基于空间和用户负荷时序特征的并行三相不平衡优化方法技术

本发明专利技术提供一种基于空间和用户负荷时序特征的并行三相不平衡优化方法，根据低压配电网的网络结构以及台区用户接入位置的疏密程度对台区用户进行节点划分为多个节点集合M

【技术实现步骤摘要】
基于空间和用户负荷时序特征的并行三相不平衡优化方法


[0001]本专利技术属于电力电网
，特别涉及一种基于空间和用户负荷时序特征的并行三相不平衡优化方法。

技术介绍

[0002]目前的低压配电网由于其规模庞大、结构复杂的特点，导致其面临的各种用电问题日益突出，特别是三相不平衡问题。由于台区用户在时间上用电的随机性、用电负荷的不确定性以及各个台区用户在整个低压配电网网络中所处馈线的空间各异性，低压配电网在实际工程中存在着大量的三相不平衡现象，这对配电网的降损、台区用户的用电质量、变压器的正常温度运行等都产生了不利的影响。
[0003]目前治理三相不平衡问题的措施大多是通过电力电子变流器、无功补偿装置等对变压器低压侧的三相不平衡电压或者电流进行补偿，没有考虑到实际工程中低压配电网的网络结构。在现实情况中，台区用户接入馈线的位置并不是均匀变化的，而是存在着疏密之分，先前的治理方法都未细致考虑到这些因素，因此治理效果与预估治理效果有所偏差。
[0004]除了进行补偿的方法之外，自动换相开关也被应用于治理三相不平衡的问题当中，当监测到台区用户的三相不平衡度达到一定程度，即会下发指令给换相开关以降低三相不平衡度。但是换相开关有着最大换相次数的限制且其价格较为昂贵，一般一个台区只会安装5
‑
8个换相开关。因此，设计一种更为优异的低压配电网的三相不平衡优化方法，成为研究方向。

技术实现思路

[0005]本专利技术基于低压配电网的网络结构及台区用户负荷时序特征，将整个低压配电网进行节点划分，将每个节点的台区用户集合进行单独聚类分析，形成每个节点集合的典型负荷数据库，并提出了一种考虑父辈基因隔代遗传的改进遗传算法，以全天平均三相不平衡度最小为优化目标进行优化治理，形成并行多线程治理优化结构，仅通过一次换相操作，即可实现长效三相平衡，且每个节点间互相独立，其三相平衡程度互不影响，更容易实现区域单独治理。
[0006]一种基于空间和用户负荷时序特征的并行三相不平衡优化方法，其包括以下步骤：
[0007]S1、根据台区用户接线疏密情况将低压配电网的N个台区用户分为多个节点集合{M
i
|i＝1，2，
…
，m}，其中，N和m为正整数；
[0008]其中，每一个节点集合包含的台区用户的接线位置紧密且电气距离相同，每个节点集合M
i
中包含了n
i
个台区用户，即n1+n2+...+n
i
+...+n
m
＝N，其中，n
i
为正整数；
[0009]S2、获取低压配电网N个台区用户标定时段内的平均日负荷数据矩阵P；
[0010]P＝[P
1 P
2 ... P
k ... P
N
]T (1)
[0011]其中，P表示N个用户负荷功率数据构成的平均日负荷矩阵；P
k
表示第k个用户的平
均日负荷功率矩阵，k＝1、2、
…
、N；
[0012]S3、针对每个节点集合M
i
的台区用户，结合聚类有效性函数单独分析确定最佳分类数c
i*
，并根据最佳分类数c
i*
采用模糊C均值聚类算法对P进行聚类，将每个节点用户的聚类中心作为该类用户的典型负荷曲线，具体包括：
[0013]S31、确定聚类有效性函数L(U,c)，U为隶属度矩阵，c为分类数；
[0014]S32、针对每一个节点集合，使用FCM聚类算法分别求出c
i
从2到n
i
的隶属度矩阵U
i
和聚类中心V
i
，其中，c
i
为每个节点集合的分类数；
[0015]S33、使用聚类有效性函数L(U,c)得到每个节点集合的最佳分类数目c
i*
；
[0016]S34、根据每个节点的最佳分类数目c
i*
对每个节点集合M
i
内用户进行分类，并将每一类用户的聚类中心作为典型负荷曲线；
[0017]S4、创建考虑父辈基因隔代遗传的改进的遗传算法；
[0018]考虑父辈基因隔代遗传的改进的遗传算法是在遗传算法每一次迭代的交叉过程之后，选取父代和其产生的子代共4个个体共同进行竞争，选取其中适应度最高的两个个体进入到新群体当中，再进行变异操作，具体为：
[0019]S41、确定种群数量，以给定用户的固定相序组合作为基因编码，初始化第0代种群；
[0020]S42、将给定用户的全天平均三相不平衡度作为适应度，计算种群的每一个个体的适应度，并保存最优的个体；
[0021]S43、去掉三相不平衡较高的相序组合；
[0022]S44、对选择操作后的种群进行两两交叉操作，并在交叉操作结束后，对父代与其产生的子代共4个个体进行竞争，选出其中全天三相不平衡度较低的两个个体进入到新群体当中；
[0023]S45、对新种群进行变异操作，扩大基因搜索空间；判断是否满足算法结束条件，若不满足则返回S42，若满足，则输出最优解，所述最优解为全天平均三相不平衡度最低所对应的台区用户相序组合；
[0024]S5、应用考虑父辈基因隔代遗传的改进的遗传算法对每个节点以全天平均三相不平衡度最小作为目标函数进行并行的单独优化治理，最终确定所有节点的台区用户的最佳相序，使整个台区的相序组合达到三相平衡状态；
[0025]S51、根据步骤S3中每个节点用户分类的结果，将得到的每个节点的各类典型负荷曲线作为台区用户的实际负荷曲线；
[0026]S52、以每个节点用户的负荷功率计算三相不平衡度功率指标，计算表达式如下：
[0027][0028][0029]其中，α为A、B、C三相，p
αi
为节点i的α相瞬时功率值；为节点i的瞬时三相平均功率，g
αi
表示节点i的α相不平衡度，p
Ai
为节点i的A相瞬时功率值；p
B
为节点i的B相瞬时功率值；p
Ci
为节点i的C相瞬时功率值；
[0030]S53、根据建立的三相不平衡度功率指标，依据创建的考虑父辈基因隔代遗传的改进的遗传算法对每个节点以24小时平均三相不平衡度最小作为目标函数进行节点优化，具体为：
[0031]S531、针对节点1，仅输入节点1典型负荷曲线替代后的台区用户平均负荷矩阵，基于S4创建的考虑父辈基因隔代遗传的改进遗传算法，以全天三相不平衡度最小为目标函数进行优化求解，将最优解作为节点1各用户的最佳接入相序；
[0032]S532、继续针对节点2，仅输入节点2典型负荷曲线替代后的台区用户平均负荷矩阵，继续进行优化求解确定节点2的各台区用户的最佳接入相序；按节点反复执行此优化操作，直至所有台区用户的最佳相序确定，此时整个台区和主要馈线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空间和用户负荷时序特征的并行三相不平衡优化方法，其特征在于，具体包括以下步骤：S1、根据台区用户接线疏密情况将低压配电网的N个台区用户分为多个节点集合{M
i
|i＝1，2，
…
，m}，其中，N和m为正整数；其中，每一个节点集合包含的台区用户的接线位置紧密且电气距离相同，每个节点集合M
i
中包含了n
i
个台区用户，即n1+n2+...+n
i
+...+n
m
＝N，其中，n
i
为正整数；S2、获取低压配电网N个台区用户标定时段内的平均日负荷数据矩阵P；P＝[P
1 P
2 ... P
k ... P
N
]
T
ꢀꢀ
(1)其中，P表示N个用户负荷功率数据构成的平均日负荷矩阵；P
k
表示第k个用户的平均日负荷功率矩阵，k＝1、2、
…
、N；S3、针对每个节点集合M
i
的台区用户，结合聚类有效性函数单独分析确定最佳分类数c
i*
，并根据最佳分类数c
i*
采用模糊C均值聚类算法对P进行聚类，将每个节点用户的聚类中心作为该类用户的典型负荷曲线，具体包括：S31、确定聚类有效性函数L(U,c)，U为隶属度矩阵，c为分类数；S32、针对每一个节点集合，使用FCM聚类算法分别求出c
i
从2到n
i
的隶属度矩阵U
i
和聚类中心V
i
，其中，c
i
为每个节点集合的分类数；S33、使用聚类有效性函数L(U,c)得到每个节点集合的最佳分类数目c
i*
；S34、根据每个节点的最佳分类数目c
i*
对每个节点集合M
i
内用户进行分类，并将每一类用户的聚类中心作为典型负荷曲线；S4、创建考虑父辈基因隔代遗传的改进的遗传算法；考虑父辈基因隔代遗传的改进的遗传算法是在遗传算法每一次迭代的交叉过程之后，选取父代和其产生的子代共4个个体共同进行竞争，选取其中适应度最高的两个个体进入到新群体当中，再进行变异操作，具体为：S41、确定种群数量，以给定用户的固定相序组合作为基因编码，初始化第0代种群；S42、将给定用户的全天平均三相不平衡度作为适应度，计算种群的每一个个体的适应度，并保存最优的个体；S43、去掉三相不平衡较高的相序组合；S44、对选择操作后的种群进行两两交叉操作，并在交叉操作结束后，对父代与其产生的子代共4个个体进行竞争，选出其中全天三相不平衡度较低的两个个体进入到新群体当中；S45、对新种群进行变异操作，扩大基因搜索空间；判断是否满足算法结束条件，若不满足则返回S42，若满足，则输出最优解，所述最优解为全天平均三相不平衡度最低所对应的台区用户相序组合；S5、应用考虑父辈基因隔代遗传的改进的遗传算法对每个节点以全天平均三相不平衡度最小作为目标函数进行并行的单独优化治理，最终确定所有节点的台区用户的最佳相序，使整个台区的相序组合达到三相平衡状态；S51、根据步骤S3中每个节点用户分类的结果，将得到的每个节点的各类典型负荷曲线作为台区用户的实际负荷曲线；S52、以每个节点用户的负荷功率计算三相不平衡度功率指标，计算表达式如下：
其中，α为A、B、C三相，p
αi
为节点i的α相瞬时功率值；为节点i的瞬时三相平均功率，g
αi
表示节点i的α相不平衡度，p
Ai
为节点i的A相瞬时功率值；p
B
为节点i的B相瞬时功率值；p
Ci
为节点i的C相瞬时功率值；S53、根据建立的三相不平衡度功率指标，依据创建的考虑父辈基因隔代遗传的改进的遗传算法对每个节点以24小时平均三相不平衡度最小作为目标函数进行节点优化，具体为：S531、针对节点1，仅输入节...

【专利技术属性】
技术研发人员：王燕，朱正甲，皇甫成，陈建华，范荻，秦亮，王二威，刘浩锋，刘开培，
申请(专利权)人：国家电网有限公司武汉大学，
类型：发明
国别省市：