专利名称：用改进的遗传算法的恢复开关分析的制作方法
用改进的遗传算法的恢复开关分析
背景技术：
电力分配系统大体上包括配电子站、馈电线、开关(断路器、自动重合开关等等)电负载以及监视和控制设备的集合。配电系统从配电子站经由馈电线和开关向连接到该馈电线的电负载(顾客)传递电力。通常将配电系统中的馈电线配置成放射状的类型，以确保在任意时刻仅由一个配电子站(源)经由一个馈电线对每个负载供电。为了维持该放射状配置，由常开的(NO)联络开关将每个馈电线链接到相邻馈电线。当与距馈电线部分的源相对远/近的馈电线部分相比时，距馈电线部分的源相对近/远的馈电线部分被称为上游/下游部分。配电系统中的一个或多个开关可以具有相关智能电子设备(IED)，该IED具有以下监视和控制功能(I)测量并且记录电的和其他类型的开关相关量，如电压、电流、自动合闸次数，(2)监视开关状态，(3)在打开或闭合之间操作开关，并且(4)向一个或多个主 设备通信信息。通过自动化馈电线操作如故障检测、隔离和负载恢复，可以极大地改善配电系统可靠性。在这样的系统中，与开关相关联的IED监视配电系统并且向位于子站中的馈电线自动化主控制器通信对应的信息。如果在配电系统中发生故障，那么主控制器识别故障位置，生成按照一系列开关操作的故障隔离和服务恢复解决方案并且向IED发送开关命令以控制对应的开关。在图I中显示了示例性配电网络，在为了简化而省略了负载的正常操作模式中，源(SI至S7)是椭圆形的，NO开关(5、10、13、16、19、24、29)是绿色方形的，并且常闭的(NC)开关(其他附图标记)是红色方形的。如果在开关I和开关2之间发生故障，开关I的保护功能导致开关I打开，从而导致虚线环绕的区域失去电能。配电网络的故障部分的边界开关包括开关I和2。开关2是故障部分的紧靠的下游，并且因此是隔离开关。参考图2，当打开开关I和2时，将故障部分隔离并且由隔离开关2和NO开关5和16限制剩余未服务区域。开关5和16被称为第一层(层I)恢复开关。如果在情况S4和S7中源分别可以向由于故障隔离而未被服务的区域提供电能，则第一层恢复解决方案是可行的。如果第一层源不能够向未服务区域提供电能，则必须执行第二或者甚至第三层解决方案以向未服务区域提供电能。例如用于第二层的电源是S2和S5。用于第三层的电源是S3和S6。如应该显而易见的，第二和第三层恢复开关在拓扑上比第一层恢复开关更“遥远”。用于获得超过层I的恢复解决方案的过程被称为多层恢复服务分析(RSA)。其有时候被称为多层服务恢复问题。由于多层恢复解决方案中涉及的开关数目有可能大，所以获得这样的解决方案的过程通常比单层解决方案更具有挑战性。在存在任意重配置问题的情况下期望实现计算效率、恢复负载的最大数目、避免网络越限、最小化的开关操作以及所恢复的网络拓扑的放射性。网络重配置问题还可以力图降低网络中总体系统损失并且减轻过载情况。因此可以将网络重配置问题表述为损失降低优化问题或负载平衡优化问题。在正常系统操作情况中，网络配置允许负载从配电网络的高负载部分到相对轻负载部分的周期性传送，并且因此利用在许多配电系统中存在的高度负载多样性。在异常系统操作情况下，例如计划中的或被迫的系统断电，网络重配置问题变成服务恢复问题，这是具体负载平衡问题，其中主要目标是在不违反系统操作和工程约束的情况下恢复尽可能多的服务中止负载。与任意其他类型的网络重配置问题一样，由于配电网络中的开关元件的数目大，并且用于建模系统的电行为的约束的非线性特性，所以服务恢复是高度复杂组合的、不可微分的并且受约束的优化问题。因此在本领域中需要一种用于适当地负责更大数目的变量并且有效地处理多层RSA解决方案的恢复开关分析方法。
发明内容
根据本发明的一个方面，提供了一种用于在故障隔离之后确定到网络中的服务中止负载区域的反馈路径的方法。该方法包括确定基础网络状态并且确定用于该基础网络状 态的适应度函数的基线值(baseline value)。初始化染色体列表。创建初始染色体，并且对于每个所创建的初始染色体，如果是有效的并且不处于列表中，则将该初始染色体添加到初始染色体种群并且到染色体列表中。对于初始染色体种群中的每个染色体生成适应度函数值。通过适应度函数值对染色体进行排序，具有最低适应度函数值的染色体是最佳候选染色体。如果最佳候选染色体的适应度函数值低于门限适应度值，则输出与该最佳候选染色体相对应的网络配置。如果最佳候选染色体的适应度函数值不低于门限适应度值，则使用遗传操作来创建每个新染色体种群的新染色体。在新染色体种群的创建期间，拒绝在染色体列表中已经存在的任意新染色体。将新种群中的新染色体添加到染色体列表中。创建新代，直到最佳候选染色体的适应度函数值低于门限适应度值为止或者直到创建了预先确定数目的新种群为止，随之输出与该最佳候选染色体相对应的网络配置。
图I是示例性配电网络的示意图。图2是示例性配电网络的示意图，其中，已发生故障并且显示了各种恢复层。图3是第二示例性配电网络的示意图。图4是图3的配电网络的示意图，其中，隔离了故障。图5是图3的配电网络的示意图，其中，反馈服务中止区域。图6是图3的配电网络的示意图，其中，置换创建带电环路。图7是图3的配电网络的示意图，其中，置换创建带电环路。图8是图3的配电网络的示意图，其中，置换创建断电环路。图9是用于显示本发明的算法的示例性实施方式的流程图。图10是第三示例性配电网络的示意图，其中，隔离了故障。图11是用于显示用于基础网络状态的适应度函数值的表格。图12是图10的配电网络的示意图，其中，置换了开关。图13是图10的配电网络的示意图，其中，置换了开关。图14是图10的配电网络的示意图，其中，置换了开关。图15是图10的配电网络的示意图，其中，置换了开关以创建带电环路。
图16是图10的配电网络的示意图，其中，置换了开关以创建断电环路。图17是图10的配电网络的示意图，其中，置换了开关。图18是用于显示针对第一代的适应度函数值的表格。图19是用于显示针对第二代的适应度函数值的表格。图20是图10的配电网络的示意图，其中，网络配置对应于第二代的最佳染色体。
具体实施例方式本发明的方法主要可应用于多层RSA问题，但是应该明白该方法也可以应用于单 层RSA问题。以单层RSA问题为例，参考图3，图3显示了处于故障前配置中的示例性网络，包括3个源SI、S2和S3 (变压器形状的);馈电线断路器SWl、Sff2, Sff4, SWl3、SW14和SW21(红色方形的)；12个常闭(NC)开关(分段开关设备)516、518、515、519、5110、5胃11、Sff 15, SW16、SW18、SW22、SW23和SW24(红色圆形的);以及7个常开(NO)联络开关SW3、Sff7, Sff 17, Sff 12, SW19、SW20 和 SW25 (绿色圆形的)。参考图4，其显示了故障后网络配置，其中由馈电线断路器SW21和开关(分段隔离开关)SW22/SW23隔离发生在配电网络的节点L16处的故障。在该故障后配置中，两个负载区域是未被服务或服务中止的。第一区域包括单个负载L18。第二区域包括负载节点L17和L19。可以经由NO联络开关SW25恢复到第一区域的电能，并且经由NO联络开关SW12和/或SW19恢复到第二区域的电能(在来自SW12和SW19的可用容量不足的情况中，可以将服务中止网络L17和L19分割成将要由SW12和SW19两者恢复的两个)。该恢复方案被称为反馈恢复，因为从可选择的源恢复电能。通过将服务中止负载区域的数目定义为M来开始问题的分析，并且由DEi (I ^ i ^M)来识别该区域；将到DEi的反馈NO联络开关的数目定义为，并且由TSWuk (I < i <别联络开关。在图4的示例性故障后网络中，DE1对应于负载节点 L18，DE2 对应于负载节点 L17 和 L19 ;况^ = 1 并且A^w = 2 ; TSWia = SW25, TSff2jl = Sff12并且 TSW2,2 = SW19。还定义了唯一性适应度函数，其中，其目的在于最小化该函数的值f (idv) = wSwSw0pnr (idv) +WlossSysLossnr (idv) +WvvioVvionr (idv) +WlvioIvionr (idv) +wshed (PnrQdV))(等式I)其中，idv是将要估计的(与下文的遗传算法中生成的染色体相对应的)单独的网络拓扑(此后候选系统)的索引。SysLossm是对应的归一化系统电能损失；Vvionr是电压越限的数目是电流越限的数目；Sw0pm是开关操作的数目并且？ 是在恢复之后的总未服务负载。由W1()SS、wVvi()、wIvi。、wSw、Wshejd表示对应的加权因子。等式I中的加权因子定义允许该算法的用户强调不同的优化变量，从而提高应用灵活性。应该明白，虽然以上适应度函数良好地适用于本发明，但是取决于用户优先级和所要求的计算速度，可以在适应度函数中考虑更少的或附加的因子。由于目的是最小化适应度值，所以根据以下来定义归一化值的计算SysLossnr (idv) = SysLoss (idv)/SysLossbase (等式 2)Vvionr (idv) = NoVoltViolations (idv)/NoVoltViolationsbase (等式 3)
Ivionr (idv) = NoCurrentViolations (idv) /NoCurrentViolations base (等式 4)SwOpnr (idv) = NoSwithchOperation (idv)/NoTieSwitchesbase (等式 5)Pnr (idv) = UnservedLoad (idv)/Loadbase (等式 6)其中，SysLoss是候选系统的总计总电能损失，
NoVoltViolations是候选系统中的电压越限的计数数目，NoCurrentViolations是候选系统中的电流(容量)越限的计数数目，NoSwithchOperation是从故障隔离系统状态转变到候选系统状态所需要的开关操作的数目；UnservedLoad是候选系统中的总计服务中止负载，SysLossbase>NoVoltViolationsbase、NocurrentVioIationsbase> NoTieSwitchbase 和 Loadbase 是用于归一化的基线值并且是将在下文描述的基础候选系统的基线值。电压越限的确定受到电压上限和电压下限的设置的影响。系统中的每个元件(源/开关/负载)具有与它们相关联的电压限度。这些电压限度通常被称为(额定值)，并且可以假设它们对于不同的候选系统是固定的。当每单位(P.u.)电压值用于这些固定限度时，用于每个候选系统的计算的Vviom是彼此相当的。在等式6中的UnservedLoad的计算中，单独的负载可以具有与它们相关联的不同的优先级指标(或惩罚因子)。更关键的负载可以在计算中具有更高的惩罚因子。例如，最关键的负载可以具有惩罚因子3，关键性居中的负载可以具有惩罚因子2并且正常的或关键性低的负载可以具有惩罚因子I。当在计算中将这些惩罚因子与它们的相关负载相乘时，负载越关键则其将对最终的Pnr值具有越大的影响。这确保在候选系统的选择决策中更不可能剩下服务更关键的负载未被服务。纯遗传算法可以生成重复的候选网络，这增加了处理时间并且降低了计算效率。因此，通过定义包含候选网络和无效网络的指标的搜索列表LSTkts，与适应性禁忌搜索(Reactive Tabu Search RTS)结合。该指标主要包含网络配置的信息，即关于每个开关/断路器是打开还是闭合的状态。在故障隔离之后执行本发明的方法并且根据以下步骤继续本发明的方法在第一步骤处，对于每个DEi,针对对应的联络开关TSWi，k (I < k< iWl)计算空余容量该空余容量是对应的反馈路径的最大空余负载能力，该能力是通过从联络开关到它的源的追踪，找出该网络路径中的每个元件的最低空余负载(电流)限度并且将最低限度设置为该空余容量来确定的。对于馈电线主线或支线，空余容量限度是热电流承载限度减去当前负载(电流)；对于开关，容量限度是额定AC负载能力(单位为安培)减去当前负载(电流)；对于源，容量限度是最大可用负载容量(该值可以是热力或稳定受限负载容量减去当前负载)。在下一个步骤中，对于每个服务中止负载区域DEi,闭合其对等NO联络开关(对于I <k< M；w)中，具有最大C的NO联络开关TSWi, Zchnax。结果的网络配置是放射状的并且不包括服务中止负载(可能仍然存在电流和电压越限)。该配置是基础候选系统并且将它的代表性索引存储在LSTkts中。可以将代表性索引定义为包括所选联络开关TSWi, Iclmax的索引的字串。基础候选系统索引因此变成联络开关指标的字串。然后在基础候选系统上执行负载流(网络)分析，以计算总系统损失SySLoSSbase、电压越限的数目NoVoltViolationsbase、电流越限的数目NoCurrentViolationsbase、联络开关的数目NoTieSwitchbasej以及总系统负载Loadbase;。根据等式I计算基础候选系统的适应
度值，并且该适应度值等于 Wsw+Wi0SS+Wi0SS+Wjvi0+Wshed o通过示例，参考图5，显示了用于图4的故障网络的基础候选系统。如可见的，对于DE1, SW25是NO联络开关TSW1^其具有最大(其是200A，即SWl的最大负载容量500A减去300A的当前SWl负载)。类似地，对于DE2, SW19是NO联络开关TSW2,2，其具有最大
(其也是200A，即SW14的最大负载500A减去300A的当前SW14负载)。在不影响本发明的操作的前提下可以采用用于定义基础候选系统的其他方法。在下一个步骤中，对于基础候选系统，使用遗传算法(GA)技术来与上游闭合开关置换TSW1Jk幸大)，以生成新候选系统。在本文公开中，置换涉及闭合TSWiJk幸k最大)以及打开上游NC开关的动作。下文将更详细地描述该方法。大体上，馈电线电路断路器(用于图5中的示例性网络的{1，2，4，13，14})可以不被置换，因为使用它们作为新联络开关是异常的并且这还便于限制搜索空间的大小。在给定候选系统中可以进行多个置换，但是没有有效解决方案可包括带电环路。换句话说，候选系统必须是放射状的。网络中的断电部分是可允许的，因为适应度函数定义将自然地倾向排除对应的候选网络，即如果在等式I中Wshed大于0则GA将最小化负载脱落。对照LSTkts检查每个新生成的候选系统，并且如果该新生成的候选系统已经处于该列表中则丢弃该候选系统。如果候选系统不处于该列表中则将其索引存储在该列表中。对于每个新候选系统，基于等式I到等式6计算适应度值，并且在GA进化过程和终止评价中使用适应度值，如下文更详细地描述的。现在将更详细地描述置换功能。为了定义用于遗传算法的染色体，定义置换矩阵结构，其中行对应于NO联络开关(仅索引)并且列对应于可被置换的上游NC开关(仅索引)。在矩阵中，值I指示置换是可行的并且值0指示置换不可行。下文显示了用于图5的基础候选系统的示例性置换矩阵
权利要求
1. 一种用于在故障隔离之后确定到网络中的服务中止负载区域的反馈路径的方法，所述方法包括 1.确定基础网络状态； ii.确定用于所述基础网络状态的适应度函数的基线值； iii.初始化染色体列表(LSTkts)； iv.创建初始染色体，对于每个所创建的初始染色体，如果是有效的并且不处于LSTkts中，则将所述初始染色体添加到初始染色体种群中；对于所创建的每个所述初始染色体，将所述初始染色体添加到所述LSTkts中； V.生成所述初始染色体种群中的每个染色体的适应度函数值； vi.通过适应度函数值对所述染色体进行排序，具有最低适应度函数值的所述染色体是最佳候选染色体； vii.确定所述最佳候选染色体的所述适应度函数值是否低于门限适应度值，并且如果是则输出与所述最佳候选染色体相对应的网络配置； viii.如果所述最佳候选染色体的所述适应度函数值不低于所述门限适应度值，则使用遗传操作来创建新染色体种群的新染色体，在所述新染色体种群的所述创建期间，拒绝已经处于所述LSTkts中的任意新染色体并且将所述新种群中的所述新染色体添加到所述LSTets 中； ix.生成所述新种群中的每个染色体的适应度函数值；并且 X.重复步骤vi-ix，直到所述最佳候选染色体的所述适应度函数值低于所述门限适应度值为止或者直到创建了预先确定数目的新种群为止，随之输出与所述最佳候选染色体相对应的网络配置。
2.如权利要求I所述的方法，其中，所述适应度函数包括 f (idv) = wSwSwOpnr (idv) +WlossSysLossnr (idv) +WvvioVvionr (idv) +WlvioIvionr (idv) +Wshed (PnrQdv)) 其中，idv是与染色体相对应的单独的网络拓扑的索引； SysLossnr是对应的归一化系统电能损失；Vviom是电压越限的数目；Iviom是电流越限的数目=SwOpm是开关操作的数目；Pm是在恢复之后的总未服务负载；并且w1()SS、wVvi。、WIvio>WSw> wShed是用户分配的加权因子。
3.如权利要求2所述的方法，其中SysLossnr (idv) = SysLoss (idv) /SysLossbase ；Vvionr (idv) = NoVoltViolations (idv) /NoVoltViolationsbase ；Ivionr (idv) = NoCurrentViolatiohs (idv)/NoCurrentVioIationsbase ；SwOpnr (idv) = NoSwithchOperations (idv) /NoTieSwitchesbase ；Pnr (idv) = UnservedLoad (idv) /Loadbase ； 其中，SysLossbase是所述基础网络状态中的所述电能损失； SysLoss (idv)是与染色体相对应的候选网络中的对应的电能损失； NoVoltViolationsbsae是在所述基础网络状态中的电压越限的数目； NoVoltViolations (idv)是与染色体相对应的候选网络中的对应的电压越限；NoCurrentViolationsbsae是在所述基础网络状态中的电流越限的数目；NoCurrentViolations (idv)是与染色体相对应的候选网络中的对应的电流越限的数目；N0TieSWitCheSbase是在所述基础网络状态中的联络开关的数目；NoSwi thchOperat ions (i dv)是与染色体相对应的候选网络中要达成的开关操作的对应的数目；Loadbase是所述 基础网络状态的总负载；UnservedLoad(idv)是与染色体相对应的候选网络中的对应的总未服务负载。
4.如权利要求I所述的方法，其中，确定基础网络状态的所述步骤包括对于每个服务中止负载区域，闭合常开联络开关。
5.如权利要求I所述的方法，其中，创建初始染色体的所述步骤包括创建置换矩阵，其中，所述置换矩阵的行对应于所述基础网络状态的常开联络开关，并且所述置换矩阵的列对应于能够被置换的上游常闭开关；并且 通过随机置换一个或多个所述常开联络开关与所述能够被置换的上游开关来创建所述初始染色体。
6.如权利要求I所述的方法，其中，使用遗传操作来创建每个新染色体种群的新染色体的所述步骤还包括 从所述初始种群中选择多个染色体；并且 在来自所述初始种群的所述多个染色体上执行交叉和变异。
7.如权利要求5所述的方法，其中，所述初始染色体种群包括6n+l个初始染色体，其中n是用户定义的变量。
8.如权利要求7所述的方法，其中，使用遗传操作来创建新染色体种群的新染色体的所述步骤还包括 将来自先前代的前2n+l个染色体添加到未改变的新代中； 将所述最佳候选染色体与接下来的2n个染色体交叉，以生成2n个新染色体； 变异前2n+l个染色体之后接下来的2n个染色体，以创建所述新代中的2n个新染色体；并且 如果要求附加的新染色体来填充所述新代，则根据所述置换矩阵来随机置换。
全文摘要
一种用于确定反馈路径的方法能够通过使用迭代的遗传算法最小化适应度函数来有效地解决多层恢复问题。该方法通过最小化电能损失、开关、未服务负载和电压/电流越限来优化服务中止区域的反馈。通过使用适应性禁忌搜索来防止重复的候选系统，进一步提高该算法的效率。
文档编号G06N3/12GK102667827SQ201080054795
公开日2012年9月12日 申请日期2010年12月2日 优先权日2009年12月4日
发明者J·斯陶皮斯, V·唐德, W·佩特森, 李文平, 王振远 申请人:Abb研究有限公司