CN112003308A - 一种基于遗传算法的台区负荷平衡控制方法 - Google Patents
一种基于遗传算法的台区负荷平衡控制方法 Download PDFInfo
- Publication number
- CN112003308A CN112003308A CN202010854641.9A CN202010854641A CN112003308A CN 112003308 A CN112003308 A CN 112003308A CN 202010854641 A CN202010854641 A CN 202010854641A CN 112003308 A CN112003308 A CN 112003308A
- Authority
- CN
- China
- Prior art keywords
- phase
- phase current
- genetic algorithm
- unbalance
- current
- 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.)
- Withdrawn
Links
- 230000002068 genetic effect Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000035772 mutation Effects 0.000 claims abstract description 10
- 238000011217 control strategy Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 20
- 210000000349 chromosome Anatomy 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 2
- 239000010437 gem Substances 0.000 claims 1
- 238000012216 screening Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- 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
-
- 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
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及配电网控制技术领域，公开了一种基于遗传算法的台区负荷平衡控制方法，通过周期性读取台区首端三相电流数据，筛除异常数据，计算三相电流不平衡度和负载率，如果连续n次三相电流不平衡度大于阈值且负载率大于阈值，则基于遗传算法形成控制策略，主要包括产生初始种群；个体评价；选择；交叉；变异；策略校验等。与现有技术相比，本发明采用搜索能力较强且对目标函数依赖度低的遗传算法进行非线性多目标优化，以尽量少的动作次数达到较好的三相不平衡治理效果。
Description
技术领域
本发明涉及配电网控制技术领域，特别涉及一种基于遗传算法的台区负荷平衡控制方法。
背景技术
配电系统是电网与用户用电设备联络的枢纽，是电网系统的重要环节，配电网工作过程的综合优化规划是维持电网系统稳定性、减少电网管理资源浪费、提高用户用电质量的关键所在。通常采用传统的数学优化方法及近年不断发展的人工智能算法，针对配电网存在的多项问题进行控制上的优化，但目前的配电网控制技术领域缺乏对台区负荷平衡控制的研究，难以准确把握区域配电网负荷变化的趋势，急需一种能够有效对用户低压台区电网内负荷变化趋势及负荷特性进行实施控制的配电网综合优化规划方案，以解决配电网线损率高、电压合格率偏低、投入资金少等问题。
发明内容
发明目的：针对现有技术中存在的问题，本发明一种基于遗传算法的台区负荷平衡控制方法，提供周期性读取台区首端三相电流数据，筛除异常数据，计算三相电流不平衡度和负载率，如果连续n次三相电流不平衡度大于阈值且负载率大于阈值，则基于遗传算法形成控制策略。
技术方案：本发明提供了一种基于遗传算法的台区负荷平衡控制方法，包括如下步骤：
步骤1)产生初始种群：种群规模根据安装的换相开关个数确定，将多个开关按台区首端三相电流反比关系分配到A、B、C三相上，电流越大处于该相的开关数越少；编码方式：采用3行矩阵表示多个开关相位情况，每一列表示一个开关信息，称为基因，每个开关的状态只能在A、B、C三相之间切换；
步骤2)个体评价：根据三相电流不平衡度和所有开关动作次数组成适应度函数，根据适应度函数评价个体；
步骤3)选择：采用轮转法进行选择操作，采用种群中第i个个体的实用度函数值的大小与种群所有个体的适应度函数值的总和之比决定个体被保留进入下一代遗传操作的概率，个体进入下一代遗传操作的概率与个体适应度函数成正比；
步骤4)交叉：采用双亲双子单点交叉，在染色体上随机选择1个断点，将断点的右段互相交换，从而形成新的后代；为了不破坏基因之间的依赖和互斥关系，交叉操作时对整个向量基因进行置换，不破坏向量基因的特性；
步骤5)变异：根据变异率来控制染色体是否进行变异，需要进行变异时，随机选择需要变异的基因，每个基因可以在3组开关信息代表的基因之间变异，表示开关相位在A相、B相、C相之间切换；
步骤6)策略校验：遗传算法给出控制策略后，计算控制后的三相电流不平衡度，若比控制的前三相电流不平衡度大，则取消控制命令。
进一步地，在所述步骤1)之前进行周期性读取台区首端三相电流数据，筛除异常数据，计算三相电流不平衡度和负载率，连续n次三相电流不平衡度大于阈值ibal_limit且负载率大于阈值load_rate_limit：
记三相电流不平衡度和负载率连续越限n次对应的三相电流分别为Ia1,，Ia2，…，Ian，Ib1，…，Ibn，Ic1，…，Icn。
越接近当前时刻的数据具有越高的权重，计算三相加权平均电流：
记
其中，
进一步地，所述换相开关个数为9个，所述初始化种群为：
其中，各开关的负荷电流记为：Isw＝[i1 i2 i3 i4 i5 i6 i7 i8 i9]，则每一相的开关总电流为Isw_sum＝Ksw·Isw T。
进一步地，所述步骤2)中适应度函数由两部分组成，分别为三相电流不平衡度和所有开关动作次数：
Fun＝Cmax-k1·ibal-k2·act_times
其中，Fun为适应度函数，Cmax为较大常数，保证适应度函数非负，k1为三相电流不平衡度权重，ibal为三相电流不平衡度，k2为动作次数权重，act_times为动作次数。
进一步地，所述步骤5)的换相开关个数在10～20之间，变异率取0.001～0.1。
有益效果：
本发明采用搜索能力较强且对目标函数依赖度低的遗传算法进行非线性多目标优化，以尽量少的动作次数达到较好的三相不平衡治理效果。
附图说明
图1是本发明基于遗传算法的台区负荷平衡控制方法的流程示意图；
图2是本发明基于遗传算法的台区负荷平衡控制方法的设备结构图。
具体实施方式
下面结合附图对本发明进行详细的介绍，应当理解，此处所描述的具体实施例仅仅用以解释发明的技术方案，并不用于限定本发明。
参照附图1，本发明提出的一种基于遗传算法的台区负荷平衡控制方法，周期性读取台区首端三相电流数据，筛除异常数据，计算三相电流不平衡度和负载率，如果连续n次三相电流不平衡度大于阈值ibal_limit且负载率大于阈值load_rate_limit，则基于遗传算法形成控制策略：
记三相电流不平衡度和负载率连续越限n次对应的三相电流分别为Ia1,，Ia2，…，Ian，Ib1，…，Ibn，Ic1，…，Icn；
越接近当前时刻的数据具有越高的权重，计算三相加权平均电流：
记
其中，
该方法具体包括如下步骤：
步骤1：产生初始种群；
种群规模根据安装的换相开关个数确定：
popsize＝k·N_sw
其中，popsize为种群大小，N_sw为开关个数，k为系数，默认取10。
将N_sw个开关按台区首端三相电流反比关系分配到A、B、C三相上，电流越大处于该相的开关数应当越少。
编码方式：采用3行N_sw列矩阵表示N_sw个开关相位情况，每一列表示一个开关信息(称为基因)，[1 0 0]T表示开关在A相，[0 1 0]T表示开关在B相，[0 0 1]T表示开关在C相。每个开关的状态只能在A、B、C相之间切换。以9个开关为例，初始化种群可表示为：
各开关的负荷电流记为：Isw＝[i1 i2 i3 i4 i5 i6 i7 i8 i9]，则每一相的开关总电流为Isw_sum＝Ksw·Isw T。
步骤2：个体评价；
根据适应度函数评价个体，适应度函数由两部分组成，三相电流不平衡度和所有开关动作次数：
Fun＝Cmax-k1·ibal-k2·act_times
式中，Fun为适应度函数，Cmax为较大常数，保证适应度函数非负，k1为三相电流不平衡度权重，ibal为三相电流不平衡度，k2为动作次数权重，act_times为动作次数。
各控制方案控后开关状态矩阵K'sw，每一相的开关总电流为I'sw_sum＝K'sw·Isw T，则开关总电流变化量为ΔIsw_sum＝I'sw_sum-I'sw_sum，控后台区首端三相电流为I'T＝IT+ΔIsw_sum，三相电流不平衡度为
步骤3：选择(复制)；
在选择操作时，个体的实用度函数值越高，越有机会进入到下一代操作。采用轮转法进行选择操作，个体进入下一代遗传操作的概率与个体适应度函数成正比。令∑fi等于种群所有个体的适应度函数值的总和，fi则等于种群中第i个个体的实用度函数值的大小，则fi/∑fi决定个体被保留进入下一代遗传操作的概率。
步骤4：交叉；
采用双亲双子单点交叉，在染色体上随机选择1个断点，将断点的右段互相交换，从而形成2个新的后代。为了不破坏基因之间的依赖和互斥关系，交叉操作时对整个向量基因进行置换，不破坏向量基因的特性。
步骤5：变异；
根据变异率来控制染色体是否进行变异；需要进行变异时，随机选择需要变异的基因。每个基因可以在[1 0 0]T、[0 1 0]T、[0 0 1]T之间变异，表示开关相位在A相、B相、C相之间切换。染色体较长时，变异率可以适当取得小一些，换相开关个数一般在10～20之间，变异率可取0.001～0.1。
步骤6：策略校验；
遗传算法给出控制策略后，计算控制后的三相电流不平衡度ibal'，若比控制的前三相电流不平衡度ibal大，则取消控制命令。
如图2所示，基于遗传算法的台区负荷平衡控制系统的硬件部分包括一个总控制器和多个换相开关，总控制器与各换相开关分别连接三相不平衡电路的三相线路A、B、C及零线N，该控制策略适用于“总控+执行开关”模式，由一个总控制器控制台区的所有换相开关。
上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于遗传算法的台区负荷平衡控制方法，其特征在于，包括如下步骤：
步骤1)产生初始种群：种群规模根据安装的换相开关个数确定，将多个开关按台区首端三相电流反比关系分配到A、B、C三相上，电流越大处于该相的开关数越少；编码方式：采用3行矩阵表示多个开关相位情况，每一列表示一个开关信息，称为基因，每个开关的状态只能在A、B、C三相之间切换；
步骤2)个体评价：根据三相电流不平衡度和所有开关动作次数组成适应度函数，根据适应度函数评价个体；
步骤3)选择：采用轮转法进行选择操作，采用种群中第i个个体的实用度函数值的大小与种群所有个体的适应度函数值的总和之比决定个体被保留进入下一代遗传操作的概率，个体进入下一代遗传操作的概率与个体适应度函数成正比；
步骤4)交叉：采用双亲双子单点交叉，在染色体上随机选择1个断点，将断点的右段互相交换，从而形成新的后代；为了不破坏基因之间的依赖和互斥关系，交叉操作时对整个向量基因进行置换，不破坏向量基因的特性；
步骤5)变异：根据变异率来控制染色体是否进行变异，需要进行变异时，随机选择需要变异的基因，每个基因可以在3组开关信息代表的基因之间变异，表示开关相位在A相、B相、C相之间切换；
步骤6)策略校验：遗传算法给出控制策略后，计算控制后的三相电流不平衡度，若比控制的前三相电流不平衡度大，则取消控制命令。
2.根据权利要求1所述的一种基于遗传算法的台区负荷平衡控制方法，其特征在于，在所述步骤1)之前进行周期性读取台区首端三相电流数据，筛除异常数据，计算三相电流不平衡度和负载率，连续n次三相电流不平衡度大于其阈值且负载率大于其阈值：
记三相电流不平衡度和负载率连续越限n次对应的三相电流分别为Ia1,，Ia2，…，Ian，Ib1，…，Ibn，Ic1，…，Icn。
计算三相加权平均电流：
记
其中，
3.根据权利要求1所述的一种基于遗传算法的台区负荷平衡控制方法，其特征在于，所述换相开关个数为9个，所述初始化种群为：
其中，各开关的负荷电流记为：Isw＝[i1 i2 i3 i4 i5 i6 i7 i8 i9]，则每一相的开关总电流为Isw_sum＝Ksw·Isw T。
4.根据权利要求1所述的一种基于遗传算法的台区负荷平衡控制方法，其特征在于，所述步骤2)中适应度函数由两部分组成，分别为三相电流不平衡度和所有开关动作次数：
Fun＝Cmax-k1·ibal-k2·act_times
其中，Fun为适应度函数，Cmax为较大常数，保证适应度函数非负，k1为三相电流不平衡度权重，ibal为三相电流不平衡度，k2为动作次数权重，act_times为动作次数。
5.根据权利要求1所述的一种基于遗传算法的台区负荷平衡控制方法，其特征在于，所述步骤5)的换相开关个数在10～20之间，变异率取0.001～0.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010854641.9A CN112003308A (zh) | 2020-08-24 | 2020-08-24 | 一种基于遗传算法的台区负荷平衡控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010854641.9A CN112003308A (zh) | 2020-08-24 | 2020-08-24 | 一种基于遗传算法的台区负荷平衡控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112003308A true CN112003308A (zh) | 2020-11-27 |
Family
ID=73473118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010854641.9A Withdrawn CN112003308A (zh) | 2020-08-24 | 2020-08-24 | 一种基于遗传算法的台区负荷平衡控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112003308A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113552528A (zh) * | 2021-06-29 | 2021-10-26 | 国网上海市电力公司 | 一种基于改进遗传算法的变电站母线不平衡率异常分析方法 |
| CN113890116A (zh) * | 2021-09-30 | 2022-01-04 | 国网北京市电力公司 | 多配电台区互联互济功率控制方法、装置及存储介质 |
| CN114186774A (zh) * | 2021-10-28 | 2022-03-15 | 国网天津市电力公司 | 一种煤改电地区台区工况异常率的降低方法 |
-
2020
- 2020-08-24 CN CN202010854641.9A patent/CN112003308A/zh not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113552528A (zh) * | 2021-06-29 | 2021-10-26 | 国网上海市电力公司 | 一种基于改进遗传算法的变电站母线不平衡率异常分析方法 |
| CN113890116A (zh) * | 2021-09-30 | 2022-01-04 | 国网北京市电力公司 | 多配电台区互联互济功率控制方法、装置及存储介质 |
| CN113890116B (zh) * | 2021-09-30 | 2024-05-07 | 国网北京市电力公司 | 多配电台区互联互济功率控制方法、装置及存储介质 |
| CN114186774A (zh) * | 2021-10-28 | 2022-03-15 | 国网天津市电力公司 | 一种煤改电地区台区工况异常率的降低方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112003308A (zh) | 一种基于遗传算法的台区负荷平衡控制方法 | |
| CN108173273B (zh) | 一种调节三相不平衡的智能换相开关系统及其方法 | |
| EP2507751B1 (en) | Restoration switching analysis with modified genetic algorithm | |
| CN111709632A (zh) | 基于人工智能和多目标约束的停电计划自动编排方法 | |
| CN111200290B (zh) | 一种用于台区三相不平衡治理的换相开关智能控制方法 | |
| CN105184415B (zh) | 一种配电网络重构设计方法 | |
| CN116973694B (zh) | 配电网故障诊断优化方法及系统 | |
| CN106941256A (zh) | 计及最大供电能力和最小联络建设费用的配电网主变联络结构优化规划方法 | |
| CN110854891B (zh) | 一种配电网灾前资源配置方法及系统 | |
| CN107609769B (zh) | 一种基于故障基因表的智能配电网故障预警方法 | |
| CN112994099B (zh) | 一种高比例分布式光伏并网消纳能力分析方法 | |
| CN109599896A (zh) | 一种10kV电网分布式光伏最大可开放容量的计算方法 | |
| CN114417719A (zh) | 一种基于图注意力网络的配电网网格化方法及装置 | |
| Juang et al. | Power system load frequency control with fuzzy gain scheduling designed by new genetic algorithms | |
| CN113612191B (zh) | 一种配电网的快速恢复供电方法及装置 | |
| CN116070522B (zh) | 一种基于量子蚁群算法的配电网故障定位方法 | |
| CN116154791B (zh) | 一种协同多可控资源的功角稳定控制方法、系统及终端 | |
| CN112510726B (zh) | 一种配电变压器三相负荷不平衡治理方法 | |
| CN114693094A (zh) | 换流站规划方法、装置、电子设备和存储介质 | |
| CN114977225A (zh) | 一种低压配电台区三相不平衡治理方法 | |
| CN117035138A (zh) | 线损预测方法、装置、电子设备和可读存储介质 | |
| CN115062975A (zh) | 一种区域多能源系统承载能力分析方法与系统、存储介质 | |
| CN118657297B (zh) | 一种典型日功率曲线分析方法及存储介质 | |
| CN119005243A (zh) | 一种基于优化算法的配电网自愈策略优化方法及系统 | |
| CN114386668B (zh) | 考虑电气特征指标优选策略的台区线损预测方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201127 |
|
| WW01 | Invention patent application withdrawn after publication |