多目标配电网动态重构方法、装置及终端制造方法及图纸

本发明专利技术适用于电力系统运行分析和控制技术领域，提供了一种多目标配电网动态重构方法、装置及终端，其中，多目标配电网动态重构方法，包括：获取负荷及DG出力的原始数据，并对原始数据进行预处理得到预处理数据集；基于随机森林算法模型和LSTM神经网络模型，对预处理数据集进行预测得到负荷及DG出力的预测数据；根据负荷及DG出力的预测数据建立多目标配电网重构模型；基于多目标粒子群算法和模糊度隶属度函数法得到多目标配电网重构模型的最优解，并根据最优解对综合配电网进行重构。本发明专利技术可以使配电网得到更大限度的优化，能够提高配电网运行的稳定性。网运行的稳定性。网运行的稳定性。

【技术实现步骤摘要】
多目标配电网动态重构方法、装置及终端


[0001]本专利技术属于电力系统运行分析和控制
，尤其涉及多目标配电网动态重构方法、装置及终端。

技术介绍

[0002]近年来，由于电力需求增长以及化石能源的永久枯竭，风力、光伏等分布式电源因其清洁环保而广受青睐。然而由于分布式电源(Distributed Generation，DG)的出力受环境影响较大，具有较强的随机性和间歇性，而配电网的电力负荷还表现出明显的时变性和差异性，这些因素都给配电网的安全稳定经济运行造成了很大的影响。
[0003]目前，国内外均对配电网重构和DG调度进行了大量的研究，然而目前常用的静态重构方法只能对某一时间段进行重构，不能实现对于配电网重构及DG调度的研究需要同时考虑电力负荷的时序性、DG出力的随机性及可控DG调度的灵活性和可控性。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种多目标配电网动态重构方法、装置及终端，以解决现有技术大多不能实现对于配电网重构及DG调度的研究需要同时考虑电力负荷的时序性，DG出力的随机性及可控DG调度的灵活性和可控性的问题。
[0005]本专利技术实施例的第一方面提供了一种多目标配电网动态重构方法，包括：
[0006]获取负荷及DG出力的原始数据，并对原始数据进行预处理得到预处理数据集；
[0007]基于随机森林算法模型和LSTM神经网络模型，对预处理数据集进行预测得到负荷及DG出力的预测数据；
[0008]根据负荷及DG出力的预测数据建立多目标配电网重构模型；
[0009]基于多目标粒子群算法和模糊度隶属度函数法得到多目标配电网重构模型的最优解，并根据最优解对综合配电网进行重构。
[0010]本专利技术实施例的第二方面提供了一种多目标配电网动态重构装置，包括：
[0011]获取模块，用于获取负荷及DG出力的原始数据，并对原始数据进行预处理得到预处理数据集；
[0012]预测模块，用于基于随机森林算法模型和LSTM神经网络模型，对预处理数据集进行预测得到负荷及DG出力的预测数据；
[0013]重构模块，用于根据负荷及DG出力的预测数据建立多目标配电网重构模型；
[0014]求解模块，用于基于多目标粒子群算法和模糊度隶属度函数法得到多目标配电网重构模型的最优解，根据最优解对综合配电网进行重构。
[0015]本专利技术实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一项多目标配电网动态重构方法的步骤。
[0016]本专利技术实施例的第四方面提供了一种计算机可读存储介质，包括：计算机可读存
储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一项多目标配电网动态重构方法的步骤。
[0017]本专利技术实施例与现有技术相比存在的有益效果是：本专利技术通过获取负荷及DG出力的原始数据，并对原始数据进行预处理得到预处理数据集；基于随机森林算法模型和LSTM神经网络模型，对预处理数据集进行预测得到负荷及DG出力的预测数据；根据负荷及DG出力的预测数据建立多目标配电网重构模型；基于多目标粒子群算法和模糊度隶属度函数法得到多目标配电网重构模型的最优解，并根据最优解对综合配电网进行重构。考虑了电力负荷的时序性，DG出力的随机性及可控DG调度的灵活性和可控性等多个影响配电网运行的因素，对配电网进行重构，可以使配电网得到更大限度的优化，能够提高配电网运行的稳定性和安全性。
附图说明
[0018]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术实施例提供的多目标配电网动态重构方法的实现流程示意图；
[0020]图2是本专利技术实施例提供的电力负荷图；
[0021]图3是本专利技术实施例提供的风力发电日处理预测曲线；
[0022]图4是本专利技术实施例提供的光伏发电日出力预测曲线；
[0023]图5是本专利技术实施例得到的帕累托前沿及折衷解；
[0024]图6是本专利技术实施例提供的多目标配电网重构装置的示意图；
[0025]图7是本专利技术实施例提供的终端示意图。
具体实施方式
[0026]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0027]为了说明本专利技术的技术方案，下面通过具体实施例来进行说明。
[0028]图1示出了本专利技术是实例提供的一种多目标配电网动态重构方法，参见图1，在本专利技术的一些实施例中，多目标配电网动态重构方法，可以包括：
[0029]S101，获取负荷及DG出力的原始数据，并对原始数据进行预处理得到预处理数据集。
[0030]可选的，原始数据可以包括历史负荷数据、风电、光伏及可能对负荷和DG出力造成影响的环境因素和日期因素等的数据。
[0031]S102，基于随机森林算法模型和LSTM(Long Short
‑
Term Memory，长短期记忆网络)神经网络模型，对预处理数据集进行预测得到负荷及DG出力的预测数据。
[0032]S103，根据负荷及DG出力的预测数据建立多目标配电网重构模型。
[0033]S104，基于多目标粒子群算法和模糊度隶属度函数法得到多目标配电网重构模型的最优解，并根据最优解对综合配电网进行重构。
[0034]本专利技术实施例通过获取负荷及DG出力的原始数据，并对原始数据进行预处理得到预处理数据集；基于随机森林算法模型和LSTM神经网络模型，对预处理数据集进行预测得到负荷及DG出力的预测数据；根据负荷及DG出力的预测数据建立多目标配电网重构模型；基于多目标粒子群算法和模糊度隶属度函数法得到多目标配电网重构模型的最优解，并根据最优解对综合配电网进行重构。考虑了电力负荷的时序性，DG出力的随机性及可控DG调度的灵活性和可控性等多个影响配电网运行的因素，对配电网进行重构，可以使配电网得到更大限度的优化，能够提高配电网运行的稳定性和安全性。。
[0035]在本专利技术的一些实施例中，上述S101中“对原始数据进行预处理得到预处理数据集”，可以包括：
[0036]对原始数据进行筛查，剔除原始数据中缺失或异常的数据，得到特征数据集。
[0037]可选的，通过对原始数据进行筛查，将部分缺失或异常的数据剔除，得到特征数据集。
[0038]对特征数据集中的数据进行归一化，得到预处理数据集。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标配电网动态重构方法，其特征在于，包括：获取负荷及DG出力的原始数据，并对所述原始数据进行预处理得到预处理数据集；基于随机森林算法模型和LSTM神经网络模型，对所述预处理数据集进行预测得到负荷及DG出力的预测数据；根据所述负荷及DG出力的预测数据建立多目标配电网重构模型；基于多目标粒子群算法和模糊度隶属度函数法得到所述多目标配电网重构模型的最优解，并根据所述最优解对综合配电网进行重构。2.如权利要求1所述的多目标配电网动态重构方法，其特征在于，所述对所述原始数据进行预处理得到预处理数据集，包括：对所述原始数据进行筛查，剔除所述原始数据中缺失或异常的数据，得到特征数据集；对所述特征数据集中的数据进行归一化，得到所述预处理数据集。3.如权利要求1所述的多目标配电网动态重构方法，其特征在于，所述基于随机森林算法模型和LSTM神经网络模型，对所述预处理数据集进行预测得到负荷及DG出力的预测数据，包括：基于所述随机森林算法模型，根据所述预处理数据集对负荷进行预测得到负荷预测数据；基于所述LSTM神经网络模型，根据所述预处理数据集对DG的出力进行预测得到DG出力的预测数据。4.如权利要求1所述的多目标配电网动态重构方法，其特征在于，所述多目标配电网重构模型的目标函数包括有功网损、电压偏差和经济成本；其中，所述目标函数的最小值对应最优所述多目标配电网重构模型；所述有功网损OF1公式为：其中，I
b
为线路b中的电流，R
b
是线路b的电阻，N
b
是配电网的线路数量；所述电压偏差OF2公式为：其中，V
i
为第i条线路在小时h中的电压；所述经济成本OF3公式为：其中，N
RC
为重构操作中动作的开关数，q
RC
为对一个开关进行一次操作需要的成本，P
i,twind,f
为节点i在t时刻风力发电WT发出的功率，P
i,tPV,f
为节点i在t时刻光伏发电PV发出的功率，P
i,twind
为节点i在t时刻风力发电WT接入电网的实际功率，P
i,tPV
为节点i在t时刻光伏发电PV接入电网的实际功率，ψ
wind
为配电网接入的风力发电的节点集合，ψ
PV
为配电网接入的光伏发电的节点集合，C
wind
为弃风费用的单价，C
PV
为弃光费用的单价，T为重构操作的整体时间，ΔT为每个预设时间段。
5.如权利要求1所述的多目标配电网动态重构方法，其特征在于，所述多目标配电网重构模型的约束条件包括节点电压约束、支路电流约束、DG出力约束和潮流方程约束；所述节点电压约束为：V
min
≤V
i
≤V
max
其中，V
i
是节点i的电压幅值，V
min
是节点i可接受的最小节点电压，V
max
是节点i可接受的最大节点电压；所述支路电流约束为：其中，I
b
...

【专利技术属性】
技术研发人员：王晓甜，刘林青，杨迪，马红明，马浩，安亚刚，岳凡丁，
申请(专利权)人：国家电网有限公司国网河北省电力有限公司电力科学研究院，
类型：发明
国别省市：