树的树枝；步骤2、将树结点和树枝连接起来形成树状图；均衡偏差δ计算过程包括：步骤1、针对所得的树形图，对各树枝进行编码；步骤2、设树节点的度为S，树的深度为D；在m棵树的集合中，用每棵树的节点度的和S、树的深度的和D，以及该集合中两个量的平均值计算出树的均衡偏差δ，即4.根据权利要求1所述的一种基于拓扑降解的复杂配电网PQM优化方法，其特征在于：所述基于TLBO的最优拓扑划分过程，包括以下步骤，步骤1、设X为树形图划分位置集合，用Xi取值1或0分别表示是否在树枝i处对网络进行划分，为使网络划分均匀，建立拓扑划分模型f(X)＝min{δ}；步骤2、基于拓扑划分模型，利用TLBO算法进行求解，TLBO算法求解过程包括以下步骤，a)随机初始化群体X并设置算法结束条件即训练次数，产生多组向量进行训练；b)确定种群X中最优的个体，将其定为老师，并计算X的均值Xmean及两者间差异，即，Xteacher＝XbestDifference＝Xteacher-Xmeanc)进行教学过程，每个个体根据Xteacher和Xmean间差异进行学习，即，d)对其进行择优更新，即，e)进行学习过程，即每个个体随机选择一个学习对象Xj学习，即，f)对其进行择优更新，即，g)判断此时能否满足设定的算法结束条件，如果...

【专利技术属性】
技术研发人员：谢信霖，孙云莲，邹祁武，余军伟，卢珏，潘岐泽，张海涛，付斌，刘旺，张笑玲，冼鹏飞，蓝文军，
申请(专利权)人：广东电网有限责任公司清远英德供电局，
类型：发明
国别省市：广东,44