一种配电自动化终端布置方法及装置与流程

1.本技术涉及配电网规划与多目标优化计算领域，具体涉及一种配电自动化终端布置方法及装置。


背景技术：

2.配电自动化是保障供电可靠性的重要手段，作为配电自动化系统的基本组成单元和关键设备，配电终端的使用可以提高配电网的运行可靠性。如何对配电终端的安装位置和类型进行合理配置，达到系统可靠性与经济性之间的平衡，将是配电自动化建设面临的重要课题。
3.相比于输电网建设，目前配电网建设依然滞后、网架规划建设标准化程度低、自动化覆盖范围小、供电可靠性仍有进一步提高空间因此需要对配电终端进行优化配置，虽然目前配电终端优化配置方案中求解模型层出不穷，但是存在诸多问题，例如对算法参数的设置非常敏感，早熟收敛问题易导致算法陷入局部最优问题，或者应对非光滑函数表现乏力，无法保证寻到非凸问题的全局最优解问题，因此存在诸多不足。


技术实现要素：

4.为解决上述技术问题，本技术提供以下技术方案：
5.第一方面，本发明提供一种配电自动化终端布置方法，包括：
6.基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息；
7.根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
8.在优选的实施例中，还包括：
9.根据配电自动化终端的安装配置信息建立所述配电自动化终端优化布置模型。
10.在优选的实施例中，还包括：
11.获取配电自动化终端优化布置模型、其目标函数和对应的约束条件信息。
12.在优选的实施例中，还包括：
13.根据所述配电自动化终端的配置数据和停电损耗数据，配置所述配电自动化终端优化布置模型的目标函数；
14.结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息。
15.在优选的实施例中，所述配置数据包括设备投入信息、设备数量信息、设备使用年限数据、设备单位时间内的用电数据以及设备投入收益率数据，所述根据所述配电自动化终端的配置数据和停电损耗数据，配置所述配电自动化终端优化布置模型的目标函数，包括：
16.根据设备投入信息、设备数量信息、设备使用年限数据、设备投入收益率数据生成
第一函数模型；
17.根据配电网系统年平均缺供电量、配电网中的馈线数量、每个馈线上的用户总数、设备使用年限数据、系统单位电量平均停电损失数据生成第二函数模型；
18.根据所述第一函数模型和所述第二函数模型生成配电自动化终端优化布置模型的所述目标函数。
19.在优选的实施例中，还包括：
20.根据每个馈线上的负荷总量、每个馈线上的年平均故障停电时长生成所述配电网系统年平均缺供电量。
21.在优选的实施例中，所述约束条件信息包括配电网系统可靠性约束条件信息，所述结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息，包括：
22.根据每条馈线整体的年平均故障停电时间生成供电可靠率；
23.根据所述供电可靠率结合配电网系统供电可靠率的基准值生成所述配电网系统可靠性约束条件信息。
24.在优选的实施例中，所述约束条件信息包括系统潮流约束条件信息，所述结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息，包括：
25.根据电网中各支路的首端节点集合、末端节点集合、首段有功功率、首段的无功功率、各节点电压幅值、各节点有功功率净注入、各节点无功功率净注入、各支路等值电阻以及各支路等值电抗，生成系统潮流约束条件信息。
26.在优选的实施例中，所述约束条件信息包括系统安全运行约束条件信息，所述系统安全运行约束条件信息包括变压器容量约束条件信息、线路电压容量约束条件信息以及节点电压幅值约束条件信息；所述结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息，包括：
27.根据流经各变压器的有功功率、无功功率和各变压器的允许容量生成变压器容量约束条件信息；
28.根据流经各线路的有功功率、无功功率和各线路的允许容量生成线路容量约束条件信息；
29.根据流经各节点的有功功率、无功功率和各节点的电压基准值生成节点电压幅值约束条件信息。
30.在优选的实施例中，所述多目标优化算法包括nsga-ii算法，所述基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息，包括：
31.对所述配电网中各分段线路进行编码，生成每个分段线路的线路信息，所述线路信息包括线路编码以及对应每个线路编码的配电终端配置信息；
32.根据所述线路信息随机产生预设种群规模的初始父代种群，其中所述初始父代种群中每个个体对应一配电自动化终端布置信息；
33.结合目标函数和约束条件信息计算每个个体对应的适应值；
34.执行迭代操作，所述迭代操作包括根据每个个体的适应值，确定所有个体中的非
支配解集，将所述非支配解集中所有个体赋予初始非支配序，并将所述非支配解集中的所有个体从所述初始父代种群中删除，得到迭代种群，确定所述迭代种群中的非支配解集，并赋予所述迭代种群中的非支配解集的迭代非支配序，直至所述初始父代种群拆分为多个种群层，其中每个种群层包括相同非支配序；
35.根据每个种群层及对应的非支配序，生成所有个体的拥挤度；
36.根据所有个体的拥挤度生成所述配电自动化终端优化布置模型的求解信息。
37.在优选的实施例中，所述根据每个种群层及对应的非支配序，生成所有个体的拥挤度，包括：
38.初始化每个种群层中各个体的个体拥挤度；
39.对同一种群层中各个体按照设定目标函数值升序排序生成拥挤度排列，并设定所述拥挤度排列边缘处的拥挤度为设定拥挤度。
40.在优选的实施例中，所述根据所有个体的拥挤度生成所述配电自动化终端优化布置模型的求解信息，包括：
41.根据所述每个种群层对应的拥挤度排列以及所述拥挤度排列上各个体前后相邻的个体对应的设定目标函数值、设定目标函数集合中的最大值和最小值生成各种群层中每个个体的拥挤距离；
42.根据竞标赛选择机制从所述初始父代种群中筛选配对个体，形成多个个体对，并对每个个体对进行交叉操作和变异操作，生成多个子代种群，合并所述初始父代种群和所有子代种群，生成种群集合；
43.根据精英保留准则从所述种群集合中筛选更新的父代种群，并按照所述初始父代种群中每个种群层的非支配序大小，依次将每个种群层放入至所述更新的父代种群，直至放入下一种群层时，当前更新的父代种群规模超过设定阈值，将该下一种群层中的各个体按照拥挤距离依次将各个体放入所述更新的父代种群，直至种群数量达到所述设定阈值，生成最终父代种群；
44.对所述最终父代种群执行所述迭代操作，直至所述最终父代种群拆分为多个最终种群层，其中每个最终种群层包括相同非支配序；
45.根据每个最终种群层的非支配序生成所述配电自动化终端优化布置模型的求解信息。
46.在优选的实施例中，所述根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，包括：
47.结合各目标函数的权重值，生成最终目标函数值表达函数；
48.根据最终目标函数值表达函数和所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息。
49.第二方面，本发明进一步提供一种配电自动化终端布置装置，包括：
50.求解信息生成模块，基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息；
51.布置模块，根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
52.第三方面，本技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可
在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的配电自动化终端布置方法。
53.第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的配电自动化终端布置方法。
54.由上述技术方案可知，本技术提供的一种配电自动化终端布置方法及装置，本发明提出了一种基于多目标优化算法的配电终端优化布置方法，经过仿真模型实验表明，该方法具有较好的收敛性和稳定性，为多目标的配电自动化终端优化布置问题提供了一种新的方法和手段。
附图说明
55.为了更清楚地说明本技术实施例或现有技术中的技术方案，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，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
56.图1是本技术实施例中的配电自动化终端布置方法的流程示意图。
57.图2是本技术实施例中基于nsga
‑ⅱ
算法的配电自动化终端优化布置求解过程的流程图。
58.图3是本技术实施例中ieee33节点具体实施例的示意图。
59.图4是本技术实施例中配电自动化终端布置装置的结构示意图。
60.图5是本技术实施例中的电子设备的结构示意图。
具体实施方式
61.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
62.目前为解决配电终端优化配置问题，求解算法也层出不穷。一是基于数学规划理论，包括线性规划法、非线性规划法、二次规划法和动态规划法等，这类方法鲁棒性强，从数学上保证了算法的收敛性，但应对非光滑函数表现乏力，也无法保证寻到非凸问题的全局最优解；二是现代启发式算法，如遗传算法、粒子群算法、模拟退火算法和差分进化算法等，此类算法在全局寻优时不受问题非凸和非光滑的限制，但对算法参数的设置非常敏感，早熟收敛问题易导致算法陷入局部最优。
63.基于上述内容，本技术提供一种用于实现本技术一个或多个实施例中提供的配电自动化终端布置方法的配电自动化终端布置装置，其中，所述配电自动化终端布置装置可以基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息；然后根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
64.可以理解的是，所述配电自动化终端布置可以包括智能手机、平板电子设备、便携
式计算机、台式电脑、个人数字助理(pda)等。
65.具体通过下述多个实施例及应用实例分别进行说明。
66.本技术提供一种配电自动化终端布置方法的实施例，参见图1，所述配电自动化终端布置方法具体包含有如下内容：
67.步骤s1：基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息。
68.步骤s2：根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
69.从上述描述可知，本技术实施例提供的配电自动化终端布置方法，通过多目标优化算法的配电终端优化布置，经过仿真模型实验表明，该方法具有较好的收敛性和稳定性，为多目标的配电自动化终端优化布置问题提供了一种新的方法和手段。
70.在本发明中，配电自动化终端优化布置模型可以预先生成，也可以在线生成，本发明不做限制，在一个实施例中，本发明的步骤包括配电自动化终端优化布置模型的生成过程，即：
71.所述配电自动化终端布置方法还包括：
72.根据配电自动化终端的安装配置信息建立所述配电自动化终端优化布置模型。
73.在一些实施例中，本发明可以直接获取配电自动化终端优化布置模型、其目标函数和对应的约束条件信息，也可以根据情况生成配电自动化终端优化布置模型、其目标函数和对应的约束条件信息。
74.例如，在一些实施例中，所述配电自动化终端布置方法还包括：
75.获取配电自动化终端优化布置模型、其目标函数和对应的约束条件信息。
76.该实施例中的模型、目标函数以及约束条件信息都可以通过网络获取或者用户输入的方式得到，本发明不限于此。
77.进一步的，本发明的上述方法还包括：
78.s01：根据所述配电自动化终端的配置数据和停电损耗数据，配置所述配电自动化终端优化布置模型的目标函数；
79.s02：结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息。
80.该实施例中，目标函数的配置可以通过下述方式得到：
81.所述配置数据包括设备投入信息、设备数量信息、设备使用年限数据、设备单位时间内的用电数据以及设备投入收益率数据，所述根据所述配电自动化终端的配置数据和停电损耗数据，配置所述配电自动化终端优化布置模型的目标函数，包括：
82.根据设备投入信息、设备数量信息、设备使用年限数据、设备投入收益率数据生成第一函数模型；
83.根据配电网系统年平均缺供电量、配电网中的馈线数量、每个馈线上的用户总数、设备使用年限数据、系统单位电量平均停电损失数据生成第二函数模型；
84.根据所述第一函数模型和所述第二函数模型生成配电自动化终端优化布置模型的所述目标函数。
85.更进一步的，还包括：
86.根据每个馈线上的负荷总量、每个馈线上的年平均故障停电时长生成所述配电网系统年平均缺供电量。
87.下面以具体实例对本发明上述步骤进行详细说明。
88.本发明考虑的配电自动化终端优化布置的目标是确定最优配电终端的安装位置，在满足系统可靠性需求的前提下，系统综合费用最低。本模型忽略了设备的运维检修费用，且仅考虑投资配置“三遥”配电自动化终端。所以本发明设计的模型目标函数为设备投资费用和设备使用年限内的停电损失费用两个目标。模型多目标优化的目标函数表达式如式(1)-(3)所示：
89.minf＝{f1,f2}
ꢀꢀꢀ
(1)
[0090][0091][0092]
式中，f1表示设备投资费用目标函数，即第一函数模型，；f2表示停电损失费用目标函数，即第二函数模型；n3表示“三遥”终端数量；p3表示“三遥”终端的投资现价；s表示设备的经济使用年限；r表示投资回收率；c
l
表示系统单位电量平均停电损失费用；n
ei
表示馈线i上的用户总数；n表示配电网中的馈线数量；aens为配电网系统年平均缺供电量，其表达式如(4)-(5)所示：
[0093]
aensi＝l
si
saidii/n
ei
ꢀꢀꢀ
(4)
[0094][0095]
式中，l
si
表示馈线i上的负荷总量；saidii表示馈线i的年平均故障停电时间，其表达式如式(6)所示：
[0096][0097]
式中，n
ti
为馈线i上的负荷节点总数；t
ij
表示馈线i上节点j的年均故障停电时间。
[0098]
下面对本发明的约束条件信息的生成进行详细说明。
[0099]
在一些实施例中，所述约束条件信息包括配电网系统可靠性约束条件信息，对于可靠性约束条件信息的生成，可以通过供电可靠率进行，例如可以包括下述步骤：
[0100]
根据每条馈线整体的年平均故障停电时间生成供电可靠率；
[0101]
根据所述供电可靠率结合配电网系统供电可靠率的基准值生成所述配电网系统可靠性约束条件信息。
[0102]
具体而言，可通过下面举出的具体实例进行详细说明。
[0103]
1)关于配电网系统可靠性约束，系统的供电可靠率asai满足配电网系统的要求。
[0104]
asai≤asai
th
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式中，asai
th
表示配电网系统供电可靠率的基准值；供电可靠率asai的表达式如式(8)所示：
[0105]
asai＝(1-saidi/8760)
×
100％
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)式中，saidi表示配电网系统中n条馈线整体的年平均故障停电时间，根据式(6)表
示的saidii，saidi的表达式如式(9)所示：
[0106][0107]
此外，在其他实施例中，所述约束条件信息包括系统潮流约束条件信息，该实施例中，对于系统潮流约束条件信息的生成可以采用下面步骤进行：
[0108]
根据电网中各支路的首端节点集合、末端节点集合、首段有功功率、首段的无功功率、各节点电压幅值、各节点有功功率净注入、各节点无功功率净注入、各支路等值电阻以及各支路等值电抗，生成系统潮流约束条件信息。
[0109]
举例而言，关于系统潮流约束，待优化的配电网系统需满足潮流收敛条件。
[0110]
仿真模型的输入数据应满足电网的潮流收敛条件。本发明仅考虑辐射型配电网，对任意节点j，潮流方程的distflow形式为：
[0111][0112][0113][0114]
式中，集合u(j)表示电网中以j为末端节点的支路的首端节点集合；集合v(j)表示以j为首端节点的支路的末端节点集合；p
ij
和q
ij
表示支路ij首段的有功功率和无功功率；ui表示节点i的电压幅值；pi和qi表示节点i的有功功率和无功功率净注入；r
ij
和x
ij
表示支路ij的等值电阻和等值电抗。
[0115]
其中，关于式(10)和式(11)中的pi和qi，有：
[0116][0117]
式中，p
i,dg
和q
i,dg
分别表示节点i挂接dg的有功和无功功率；p
i,l
和q
i,l
分别表示节点i挂接负荷的有功和无功功率；q
i.com
表示节点i上挂接无功补偿设备的有功和无功功率。
[0118]
此外，本发明中的约束条件信息进一步包括系统安全运行约束条件信息，所述系统安全运行约束条件信息包括变压器容量约束条件信息、线路电压容量约束条件信息以及节点电压幅值约束条件信息；所述结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息，包括：
[0119]
根据流经各变压器的有功功率、无功功率和各变压器的允许容量生成变压器容量约束条件信息；
[0120]
根据流经各线路的有功功率、无功功率和各线路的允许容量生成线路容量约束条件信息；
[0121]
根据流经各节点的有功功率、无功功率和各节点的电压基准值生成节点电压幅值约束条件信息。
[0122]
具体的，关于系统安全运行约束，待优化的配电网需满足线路和变压器容量约束和节点电压幅值约束，即：
[0123][0124][0125][0126]
式中，ω
ss
、ω
l
和ωb分别表示配电网系统中变压器、线路和节点的设备集合；p
ss,j
、q
ss,j
和s
smax,j
分别表示流经变压器j的有功功率、无功功率和变压器j的允许容量；p
l,j
、q
l,j
和s
lmax,j
分别表示流经线路j的有功功率、无功功率和线路j的允许容量；vj表示节点j的电压幅值；vn表示电压基准值；δv表示允许电压偏差百分比。
[0127]
所以可知，式(7)、式(10)-式(16)为本发明提出了配电自动化终端优化布置模型的约束条件信息。
[0128]
下面对本发明的步骤s1进行具体说明，在一些实施例中，所述多目标优化算法包括nsga-ii算法，nsga
‑ⅱ
是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。
[0129]
在本发明中，步骤s1，即所述基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息，包括：
[0130]
s10：对所述配电网中各分段线路进行编码，生成每个分段线路的线路信息，所述线路信息包括线路编码以及对应每个线路编码的配电终端配置信息；
[0131]
s11：根据所述线路信息随机产生预设种群规模的初始父代种群，其中所述初始父代种群中每个个体对应一配电自动化终端布置信息；
[0132]
s12：结合目标函数和约束条件信息计算每个个体对应的适应值；
[0133]
s13：执行迭代操作，所述迭代操作包括根据每个个体的适应值，确定所有个体中的非支配解集，将所述非支配解集中所有个体赋予初始非支配序，并将所述非支配解集中的所有个体从所述初始父代种群中删除，得到迭代种群，确定所述迭代种群中的非支配解集，并赋予所述迭代种群中的非支配解集的迭代非支配序，直至所述初始父代种群拆分为多个种群层，其中每个种群层包括相同非支配序；
[0134]
s14：根据每个种群层及对应的非支配序，生成所有个体的拥挤度；
[0135]
s15：根据所有个体的拥挤度生成所述配电自动化终端优化布置模型的求解信息。
[0136]
关于个体拥挤度，所述根据每个种群层及对应的非支配序，生成所有个体的拥挤度，包括：
[0137]
初始化每个种群层中各个体的个体拥挤度；
[0138]
对同一种群层中各个体按照设定目标函数值升序排序生成拥挤度排列，并设定所述拥挤度排列边缘处的拥挤度为设定拥挤度。
[0139]
进一步的，步骤s15包括：
[0140]
s151:根据所述每个种群层对应的拥挤度排列以及所述拥挤度排列上各个体前后相邻的个体对应的设定目标函数值、设定目标函数集合中的最大值和最小值生成各种群层中每个个体的拥挤距离；
[0141]
s152:根据竞标赛选择机制从所述初始父代种群中筛选配对个体，形成多个个体对，并对每个个体对进行交叉操作和变异操作，生成多个子代种群，合并所述初始父代种群
和所有子代种群，生成种群集合；
[0142]
s153:根据精英保留准则从所述种群集合中筛选更新的父代种群，并按照所述初始父代种群中每个种群层的非支配序大小，依次将每个种群层放入至所述更新的父代种群，直至放入下一种群层时，当前更新的父代种群规模超过设定阈值，将该下一种群层中的各个体按照拥挤距离依次将各个体放入所述更新的父代种群，直至种群数量达到所述设定阈值，生成最终父代种群；
[0143]
s154:对所述最终父代种群执行所述迭代操作，直至所述最终父代种群拆分为多个最终种群层，其中每个最终种群层包括相同非支配序；
[0144]
s155:根据每个最终种群层的非支配序生成所述配电自动化终端优化布置模型的求解信息。
[0145]
下面结合图2对上述步骤进行具体说明，进一步描述如下：
[0146]
1)采用nsga-ii算法求解配电终端优化布置模型时，首先要解决编码问题。本文中采用如下所示的每条分段线路的编码方案：
[0147]
l＝{no.d
1 d2}
[0148]
式中，l表示分段线路；no.表示线路编号；d1和d2分别表示线路两端是否配置配电终端，是则值为1，否则为0。
[0149]
2)按所设计的遗传编码方式随机产生种群规模大小为m的初始父代种群p
t
，每一个个体代表一种配电自动化终端优化布置方案，并根据不同方案计算出各目标函数的适应值。需要注意的是，生成的初始种群需要满足s2中所有提到的约束条件信息。
[0150]
3)进行非支配排序，此处引入了支配解和非支配解的概念，若解x1的目标函数fj满足以下条件，则称解x1支配解x2。
[0151][0152][0153]
式中，x1即为支配解；x2为非支配解。
[0154]
非支配排序是一个循环的适应值分级过程。首先按式(17)和式(18)找出群体中非支配解集，记为第一非支配层f1，将f1所有个体赋予非支配序i
rank
＝1(其中：i
rank
是个体i的非支配序值)并从整个群体中除去；然后继续找出余下群体中非支配解集，记为第二非支配层f2，个体被赋予非支配序i
rank
＝2；照此进行下去，直到整个种群被分层，同一分层内的个体具有相同的非支配序i
rank
。
[0155]
4)计算所有个体的拥挤度。个体i的拥挤距离是目标空间上与个体i相邻的2个体i 1和i-1之间的距离。计算拥挤度的步骤如下：
[0156]
①
对具有相同非支配序i
rank
的个体初始化拥挤度，令任意个体i的拥挤度id＝0。
[0157]
②
对相同非支配序i
rank
的个体按第m个目标函数值升序排列。
[0158]
③
令排序边缘上的个体具有选择优势，将两个边缘处的拥挤度置为∞。
[0159]
④
计算个体i的拥挤度id：
[0160][0161]
式中，fm(i 1)和fm(i-1)分别表示个体i 1和i-1的第m个目标函数值；f
mmax
和f
mmin
分别为第m个目标函数值集合中的最大和最小值。
[0162]
⑤
对不同的目标函数，重复步骤
②‑④
，得到个体i的最终拥挤距离id。
[0163]
通过优先选择拥挤距离较大的个体，可使计算结果在目标空间比较均匀地分布，以维持群体的多样性。
[0164]
5)按竞标赛选择机制从父代种群p
t
中选择m/2的个体组成配对种群，并对其进行交叉、变异操作生成大小为n的子代种群d
t
，将父代种群p
t
与子代种群d
t
合并为大小为2m的种群r
t
。
[0165]
6)按精英保留策略从种群r
t
中生成新的父代种群p
t 1
。首先按照非支配序i
rank
从低到高的顺序将整层种群依次放入p
t 1
，直到放入某一层非支配序时出现p
t 1
大小超出种群规模限值n的情况；最后依据每层非支配序i
rank
中的个体拥挤距离由大到小的顺序继续填充p
t 1
直到种群数量达到n时终止。
[0166]
7)返回步骤3)直至满足终止条件，获得配电自动化终端多目标优化布置模型的pareto最优解集。
[0167]
此外，进一步的，在本发明中，由于前述的目标函数包括第一函数模型和第二函数模型，也即目标函数包括两个，因此所述根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，包括：
[0168]
结合各目标函数的权重值，生成最终目标函数值表达函数；
[0169]
根据最终目标函数值表达函数和所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息。
[0170]
以上述两个目标函数的实施例作为示例，对于求解出的配电自动化终端多目标优化布置模型的pareto最优解集，制定合适的最优解选择策略，选择最合适的终端布置方案。本发明对两个目标函数的pareto前沿p1和p2分别赋予权重值，按照最终的目标函数值最小为目标选择最佳布置方案：
[0171]
p＝λ1p1 λ2p2ꢀꢀꢀꢀꢀꢀꢀ
(20)
[0172]
式中，p表示最终目标函数值；λ1和λ2分别表示p1和p2的权重取值。
[0173]
下面以ieee33节点为具体实施例具体说明本发明提出的基于nsga
‑ⅱ
算法的配电自动化终端优化布置模型的优化求解过程。
[0174]
ieee33节点具体实施例的示意图如图3所示。图中，节点0为110kv节点，节点1-33的电压等级为10kv，节点0-1之间通过110/10kv变压器相连。连接1-18节点的线路为主干线路；连接2-22节点的线路、连接3-25节点的线路和连接6-33节点的线路为大分支线路。馈线自动化模式选用自适应综合型馈线自动化模式。线路参数与节点负荷数据采用海南10kv配电网2014年采集的scada数据。
[0175]
计算中假设”三遥”终端的投资现价p3为6万元/组；投资回收率r为10％；设备的经济使用年限s为10年；系统单位电量平均停电损失费用c
l
为25元/(kw/h)。
[0176]
在计算迭代过程中，模型需要满足供电可靠率asai约束与潮流收敛约束。本算例的计算中假设模型为c类负荷,供电可靠率asai要求达到99.897％。待安装“三遥”配电终端的位置为主干线路的各分段线路首末节点处，即节点1-18的两端。本算例假设线路发生故障的概率为0.1次/km年，并在每次算法迭代过程中基于蒙特卡洛仿真随机模拟模型中10年发生的故障并计算10年内的停电损失费用。
[0177]
nsga
‑ⅱ
算法的基本参数设置为，种群规模为50；基因位数为10；交叉概率为0.8；
变异概率为0.05；共迭代300次。
[0178]
表1给出了nsga
‑ⅱ
算法求解的pareto最优解集及相应的pareto前沿。
[0179]
表1
[0180][0181]
由上表可知，本实施例中的pareto最优解集元素只有一个，所以不需要进行s4最优解选择操作，表中方案为最终的规划方案。方案共配置了4台配电终端，配电终端的规划位置为{1-，5-，9-，13-}。其中
“‑”
表示终端安装在数字对应的节点首端。此时，供电可靠率asai的值为99.041％，符合配电网的可靠性要求。
[0182]
以上实施例基于电力系统仿真软件digsilent实现配电网模型的建立，包括配电网一次侧模型、二次侧额继电保护模型和馈线自动化动作逻辑模型(自适应综合型馈线自动化)。并在模型中计算系统潮流并设置暂态故障仿真。本实施例在digsilent仿真软件中通过模拟配电网故障，设置馈线自动化整定参数，再经配电网潮流、暂态仿真计算与馈线自动化仿真模拟，可以得到配电网模拟的故障条件下各负荷的失电时间与整体配电网的失电区域。使用设计的馈线自动化数据交互框架从digsilent中输出配电网数据，在仿真软件外基于python语言对软件输出数据进行统一处理，得到可靠性指标等高阶数据，最终计算出个体的各个目标函数值。
[0183]
从软件层面来说，本技术提供一种用于执行所述配电自动化终端布置方法中全部或部分内容的配电自动化终端布置装置的实施例，参见图4，所述配电自动化终端布置装置具体包含有如下内容：
[0184]
求解信息生成模块10，基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息；
[0185]
布置模块20，根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
[0186]
由上述技术方案可知，本技术提供的一种配电自动化终端布置装置，通过多目标优化算法的配电终端优化布置，经过仿真模型实验表明，该方法具有较好的收敛性和稳定性，为多目标的配电自动化终端优化布置问题提供了一种新的方法和手段。
[0187]
基于相同的发明构思，在优选的实施例中，还包括：
[0188]
模型建立模块，根据配电自动化终端的安装配置信息建立所述配电自动化终端优化布置模型。
[0189]
基于相同的发明构思，在优选的实施例中，还包括：
[0190]
获取模块，获取配电自动化终端优化布置模型、其目标函数和对应的约束条件信息。
[0191]
基于相同的发明构思，在优选的实施例中，还包括：
[0192]
目标函数配置模块，根据所述配电自动化终端的配置数据和停电损耗数据，配置
所述配电自动化终端优化布置模型的目标函数；
[0193]
约束条件信息配置模块，结合配电网的可靠性约束和系统潮流约束以及系统安全运行约束，生成所述配电自动化终端优化布置模型的约束条件信息。
[0194]
基于相同的发明构思，在优选的实施例中，所述配置数据包括设备投入信息、设备数量信息、设备使用年限数据、设备单位时间内的用电数据以及设备投入收益率数据，所述目标函数配置模块，包括：
[0195]
第一函数模型生成单元，根据设备投入信息、设备数量信息、设备使用年限数据、设备投入收益率数据生成第一函数模型；
[0196]
第二函数模型生成单元，根据配电网系统年平均缺供电量、配电网中的馈线数量、每个馈线上的用户总数、设备使用年限数据、系统单位电量平均停电损失数据生成第二函数模型；
[0197]
目标函数生成单元，根据所述第一函数模型和所述第二函数模型生成配电自动化终端优化布置模型的所述目标函数。
[0198]
基于相同的发明构思，在优选的实施例中，还包括：
[0199]
平均缺供电量生成模块，根据每个馈线上的负荷总量、每个馈线上的年平均故障停电时长生成所述配电网系统年平均缺供电量。
[0200]
基于相同的发明构思，在优选的实施例中，所述约束条件信息包括配电网系统可靠性约束条件信息，所述约束条件信息配置单元具体用于：
[0201]
根据每条馈线整体的年平均故障停电时间生成供电可靠率；
[0202]
根据所述供电可靠率结合配电网系统供电可靠率的基准值生成所述配电网系统可靠性约束条件信息。
[0203]
基于相同的发明构思，在优选的实施例中，所述约束条件信息包括系统潮流约束条件信息，所述约束条件信息配置单元具体用于：
[0204]
根据电网中各支路的首端节点集合、末端节点集合、首段有功功率、首段的无功功率、各节点电压幅值、各节点有功功率净注入、各节点无功功率净注入、各支路等值电阻以及各支路等值电抗，生成系统潮流约束条件信息。
[0205]
基于相同的发明构思，在优选的实施例中，所述约束条件信息包括系统安全运行约束条件信息，所述系统安全运行约束条件信息包括变压器容量约束条件信息、线路电压容量约束条件信息以及节点电压幅值约束条件信息；所述约束条件信息配置单元具体用于：
[0206]
根据流经各变压器的有功功率、无功功率和各变压器的允许容量生成变压器容量约束条件信息；
[0207]
根据流经各线路的有功功率、无功功率和各线路的允许容量生成线路容量约束条件信息；
[0208]
根据流经各节点的有功功率、无功功率和各节点的电压基准值生成节点电压幅值约束条件信息。
[0209]
基于相同的发明构思，在优选的实施例中，所述多目标优化算法包括nsga-ii算法，所述求解模块，包括：
[0210]
编码单元，对所述配电网中各分段线路进行编码，生成每个分段线路的线路信息，
所述线路信息包括线路编码以及对应每个线路编码的配电终端配置信息；
[0211]
初始父代种群生成单元，根据所述线路信息随机产生预设种群规模的初始父代种群，其中所述初始父代种群中每个个体对应一配电自动化终端布置信息；
[0212]
适应值生成单元，结合目标函数和约束条件信息计算每个个体对应的适应值；
[0213]
迭代单元，执行迭代操作，所述迭代操作包括根据每个个体的适应值，确定所有个体中的非支配解集，将所述非支配解集中所有个体赋予初始非支配序，并将所述非支配解集中的所有个体从所述初始父代种群中删除，得到迭代种群，确定所述迭代种群中的非支配解集，并赋予所述迭代种群中的非支配解集的迭代非支配序，直至所述初始父代种群拆分为多个种群层，其中每个种群层包括相同非支配序；
[0214]
拥挤度生成单元，根据每个种群层及对应的非支配序，生成所有个体的拥挤度；
[0215]
求解信息生成单元，根据所有个体的拥挤度生成所述配电自动化终端优化布置模型的求解信息。
[0216]
基于相同的发明构思，在优选的实施例中，所述拥挤度生成单元具体用于：
[0217]
初始化每个种群层中各个体的个体拥挤度；
[0218]
对同一种群层中各个体按照设定目标函数值升序排序生成拥挤度排列，并设定所述拥挤度排列边缘处的拥挤度为设定拥挤度。
[0219]
基于相同的发明构思，在优选的实施例中，所述求解单元具体用于：
[0220]
根据所述每个种群层对应的拥挤度排列以及所述拥挤度排列上各个体前后相邻的个体对应的设定目标函数值、设定目标函数集合中的最大值和最小值生成各种群层中每个个体的拥挤距离；
[0221]
根据竞标赛选择机制从所述初始父代种群中筛选配对个体，形成多个个体对，并对每个个体对进行交叉操作和变异操作，生成多个子代种群，合并所述初始父代种群和所有子代种群，生成种群集合；
[0222]
根据精英保留准则从所述种群集合中筛选更新的父代种群，并按照所述初始父代种群中每个种群层的非支配序大小，依次将每个种群层放入至所述更新的父代种群，直至放入下一种群层时，当前更新的父代种群规模超过设定阈值，将该下一种群层中的各个体按照拥挤距离依次将各个体放入所述更新的父代种群，直至种群数量达到所述设定阈值，生成最终父代种群；
[0223]
对所述最终父代种群执行所述迭代操作，直至所述最终父代种群拆分为多个最终种群层，其中每个最终种群层包括相同非支配序；
[0224]
根据每个最终种群层的非支配序生成所述配电自动化终端优化布置模型的求解信息。
[0225]
基于相同的发明构思，在优选的实施例中，所述求解模块进一步用于：
[0226]
结合各目标函数的权重值，生成最终目标函数值表达函数；
[0227]
根据最终目标函数值表达函数和所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息。
[0228]
从硬件层面来说，本技术提供一种用于实现所述配电自动化终端布置方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
[0229]
图5为本技术实施例的电子设备9600的系统构成的示意框图。如图5所示，该电子
设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图5是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
[0230]
在一实施例中，配电自动化终端布置功能可以被集成到中央处理器中。其中，中央处理器可以被配置为进行如下控制：
[0231]
步骤s1：基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息。
[0232]
步骤s2：根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
[0233]
从上述描述可知，本技术实施例提供的电子设备，通过多目标优化算法的配电终端优化布置，经过仿真模型实验表明，该方法具有较好的收敛性和稳定性，为多目标的配电自动化终端优化布置问题提供了一种新的方法和手段。
[0234]
在另一个实施方式中，配电自动化终端布置装置可以与中央处理器9100分开配置，例如可以将配电自动化终端布置装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现配电自动化终端布置功能。
[0235]
如图5所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图5中所示的所有部件；此外，电子设备9600还可以包括图5中没有示出的部件，可以参考现有技术。
[0236]
如图5所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
[0237]
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
[0238]
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。
[0239]
该存储器9140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
[0240]
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0241]
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模
块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
[0242]
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
[0243]
本技术的实施例还提供能够实现上述实施例中的配电自动化终端布置方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为所述配电自动化终端布置装置或客户端的配电自动化终端布置方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
[0244]
步骤s1：基于多目标优化算法，结合配电自动化终端优化布置模型的目标函数和对应的约束条件信息，生成配电自动化终端优化布置模型的求解信息。
[0245]
步骤s2：根据所述配电自动化终端优化布置模型的求解信息生成配电自动化终端布置信息，以基于所述配电自动化终端布置信息布置所述配电自动化终端。
[0246]
从上述描述可知，本技术实施例提供的电子设备，通过多目标优化算法的配电终端优化布置，经过仿真模型实验表明，该方法具有较好的收敛性和稳定性，为多目标的配电自动化终端优化布置问题提供了一种新的方法和手段。
[0247]
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0248]
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0249]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0250]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。
[0251]
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。