基于NSGA-Ⅲ算法的变电站工作分配方法及装置制造方法及图纸

本发明专利技术提供一种基于NSGA

【技术实现步骤摘要】
基于NSGA
‑Ⅲ
算法的变电站工作分配方法及装置


[0001]本专利技术涉及变电站
，具体涉及一种基于NSGA
‑Ⅲ
算法的变电站工作分配方法和一种基于NSGA
‑Ⅲ
算法的变电站工作分配装置。

技术介绍

[0002]在电力系统中，电能的发输配用各个环节是一个不可分割的整体，其中变电站作为电力系统中一个重要组成部分，担负着变电配电的重要任务。随着配电网的逐步发展，配网调度所管辖的设备与变电站工作量也在逐年增多，目前，变电站的调度工作存在工作量大导致的工作分配效率低、效果差的问题。

技术实现思路

[0003]本专利技术为解决相关技术中工作量大导致的工作分配效率低、效果差的问题的问题，提出了如下技术方案。
[0004]本专利技术第一方面实施例提出了一种基于NSGA
‑Ⅲ
算法的变电站工作分配方法，包括以下步骤：建立变电站工作分配问题的多个目标函数以及所述目标函数的约束条件；对NSGA
‑Ⅲ
算法进行改进以得到改进的NSGA
‑Ⅲ
算法；结合所述目标函数的约束条件，通过所述改进的NSGA
‑Ⅲ
算法求解所述目标函数，以得到所述变电站的最优工作分配方案；根据所述最优工作分配方案对所述变电站进行工作分配。
[0005]另外，根据本专利技术上述实施例的基于NSGA
‑Ⅲ
算法的变电站工作分配方法还可以具有如下附加的技术特征。
[0006]根据本专利技术的一个实施例，多个所述目标函数为：
[0007]F＝min(f1,f2,f3,1/f4)
ꢀꢀ
(1)
[0008]f1＝max C
i
,i∈J
ꢀꢀ
(2)
[0009][0010][0011]f2＝max W
t
ꢀꢀ
(5)
[0012][0013]f3＝max W
T
ꢀꢀ
(7)
[0014][0015][0016]其中，F表示多个目标综合最小的函数，f1表示最大完工时间的目标函数，f2表示工
人最大工作时间的目标函数，f3表示工人最大总工作时长的目标函数，f4表示对工作任务工人最大工作经验匹配的目标函数；
[0017]J表示所有工作任务的集合，n表示工作任务的总数，J＝{1，2，
…
，n}，i表示工作任务序号，i∈J；j表示工序序号，j∈R
i
，R
i
表示工作任务i的工序集合，p
i
表示工作任务i的工序总数，R
i
＝{1，2，
…
，p
i
}；M表示工人集合，m表示工人总数，M＝{1,2，
…
，m}；k表示工人序号，k∈M；O
ij
表示工作任务i的第j道工序；M
ij
表示工序O
ij
可以选择的员工集合，M
ij
∈M；S
ij
表示工序O
ij
的开工时间，S
ij
≥0；C
ij
表示工序O
ij
的完工时间，C
ij
≥0；T
ijk
表示工人M
k
处理工序O
ij
的工作时间；X
ijk
表示工序O
ij
是否分配给工人M
k
，X
ijk
＝0或X
ijk
＝1，X
ijk
＝0时表示工序O
ij
未分配给工人M
k
，X
ijk
＝1时表示工序O
ij
分配给工人M
k
；W
t
表示一个工人的总工作时间，W
T
表示所有工人的总工作时间；E
ijk
表示工人M
k
对工序O
ij
的工作经验匹配结果。
[0018]根据本专利技术的一个实施例，所述约束条件为：
[0019]X
ijk
＝1或X
ijk
＝0
ꢀꢀ
(10)
[0020][0021][0022]其中，公式(10)约束了在同一时刻，一项工作任务只能分派给一个工人，工作任务只有已分派和未分派两种状态；公式(11)约束了同一时刻处理同一项工作任务的工序时，只有在前道工序完成后，后面紧邻工序才能开始被处理。
[0023]根据本专利技术的一个实施例，对NSGA
‑Ⅲ
算法进行改进，包括：采用自适应初始化策略初始化种群，生成第一代父代种群；结合小生境算法改进精英算法，采用改进的精英算法得到新种群；从新种群中选择个体进行变邻域搜索，将变邻域搜索后得到的个体与所述新种群中剩下的个体合并形成新父代种群。
[0024]根据本专利技术的一个实施例，结合所述目标函数的约束条件，通过所述改进的NSGA
‑Ⅲ
算法求解所述目标函数，以得到所述变电站的工作分配方案，包括：
[0025]步骤1：设置参数，其中，所述参数包括种群规模N、当前迭代次数t,最大迭代次数maxGen和每个所述目标函数的等分数H；
[0026]步骤2：产生一组均匀分布的参考点集合；
[0027]步骤3：采用分段自然数为工人和工作任务的工序编码，编码分别为工序码、工人码；
[0028]步骤4：采用自适应初始化策略初始化种群，生成规模为N的第一代父代种群P0；
[0029]步骤5：对第t代父代种群P
t
中的个体进行快速非支配排序，以将第t代父代种群P
t
中的个体放入各非支配层中，将排序后的第一代父代种群P0进行交叉和变异操作，生成第t代子代种群Q
t
，令迭代次数t＝1；
[0030]步骤6：合并第t代父代种群P
t
与第t代子代种群Q
t
得到规模为2N的临时种群R
t
；
[0031]步骤7：对所述临时种群R
t
进行快速非支配排序，改进精英策略，从第一非支配层F1开始，按顺序合并各非支配层中的前第一数量n
w
的个体组成规模为N的新种群S
t
，其中，对于最后一层非支配层F
l
，通过小生境算法从最后一层非支配层F
l
中选择出c个个体并入新种群S
t
中；
[0032]步骤8：采用自适应策略，从所述新种群S
t
中选择第二数量的个体进行变邻域搜索，将变邻域搜索后得到的个体与新种群S
t
中剩下的个体合并形成新父代种群P
t+1
，再对新父代种群P
t+1...

【技术保护点】

【技术特征摘要】
1.一种基于NSGA
‑Ⅲ
算法的变电站工作分配方法，其特征在于，包括以下步骤：建立变电站工作分配问题的多个目标函数以及所述目标函数的约束条件；对NSGA
‑Ⅲ
算法进行改进以得到改进的NSGA
‑Ⅲ
算法；结合所述目标函数的约束条件，通过所述改进的NSGA
‑Ⅲ
算法求解所述目标函数，以得到所述变电站的最优工作分配方案；根据所述最优工作分配方案对所述变电站进行工作分配。2.根据权利要求1所述的基于NSGA
‑Ⅲ
算法的变电站工作分配方法，其特征在于，多个所述目标函数为：F＝min(f1,f2,f3,1/f4)
ꢀꢀ
(1)f1＝maxC
i
,i∈J
ꢀꢀ
(2)(2)f2＝maxW
t
ꢀꢀ
(5)f3＝maxW
T
ꢀꢀ
(7)(7)其中，F表示多个目标综合最小的函数，f1表示最大完工时间的目标函数，f2表示工人最大工作时间的目标函数，f3表示工人最大总工作时长的目标函数，f4表示对工作任务工人最大工作经验匹配的目标函数；J表示所有工作任务的集合，n表示工作任务的总数，J＝{1，2，
…
，n}，i表示工作任务序号，i∈J；j表示工序序号，j∈R
i
，R
i
表示工作任务i的工序集合，p
i
表示工作任务i的工序总数，R
i
＝{1，2，
…
，p
i
}；M表示工人集合，m表示工人总数，M＝{1,2，
…
，m}；k表示工人序号，k∈M；O
ij
表示工作任务i的第j道工序；M
ij
表示工序O
ij
可以选择的员工集合，M
ij
∈M；S
ij
表示工序O
ij
的开工时间，S
ij
≥0；C
ij
表示工序O
ij
的完工时间，C
ij
≥0；T
ijk
表示工人M
k
处理工序O
ij
的工作时间；X
ijk
表示工序O
ij
是否分配给工人M
k
，X
ijk
＝0或X
ijk
＝1，X
ijk
＝0时表示工序O
ij
未分配给工人M
k
，X
ijk
＝1时表示工序O
ij
分配给工人M
k
；W
t
表示一个工人的总工作时间，W
T
表示所有工人的总工作时间；E
ijk
表示工人M
k
对工序O
ij
的工作经验匹配结果。3.根据权利要求2所述的基于NSGA
‑Ⅲ
算法的变电站工作分配方法，其特征在于，所述约束条件为：约束条件为：
其中，公式(10)约束了在同一时刻，一项工作任务只能分派给一个工人，工作任务只有已分派和未分派两种状态；公式(11)约束了同一时刻处理同一项工作任务的工序时，只有在前道工序完成后，后面紧邻工序才能开始被处理。4.根据权利要求1所述的基于NSGA
‑Ⅲ
算法的变电站工作分配方法，其特征在于，对NSGA
‑Ⅲ
算法进行改进，包括：采用自适应初始化策略初始化种群，生成第一代父代种群；结合小生境算法改进精英算法，采用改进的精英算法得到新种群；从新种群中选择个体进行变邻域搜索，将变邻域搜索后得到的个体与所述新种群中剩下的个体合并形成新父代种群。5.根据权利要求1或4所述的基于NSGA
‑Ⅲ
算法的变电站工作分配方法，其特征在于，结合所述目标函数的约束条件，通过所述改进的NSGA
‑Ⅲ
算法求解所述目标函数，以得到所述变电站的工作分配方案，包括：步骤1：设置参数，其中，所述参数包括种群规模N、当前迭代次数t,最大迭代次数maxGen和每个所述目标函数的等分数H；步骤2：产生一组均匀分布的参考点集合；步骤3：采用分段自然数为工人和工作任务的工序编码，编码分别为工序码、工人码；步骤4：采用自适应初始化策略初始化种群，生成规模为N的第一代父代种群P0；步骤5：对第t代父代种群P
t
中的个体进行快速非支配排序，以将第t代父代种群P
t
中的个体放入各非支配层中，将排序后的第一代父代种群P0进行交叉和...

【专利技术属性】
技术研发人员：马鑫，褚国伟，胡汉巧，张关应，马剑勋，魏大洋，潘秦，蒋伟，李雪晨，郁清云，彭飞，侯姝斌，周柯清，甘宁，
申请(专利权)人：国网江苏省电力有限公司国家电网有限公司，
类型：发明
国别省市：