分散式风电并网点电压越限的配网重构方法、装置及终端与流程

1.本技术属于分散式风电并网技术领域，具体涉及分散式风电并网点电压越限的配网重构方法、装置及终端。


背景技术：

2.当下风力发电产业得到了快速发展。对于集中式风电的发展，一些问题逐渐浮现出来，"弃风率"居高不下，风电消纳问题严重，使风电发展陷入瓶颈。因此，分散式风电成为了风电发展的新途径。
3.分散式风电的接入改变了传统配网潮流只有单向流动的模式，有可能出现潮流逆流从而导致风力发电系统的并网点电压升高至越限。电压越限不仅影响了本地负荷的电能质量问题，而且限制了风电在配电网中的渗透率。
4.相关技术中利用粒子群优化算法进行配网重构，在搜索寻优过程中，惯性权重和学习因子是固定不变的，容易导致分散式风电并网点电压越限的配网重构陷入局部最优。


技术实现要素：

5.为此，本技术提供分散式风电并网点电压越限的配网重构方法、装置及终端，有助于避免分散式风电并网点电压越限的配网重构陷入局部最优。
6.为实现以上目的，本技术采用如下技术方案：
7.第一方面，本技术提供一种分散式风电并网点电压越限的配网重构方法，所述方法包括：
8.获得配电网的粒子群，所述粒子群中的粒子表征节点开关，粒子的位置指示节点开关的状态，粒子的速度指示具体节点开关状态的概率；
9.基于所述粒子群中粒子的位置和速度进行迭代处理，直至当满足预设迭代终止条件时，得到粒子目标位置，利用所得到的粒子目标位置对配电网进行重构；
10.其中，每次迭代处理步骤如下：
11.基于粒子的当前位置，确定当次迭代时粒子群速度更新公式的个体最优位置和全局最优位置；确定粒子的当前适应度值，基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重；以及基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子；
12.利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置。
13.第二方面，本技术提供一种分散式风电并网点电压越限的配网重构装置，所述装置包括：
14.获得模块，用于获得配电网的粒子群，所述粒子群中的粒子表征节点开关，粒子的位置指示节点开关的状态，粒子的速度指示具体节点开关状态的概率；
15.重构处理模块，用于基于所述粒子群中粒子的位置和速度进行迭代处理，直至当
满足预设迭代终止条件时，得到粒子目标位置，利用所得到的粒子目标位置对配电网进行重构；
16.其中，每次迭代处理步骤如下：
17.基于粒子的当前位置，确定当次迭代时粒子群速度更新公式的个体最优位置和全局最优位置；确定粒子的当前适应度值，基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重；以及基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子；
18.利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置。
19.第三方面，本技术提供一种配电网重构处理终端，包括：
20.存储器，其上存储有可执行程序；
21.处理器，用于执行所述存储器中的所述可执行程序，以实现上述任一项所述方法的步骤。
22.本技术采用以上技术方案，至少具备以下有益效果：
23.本技术分散式风电并网点电压越限的配网重构的每次迭代处理过程中，基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重；以及基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子，可实现在搜索寻优过程中对粒子群速度更新公式的惯性权重和学习因子进行动态调整，有助于实现分散式风电并网点电压越限的配网重构具有均衡的全局与局部寻优能力，进而提升分散式风电并网点电压越限的配网重构质量。
24.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
25.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，下面描述中的附图仅仅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。
26.图1是根据一示例性实施例示出的一种分散式风电并网点电压越限的配网重构方法的流程图；
27.图2为ieee33节点系统示意图；
28.图3为去除掉不在任何一个环路内的开关以及与风力发电机直接相连的开关的示意图；
29.图4为将度为2的节点所属支路合并成一条支路形成支路组的示意图；
30.图5则是将网络中可并联的支路进行并联处理的示意图，
31.图6是根据一示例性实施例示出的一种分散式风电并网点电压越限的配网重构装置的框图示意图；
32.图7是根据一示例性实施例示出的一种配电网重构处理终端的框图示意图。
具体实施方式
33.为使本技术的目的、技术方案和优点更加清楚，下面将对本技术的技术方案进行详细的描述。显然，所描述的实施例仅仅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做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
34.请参阅图1，图1是根据一示例性实施例示出的一种分散式风电并网点电压越限的配网重构方法的流程图，该方法包括如下步骤：
35.步骤s11、获得配电网的粒子群，所述粒子群中的粒子表征节点开关，粒子的位置指示节点开关的状态，粒子的速度指示具体节点开关状态的概率。
36.具体的，粒子的位置x
ih
的每一维分量可以用二进制变量0或者1来指示，0指示开，1指示闭合。粒子的速度v
ih
指示粒子位置取0或1的概率，速度越大，取1的概率就越大，反之取0的概率就越大。
37.步骤s12、基于所述粒子群中粒子的位置和速度进行迭代处理，直至当满足预设迭代终止条件时，得到粒子目标位置，利用所得到的粒子目标位置对配电网进行重构；
38.其中，每次迭代处理步骤如下：
39.基于粒子的当前位置，确定当次迭代时粒子群速度更新公式的个体最优位置和全局最优位置；确定粒子的当前适应度值，基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重；以及基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子；
40.利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置。
41.具体的，粒子群算法中，粒子群的速度更新公式如下：
[0042][0043]
式中，ω为惯性权重；代表粒子位置；代表粒子速度；q1和q2为随机因子，具体应用中，可以为在[0,1]上的随机数；c1和c2为学习因子，为粒子i的个体最优位置，为粒子群的全局最优位置。k为迭代次数，h为维度。
[0044]
粒子群算法是通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。
[0045]
上述粒子群的速度更新公式的惯性权重ω、学习因子c1和c2，一般是固定设置，容易导致分散式风电并网点电压越限的配网重构陷入局部最优。本技术方案，在每次迭代处理过程中，基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重；以及基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子，可实现在搜索寻优过程中对粒子群速度更新公式的惯性权重和学习因子进行动态调整，有助于实现分散式风电并网点电压越限的配网重构具有均衡的全局与局部寻优能力，进而提升分散式风电并
网点电压越限的配网重构质量。
[0046]
在一个实施例中，所述基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重，包括：
[0047]
将粒子的当前适应度值输入如下惯性权重更新公式：
[0048][0049]
得到当次迭代时粒子群速度更新公式的惯性权重；
[0050]
式中，ωi为第i个粒子的惯性权重；ω
max
为惯性权重的设定最大值；fi为第i个粒子的当前适应度值；为粒子群的平均适应度值；γ为预设定的惯性因子，取值范围可以为[0,1]；
[0051]
其中，
[0052]
该具体实施例下，使ω能够根据实际问题而动态调整其大小，并且能够使粒子具有均衡的全局与局部搜索能力。
[0053]
在一个实施例中，所述基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子，包括：
[0054]
利用如下公式组：
[0055][0056]
确定当次迭代时粒子群速度更新公式的学习因子；
[0057]
式中，c1和c2为粒子群速度更新公式的两个学习因子，c
1max
和c
1min
为c1的上下限值，c
2max
和c
2min
为c2的上下限值，r为当次迭代次数，r
max
为设置的最大迭代次数。
[0058]
该具体实施例下，每次迭代处理时重新确定学习因子，实现动态调整学习因子，提升分散式风电并网点电压越限配网重构的寻优能力。
[0059]
对于步骤——所述利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置，可以采用粒子群算法相关技术中的位置更新公式，但针对于分散式风电配电网这一具体应用场景，由于配电网正常运行时需要满足辐射状结构的要求，且不能出现“孤岛”和环网的现象。所以要求每个环路只能打开一个开关，也就是打开的开关数目必须等于环路数数目，若按照之前的位置更新公式更新粒子的位置，将会出现一个环路中不止一个开关打开的情况，这将大幅度增加配电网重构中不可行的开关组合状态出现的几率，严重影响了算法的搜索效率。为了克服上述问题，本技术给出如下方案：
[0060]
在一个实施例中，所述利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置，包括：
[0061]
利用如下粒子位置更新公式：
[0062][0063]
得到当次迭代后的粒子位置；
[0064]
式中，q为[0,1]上的一个随机数；为利用当次迭代时粒子群速度更新公式所得到的粒子速度；q
ih
为min函数得到的最小值；s为与节点开关属于一个环网的所有开关集合；j为第i个粒子在第k次迭代的时处在第h维里面所有的粒子速度集合，属于集合j中的一个数；s为在第h维属于一个环网的所有粒子的速度集合。min函数利用集合j中的确定一个最小值q
ih
，将其对应粒子位置确定为0。
[0065]
在一个实施例中，所述确定粒子的当前适应度值，包括：
[0066]
基于粒子的当前位置，利用网络损耗和电压偏差得到粒子的当前适应度值，基于粒子的当前适应度值。
[0067]
具体的，现有的大多数重构研究都是改善配电网的单一运行特性，这样可能会导致某一运行特性得到极大的改善但另外的运行特性反而较之前变差了。尤其的是对考虑分散式风力发电出力等因素的多目标重构的研究更少。本技术以网络损耗和电压偏移两个目标函数来构建适应度函数，在实际应用中，综合考虑了两者之间的关系，为每个目标函数分配权重，将适应度函数组成一个多目标函数，所以粒子的适应度函数可以表示为：
[0068]
f＝μ*f1+γ*f2；
[0069]
式中，μ和γ为函数的权重因子；f1和f2分别为网络损耗指标以及电压偏差指标，对于网络损耗指标以及电压偏差指标，在下文中会有进一步说明。
[0070]
适应度函数输出值越小，对应的粒子就越优秀，越接近目标要求。
[0071]
在一个实施例中，所述迭代终止条件包括：
[0072]
迭代次数达到设定次数或者迭代后粒子群的适应度统计值满足预设收敛条件；以及
[0073]
粒子群满足预设约束条件。
[0074]
具体的，对于迭代设定次数，可以通过先行试验模拟，得到一个设定次数，迭代完成该设定次数后，输出结果能满足重构要求。亦或，通过设置一个迭代收敛条件，如以迭代后的粒子群的适应度统计值与目标值的差值绝对值小于某个设定值时，判断出满足收敛条件。
[0075]
进一步地，所述约束条件包括：
[0076]
a.潮流约束条件：
[0077]
[0078]
式中，n为系统节点总数；p
wtgi
和q
wtgi
分别为节点i风机的有功和无功出力；pi和qi分别为节点i所输入的有功和无功；y为支路的导纳矩阵；ui和uj分别为节点i、j的电压；
[0079]
b.节点电压约束条件：u
imin
≤ui≤u
imax
，
[0080]
式中，ui为节点i电压，u
imin
为节点i电压下限，u
imax
为节点i电压上限；
[0081]
c.分散式风电渗透率约束条件：
[0082][0083]
式中，p
wtgi
和q
wtgi
分别为节点i风机的有功和无功出力；p
wtgmin
和q
wtgmin
分别为节点i处风机有功、无功出力下限；p
wtgmax
和q
wtgmax
分别为节点i处风机有功、无功出力上限；风机总功率不得大于渗透率；
[0084]
d.网络拓扑约束条件：配电网重构过程中及重构后都要满足：配点网络构造必须为辐射状且不能存在孤岛和环网。
[0085]
在配电网重构时，由于粒子位置每维分量取0或1具有随机性，会产生大量不满足网络结构约束条件的无效解。对此，本技术通过如下实施例方案解决上述问题：
[0086]
在一个实施例中，所述方法还包括：
[0087]
在获得配电网的粒子群之前，对配电网进行约简处理和重构编码处理；
[0088]
其中，对配电网进行约简处理包括：
[0089]
a.将不在任何一个环路内的开关以及与风力发电机直接相连的开关闭合；即这些节点开关在实际应用中对应的粒子位置始终为保持为1，使得这些开关不被编码。因为若他们其中任一开关位置为0即会出现孤岛。
[0090]
b.将度为2的节点所属支路合并成一条支路形成支路组，并进行编号；
[0091]
c.对可并联支路进行并联处理；
[0092]
请参阅图2-5，下述以ieee33节点系统为例说明网络结构约简的过程。图2为ieee33节点系统，图中，wtg1、wtg2、wtg3分别表示风力发电机；图3为去除掉不在任何一个环路内的开关以及与风力发电机直接相连的开关，也即是约简了节点0～1和三个与风机直接相连的开关；图4为将度为2的节点所属支路合并成一条支路形成支路组，则此时网络由原先的33节点化简为12节点；图4则是将网络中可并联的支路进行并联处理，这里将图3中的支路l1和l2并联为一条支路得到图4所示的网络。
[0093]
其中，对配电网进行重构编码处理包括：
[0094]
每一个环路设置为只能打开一个节点开关，基于环路为节点开关配置编码。
[0095]
具体的，为保证电网始终为辐射状，减少不可行解出现的概率，本技术采用基于环路的编码方式，每一个联络开关都对应一个环网，每一个环路只能打开一个开关，对应的粒子编码就是每一个环网，仅有一维位置为0，其余均为1。
[0096]
通过上述对配电网进行约简处理和重构编码处理，实现通过简化网络结构减少节点数量，降低粒子编码维数，实现求解空间的压缩，加快求解速度。
[0097]
相关技术中，粒子群算法在追求收敛速度快、搜索效率高的同时，往往会以多样性的缺失为代价，从而对最终的优化结果形成不利的影响。对此，本技术给出如下实施例方案予以克服。
[0098]
在一个实施例中，所述方法还包括：
[0099]
在每次迭代处理之前，针对所述粒子群，将粒子按适应度值递增顺序进行顺序排列；
[0100]
基于顺序排列的粒子，粒子的适应度值计算粒子的跳跃度，当确定出后一个粒子的跳跃度小于之前所有粒子的跳跃度时，将所述之前所有粒子划分为一个子群；
[0101]
针对剩余顺序排列的粒子，返回执行步骤：基于顺序排列的粒子，粒子的适应度值计算粒子的跳跃度，当确定出后一个粒子的跳跃度小于之前所有粒子的跳跃度时，将所述之前所有粒子划分为一个子群；直至子群划分结束，以针对各个子群分别进行迭代处理。
[0102]
通过上述方案，可以将粒子群划分为多个子群，且各个子群间是互不交叉的。在每次迭代处理之前，利用粒子的适应度值得到粒子的跳跃度，以此对粒子群重新进行划分子群，由于每次迭代处理后粒子的适应度值发生变化，因此，在不断的迭代过程中，各次迭代之间，子群是动态变化的，从而有助于在搜索过程中扩展广度和深度，通过进一步划分的子群保证多样性，提升配网重构的优化结果。
[0103]
对于上述方案，具体的，针对粒子群，计算各粒子适应度的大小，定义粒子的适应度值为特征点，得到特征集l，特征集l以适应度值f从小到大进行排序，计算各粒子的跳跃度：
[0104][0105]
其中，
[0106][0107]
式中，n为粒子总数，fk为第k个粒子的适应度值。
[0108]
该方案中，基于跳跃度jk，以fk为界进行特征分层，只有当第k个粒子的跳跃度jk小于前面k-1个特征点的跳跃度，fk才能为不同层之间的临界点。每一次分层需去除掉已经分层的粒子，再对剩下的粒子进行分层，直至所有特征分层结束，以此得到多个子群。
[0109]
为了避免产生不必要的操作和资源浪费，电网在实际运行时，并不是在任意网络状态下都需要进行重构操作，而是需要考虑当前网络是否需要进行重构即优化重构的启动条件。故需对当前网络的相关指标进行评估以判断是否需要重构。对此本技术给出如下实施例方案：
[0110]
在一个实施例中，所述方法还包括：
[0111]
获得分散式风电配电网的网络损耗和电压质量，并当所述网络损耗和所述电压质量中任一者指标越限时，确定执行步骤基于所述粒子群中粒子的位置和速度进行迭代处理，及其后续步骤。
[0112]
本技术选取网络损耗以及电压质量对当前网络进行评估，并设置每个指标的阀值，通过指标计算，并与对应阈值比较来判断是否越限。
[0113]
网络损耗：
[0114][0115]
式中，n为支路总数；i为支路编号；ki为支路编号为i的开关状态，0和1分别为开关断开与闭合；ri表示支路i的电阻值；ii为流过支路i的负荷电流。
[0116]
电压质量：
[0117]
为了控制节点的电压质量，将电压质量的评价函数定义为系统的电压偏移，数学表达式描述如下：
[0118][0119]
式中，δu表示电压偏移，n表示配电网节点总数；ui表示节点i的实际电压；u
in
表示节点i的额定电压。
[0120]
根据以上提供的公式，通过潮流计算得到网络损耗和电压偏移，当有任一指标越限，则实施重构计算。
[0121]
请参阅图6，图6是根据一示例性实施例示出的一种分散式风电并网点电压越限的配网重构装置的框图示意图，该配网重构装置6包括：
[0122]
获得模块61，用于获得配电网的粒子群，所述粒子群中的粒子表征节点开关，粒子的位置指示节点开关的状态，粒子的速度指示具体节点开关状态的概率；
[0123]
重构处理模块62，用于基于所述粒子群中粒子的位置和速度进行迭代处理，直至当满足预设迭代终止条件时，得到粒子目标位置，利用所得到的粒子目标位置对配电网进行重构；
[0124]
其中，每次迭代处理步骤如下：
[0125]
基于粒子的当前位置，确定当次迭代时粒子群速度更新公式的个体最优位置和全局最优位置；确定粒子的当前适应度值，基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重；以及基于当次迭代次数，确定当次迭代时粒子群速度更新公式的学习因子；
[0126]
利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置。
[0127]
进一步地，重构处理模块62中，所述基于粒子的当前适应度值，得到当次迭代时粒子群速度更新公式的惯性权重，包括：
[0128]
将粒子的当前适应度值输入如下惯性权重更新公式：
[0129][0130]
得到当次迭代时粒子群速度更新公式的惯性权重；
[0131]
式中，ωi为第i个粒子的惯性权重；ω
max
为惯性权重的设定最大值；fi为第i个粒子的当前适应度值；为粒子群的平均适应度值；γ为预设定的惯性因子。
[0132]
进一步地，重构处理模块62中，所述基于当次迭代次数，确定当次迭代时粒子群速
度更新公式的学习因子，包括：
[0133]
利用如下公式组：
[0134][0135]
确定当次迭代时粒子群速度更新公式的学习因子；
[0136]
式中，c1和c2为粒子群速度更新公式的两个学习因子；c
1max
和c
1min
为c1的上下限值；c
2max
和c
2min
为c2的上下限值；r为当次迭代次数；r
max
为设置的最大迭代次数。
[0137]
进一步地，重构处理模块62中，所述利用当次迭代时粒子群速度更新公式所得到的粒子速度，得到当次迭代后的粒子位置，包括：
[0138]
利用如下粒子位置更新公式：
[0139][0140]
得到当次迭代后的粒子位置；
[0141]
式中，q为[0,1]上的一个随机数；为利用当次迭代时粒子群速度更新公式所得到的粒子速度；q
ih
为min函数得到的最小值；s为与节点开关属于一个环网的所有开关集合；j为第i个粒子在第k次迭代的时处在第h维里面所有的粒子速度集合，属于集合j中的一个数；s为在第h维属于一个环网的所有粒子的速度集合。
[0142]
进一步地，重构处理模块62中，所述确定粒子的当前适应度值，包括：
[0143]
基于粒子的当前位置，利用网络损耗和电压偏差得到粒子的当前适应度值，基于粒子的当前适应度值。
[0144]
进一步地，重构处理模块62中，所述迭代终止条件包括：
[0145]
迭代次数达到设定次数或者迭代后粒子群的适应度统计值满足预设收敛条件；以及
[0146]
粒子群满足预设约束条件。
[0147]
进一步地，重构处理模块62中，所述约束条件包括：
[0148]
a.潮流约束条件：
[0149][0150]
式中，n为系统节点总数；p
wtgi
和q
wtgi
分别为节点i风机的有功和无功出力；pi和qi分别为节点i所输入的有功和无功；y为支路的导纳矩阵；ui和uj分别为节点i、j的电压；
[0151]
b.节点电压约束条件：u
imin
≤ui≤u
imax
，
[0152]
式中，ui为节点i电压，u
imin
为节点i电压下限，u
imax
为节点i电压上限；
[0153]
c.分散式风电渗透率约束条件：
[0154][0155]
式中，p
wtgi
和q
wtgi
分别为节点i风机的有功和无功出力；p
wtgmin
和q
wtgmin
分别为节点i处风机有功、无功出力下限；p
wtgmax
和q
wtgmax
分别为节点i处风机有功、无功出力上限；风机总功率不得大于渗透率；
[0156]
d.网络拓扑约束条件：配电网重构过程中及重构后都要满足：配点网络构造必须为辐射状且不能存在孤岛和环网。
[0157]
进一步地，该配网重构装置6还包括：
[0158]
约简处理和重构编码处理模块，用于在获得配电网的粒子群之前，对配电网进行约简处理和重构编码处理；
[0159]
其中，对配电网进行约简处理包括：
[0160]
a.将不在任何一个环路内的开关以及与风力发电机直接相连的开关闭合；
[0161]
b.将度为2的节点所属支路合并成一条支路形成支路组，并进行编号；
[0162]
c.对可并联支路进行并联处理；
[0163]
其中，对配电网进行重构编码处理包括：
[0164]
每一个环路设置为只能打开一个节点开关，基于环路为节点开关配置编码。
[0165]
进一步地，该配网重构装置6还包括：
[0166]
子群划分模块，用于在每次迭代处理之前，针对所述粒子群，将粒子按适应度值递增顺序进行顺序排列；
[0167]
基于顺序排列的粒子，粒子的适应度值计算粒子的跳跃度，当确定出后一个粒子的跳跃度小于之前所有粒子的跳跃度时，将所述之前所有粒子划分为一个子群；
[0168]
针对剩余顺序排列的粒子，返回执行步骤：基于顺序排列的粒子，粒子的适应度值计算粒子的跳跃度，当确定出后一个粒子的跳跃度小于之前所有粒子的跳跃度时，将所述之前所有粒子划分为一个子群；直至子群划分结束，以针对各个子群分别进行迭代处理。
[0169]
进一步地，该配网重构装置6还包括：
[0170]
指标越限确定模块，用于获得分散式风电配电网的网络损耗和电压质量，并当所述网络损耗和所述电压质量中任一者指标越限时，确定执行步骤基于所述粒子群中粒子的位置和速度进行迭代处理，及其后续步骤。
[0171]
关于上述实施例中的配网重构装置6，其各个模块执行操作的具体方式已经在上述相关方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0172]
请参阅图7，图7是根据一示例性实施例示出的一种配电网重构处理终端的框图示意图，该配电网重构处理终端7包括：
[0173]
存储器71，其上存储有可执行程序；
[0174]
处理器72，用于执行所述存储器71中的所述可执行程序，以实现上述中任一项所述方法的步骤。
[0175]
在实际应用中，该配电网重构处理终端7可以采用电脑。具体的，对于配电网重构处理终端7，其处理器72执行存储器71中程序的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0176]
此外，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述任一项的所述方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0177]
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
[0178]
需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”、“多”的含义是指至少两个。
[0179]
应该理解，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能同时存在居中元件；当一个元件被称为“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件,此外，这里使用的“连接”可以包括无线连接；使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
[0180]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为：表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0181]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0182]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0183]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0184]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0185]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示
例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0186]
尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。