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技术

本发明专利技术公开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，包括：读取配电台区配变和用户电表的电气量数据并进行筛选和剔除；确定以电气量为约束的能量函数；在网络拓扑的局部最优解基础上，采用遗传算法计算全局最优解；基于单边优化的构造方法进行多断面数据样本验证校核；验证正确性，在验证正确的情况下，输出低压配电网拓扑连接关系。本发明专利技术实现了自动推理出台区低压拓扑连接关系。实现了自动推理出台区低压拓扑连接关系。实现了自动推理出台区低压拓扑连接关系。

【技术实现步骤摘要】
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


[0001]本专利技术涉及配电网拓扑识别
，具体涉及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。

技术介绍

[0002]目前低压台区户-变拓扑关系的辨别，主要有以下几种方式：
[0003]一、巡线法：对于台区用户供电为架空线方式，传统的巡线法就是以用户表箱的下火线出线为起点，沿着下火线上溯巡线，直至配电变压器的出线端，沿途绘制布线图、记录设备的铭牌参数、编号。此方法的特点是：工作量大，效率低，一旦用户改线或增容后，又得重新巡线。
[0004]二、拉闸法：通过对配电变压器低压出线拉闸断电，在用户侧检验是否失电，一旦失电表明该用户即属于该变压器出线供电，若未失电，则表明不属于该变压器出线供电范围，以此类推。此方法的特点是：需要停电，引起用户不满，且依然存在一旦用户改线或增容后，又得重新来过的问题。
[0005]三、信号注入法：在配电变压器侧安装发送主机，在用户侧安装接收终端，利用供电线路注入特殊信号(如：脉冲信号、载波信号等)，通过主机发送与终端检测识别的相互配合，来判断出用户的供电属性。此方法的特点是：依然需要现场操作，工作量大，也同样存在一旦用户改线或增容后，又得重新来过的问题。
[0006]目前的台区低压配电拓扑的识别还是依赖人工查线或侵入式安装设备的实现方式，需要人工参与，工作繁琐，时间长，且无法做到自动更新与识别，迫切需要能有一种自适应的台区低压配电网拓扑识别方法来解决上述问题。

技术实现思路

[0007]专利技术目的：本专利技术目的在于针对现有技术的不足，提供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，自动推理出台区低压拓扑连接关系。
[0008]技术方案：本专利技术所述的基于单边优化算法与遗传算法协作的低压配电网拓扑识别方法，采用如下步骤：(1)读取配电台区配变和用户电表的电气量数据，进行筛选与剔除；(2)确定以电气量为约束的能量函数；(3)运用神经网络，得到网络拓扑的初始解；(4)在初始解基础上，采用遗传算法计算全局最优解；(5)基于单边优化的构造方法进行多断面数据样本概率统计优化；(6)输出低压配电网拓扑连接关系。
[0009]进一步地，所述步骤(3)中采用V矩阵状态表示神经元状态，(n*m)*m个神经元对应(n*m)*m个用户表箱；在V矩阵的每行中，1表示用户表箱连接在某一电缆分支箱下，0表示没有连接关系。
[0010]进一步地，所述步骤(4)遗传算法中染色体的基因位置对应配电台区内的所有能接入位置，基因的值为所接入用户表箱的编号，以基尔霍夫定律计算电度量、电流、有功功率中任一种变化趋势的差值来构建适应度函数，再经过选择函数、交叉函数、变异函数、重
选函数、总函数来迭代寻优计算全局最优解。
[0011]进一步地，基于N次遗传算法计算结果，将每次计算的误差测量值ΔE1与历史ΔE1比较，若当前次ΔE1比历史ΔE1值小，保留当前次值为最优，否则舍弃当前次值，最后保留最优的一次ΔE1；
[0012]ΔE1的计算是由下面公式推导而来：
[0013][0014]ΔE
1-t
[i][j]＝(E
1-t
[i][j+1]-E
1-t
[i][j])/E
1-t
[i][j+1]；
[0015]i＝0,1,2,
…
,m_tzone-1；j＝0,1,2,
…
,TValidcount_num-2；
[0016]m_tzone表示台区数目，TValidcount_num表示参与运算的时刻点数；
[0017]其中ΔE
1-t
是各个台区配变P总的变化率；
[0018]ΔE
1-1-φ
[i][j]＝(E
1-1-φ
[i][j+1]-E
1-1-φ
[i][j])/E
1-1-φ
[i][j+1][0019]i＝0,1,2,
…
,m_tzone-1；j＝0,1,2,
…
,TValidcount_num-2；
[0020]其中，ΔE
1-1-φ
是用户侧的变化率，E
1-1-φ
是用户侧的可逆矩阵；
[0021]ΔE1是由Pop_num个数值组成的一维数组：
[0022]ΔE1＝min{ΔE1[m]}，A是乘法因子，A＝1,m∈[0,Pop_num-1]。
[0023]进一步地，所述多断面数据样本包括同源数据和不同源数据，同源数据是指在算法运行前预设周期长度，一次性载入整个周期长度获得的的数据信息，该数据信息和长度是固定不变的；不同源数据是指在不同周期内获得的同源数据信息的集合体。
[0024]进一步地，采用同源数据进行户-变拓扑判别，包括如下步骤：
[0025]基于N次遗传算法的计算结果，获得N个误差测量值ΔE1，将ΔE1按大小排序，剔除较大ΔE1值对应的判别结果，对剩下的判别结果做概率统计；
[0026]将判别结果进行户表归属台区归类，统计每个户表归属台区的次数，将判别次数最多的作为户表归属台区的事件判别结果，建立归属关系，且以归属该台区的判别次数作为权重；
[0027]将该权重的判别结果作为最优ΔE1单次样本空间纠正判别基础条件，在判别次数达到预期设定阈值时，改变最优单次ΔE1对应的判别结果，否则保留最优单次ΔE1对应的判别结果。
[0028]进一步地，采用同源数据进行户-相拓扑判别，包括如下步骤：
[0029]基于N次遗传算法的计算结果，获得N个误差测量值ΔE1，将ΔE1按大小排序，剔除较大的ΔE1值对应的判别结果，对剩下的判别结果做概率统计；
[0030]将判别结果进行户表归属A/B/C相归类，统计每个户表归属A/B/C的次数，将判别次数最多作为户表归属A/B/C的事件判别结果，建立归属关系，且以归属该A/B/C的判别次数作为权重；
[0031]将该判别结果作为最优ΔE1单次样本空间纠正判别基础条件，在判别次数达到预期设定阈值时，改变最优单次ΔE1对应的判别结果，否则保留最优单次ΔE1对应的判别结果。
[0032]进一步地，采用不同源数据进行户-相或户-变拓扑判别，包括如下步骤：在计算过程中若加载一确定的同源数据，按照同源数据的方法执行运算，保留最终的一次判别结果，
然后再加载其它数据源，直到跑完所有的不同源数据，最后分别将不同源数据的每次计算结果再做新一轮概率次数统计，将对应最大概率的判别结果的确属关系作为最终判别结果。
[0033]进一步地，所述同源数据剔除较大ΔE1值后保留不大于10次的计算结果；所述判别次数预期设定阈值的设置为：两个台区不低于8次默认为正确判别，三个台区不低于7次默认为正确判别，超过三个台区不低于5次默认为正确判别。
[0034]进一步地，所述不同源数据剔除较大ΔE本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.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，其特征在于，采用如下步骤：(1)读取配电台区配变和用户电表的电气量数据，进行筛选与剔除；(2)确定以电气量为约束的能量函数；(3)运用神经网络，得到网络拓扑的初始解；(4)在初始解基础上，采用遗传算法计算全局最优解；(5)基于单边优化的构造方法进行多断面数据样本概率统计优化；(6)输出低压配电网拓扑连接关系。2.根据权利要求1所述的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，其特征在于：所述步骤(3)中采用V矩阵状态表示神经元状态，(n*m)*m个神经元对应(n*m)*m个用户表箱；在V矩阵的每行中，1表示用户表箱连接在某一电缆分支箱下，0表示没有连接关系。3.根据权利要求1所述的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，其特征在于：所述步骤(4)遗传算法中染色体的基因位置对应配电台区内的所有能接入位置，基因的值为所接入用户表箱的编号，以基尔霍夫定律计算电度量、电流、有功功率中任一种变化趋势的差值来构建适应度函数，再经过选择函数、交叉函数、变异函数、重选函数、总函数来迭代寻优计算全局最优解。4.根据权利要求3所述的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，其特征在于：基于N次遗传算法计算结果，将每次计算的误差测量值ΔE1与历史ΔE1比较，若当前次ΔE1比历史ΔE1值小，保留当前次值为最优，否则舍弃当前次值，最后保留最优的一次ΔE1；ΔE1的计算是由下面公式推导而来：ΔE
1-t
[i][j]＝(E
1-t
[i][j+1]-E
1-t
[i][j])/E
1-t
[i][j+1]；i＝0,1,2,
…
,m_tzone-1；j＝0,1,2,
…
,TValidcount_num-2；m_tzone表示台区数目，TValidcount_num表示参与运算的时刻点数；其中ΔE
1-t
是各个台区配变P总的变化率，ABS表示取绝对值；ΔE
1-1-φ
[i][j]＝(E
1-1-φ
[i][j+1]-E
1-1-φ
[i][j])/E
1-1-φ
[i][j+1]i＝0,1,2,
…
,m_tzone-1；j＝0,1,2,
…
,TValidcount_num-2；其中，ΔE
1-1-φ
是用户侧的变化率，E
1-1-φ
是用户侧的可逆矩阵；ΔE1是由Pop_num个数值组成的一维数组：ΔE1＝min{ΔE1[m]}，A是乘法因子，A＝1,m∈[0,Pop_num-1]。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：唐明群，徐文，孙大璟，葛善虎，高尚源，
申请(专利权)人：江苏德能电力设计咨询有限公司，
类型：发明
国别省市：