[發明專利]多目標配電網動態重構方法、裝置及終端有效
| 申請號: | 202110507273.5 | 申請日: | 2021-05-10 |
| 公開(公告)號: | CN113361188B | 公開(公告)日: | 2022-12-06 |
| 發明(設計)人: | 王曉甜;劉林青;楊迪;馬紅明;馬浩;安亞剛;岳凡丁 | 申請(專利權)人: | 國網河北省電力有限公司營銷服務中心;國家電網有限公司;國網河北省電力有限公司電力科學研究院 |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06N3/00;G06N3/04;G06K9/62;G06Q10/04;G06Q50/06;H02J3/00;H02J3/06;H02J3/24;H02J3/38;G06F111/06;G06F113/04 |
| 代理公司: | 石家莊國為知識產權事務所 13120 | 代理人: | 付曉娣 |
| 地址: | 050035 河北省石家莊市高新區湘江*** | 國省代碼: | 河北;13 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 多目標 配電網 動態 方法 裝置 終端 | ||
1.一種多目標配電網動態重構方法,其特征在于,包括:
獲取負荷及DG出力的原始數據,并對所述原始數據進行預處理得到預處理數據集;
基于隨機森林算法模型和LSTM神經網絡模型,對所述預處理數據集進行預測得到負荷及DG出力的預測數據;
根據所述負荷及DG出力的預測數據建立多目標配電網重構模型;
基于多目標粒子群算法和模糊度隸屬度函數法得到所述多目標配電網重構模型的最優解,并根據所述最優解對綜合配電網進行重構;
所述基于隨機森林算法模型和LSTM神經網絡模型,對所述預處理數據集進行預測得到負荷及DG出力的預測數據,包括:
基于所述隨機森林算法模型,根據所述預處理數據集對負荷進行預測得到負荷預測數據;
基于所述LSTM神經網絡模型,根據所述預處理數據集對DG的出力進行預測得到DG出力的預測數據;
所述多目標配電網重構模型的目標函數包括有功網損、電壓偏差和經濟成本;其中,所述目標函數的最小值對應最優所述多目標配電網重構模型;
所述有功網損OF1公式為:
其中,Ib為線路b中的電流,Rb是線路b的電阻,Nb是配電網的線路數量;
所述電壓偏差OF2公式為:
其中,Vi為第i條線路在小時h中的電壓;
所述經濟成本OF3公式為:
其中,NRC為重構操作中動作的開關數,qRC為對一個開關進行一次操作需要的成本,Pi,twind,f為節點i在t時刻風力發電WT發出的功率,Pi,tPV,f為節點i在t時刻光伏發電PV發出的功率,Pi,twind為節點i在t時刻風力發電WT接入電網的實際功率,Pi,tPV為節點i在t時刻光伏發電PV接入電網的實際功率,ψwind為配電網接入的風力發電的節點集合,ψPV為配電網接入的光伏發電的節點集合,Cwind為棄風費用的單價,CPV為棄光費用的單價,T為重構操作的整體時間,ΔT為每個預設時間段;
所述基于多目標粒子群算法和模糊度隸屬度函數法得到所述多目標配電網重構模型的最優解,包括:
基于多目標粒子群算法求解所述目標配電網重構模型的帕累托最優前沿,并獲取帕累托最優解集;
基于模糊度隸屬度函數法得到所述帕累托最優解集中各個解對應的滿意度,將滿意度最高的解作為所述多目標配電網重構模型的最優解。
2.如權利要求1所述的多目標配電網動態重構方法,其特征在于,所述對所述原始數據進行預處理得到預處理數據集,包括:
對所述原始數據進行篩查,剔除所述原始數據中缺失或異常的數據,得到特征數據集;
對所述特征數據集中的數據進行歸一化,得到所述預處理數據集。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于國網河北省電力有限公司營銷服務中心;國家電網有限公司;國網河北省電力有限公司電力科學研究院,未經國網河北省電力有限公司營銷服務中心;國家電網有限公司;國網河北省電力有限公司電力科學研究院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110507273.5/1.html,轉載請聲明來源鉆瓜專利網。





