基于负载最大化的电网优化系统及电网优化方法与流程

本发明属于配电网自动化技术领域，具体地讲，涉及一种基于负载最大化的电网优化系统及电网优化方法。

背景技术：

近年来，随着我国国民经济的迅猛发展，电力负荷逐年增加，配电网络的结构也日趋复杂，造成配电网网络损耗逐年增大。随着国民经济持续、健康的发展和人民物资文化生活水平的不断提高，对电能的需求势头见涨。可是，近几年全国各种能源的发电量远不能满足人们的需求，全国各地相继出现了拉闸限电的现象，供需矛盾日益加剧，严重影响了经济发展和人民生活。在电力系统中配电系统对于输电系统和电力用户之间起着枢纽作用，相对于发达国家我国配电系统的发展仍然比较落后，网络损耗较高。

现有的配电网重构计算量繁琐现有的配电网重构计算量繁琐随着配电网规模的变大，该方法所需的计算时间过长，最终优化结果受初始判据的影响较大。人工智能全局最优解或次最优解，但计算量大，效率低。

技术实现要素：

为了解决上述现有技术中存在的问题，本发明的目的在于提供一种对网络结构进行优化，从而保证整个系统的平衡的基于负载最大化的电网优化系统及电网优化方法。

本发明提供了一种基于负载最大化的电网优化方法，所述基于负载最大化的电网优化方法包括：构建配电网络模型，以用于表示配电网中的功率传播率；选择能够提供最大功率传播率的节点作为种子节点；获取初始电网功率传播网络；存储所述种子节点在激活过程中覆盖到的节点，并在所述种子节点激活结束后更新所述覆盖到的节点的未激活入边邻居的潜在影响节点数；根据每个节点的潜在影响节点数进行影响力排名，以得到电网功率传播网络中的节点影响力排名列表；根据所述影响力排名列表进行影响路径追踪，从而获取所述影响力排名列表中的每个节点影响的终端用户集合。

进一步地，所述基于负载最大化的电网优化方法还包括：当线路中的器件出现故障时，寻找所述器件所在的节点的父节点，并在所述父节点所在的影响路径中选取影响力最大的子节点，同时更新各节点的影响力排名。

进一步地，所述配电网络模型被配置为一有向图模型，所述有向图模型的公式表示为：

G＝(V，E)，

其中，V是所有节点的集合，E是有向边的集合，且(u，v)∈E用于表示节点u到节点v的功率传播关系，有向边E(u，v)的权值用于表示节点u传到节点v的传递率，即从节点u传到节点v的强度，有向边E既称为节点u的出边，又称为节点v的入边。

进一步地，令w为一个未激活的节点，则有向边E(v，w)的潜在影响力表示为p(v，w)，p(v，w)的计算公式为：

其中，θ_w为节点v的初始激活阈值；c_w为已激活的入边邻居对v的累计影响值；b_vw为节点u对节点w的影响力，即有向边E(v，w)上的权值或功率的传递率，b_vw为有向边E(v，w)的实际影响力，θ_w-c_w为节点w的即时激活阈值。

进一步地，利用PIN函数来获取初始电网功率传播网络，所述PIN(v)用于表示节点v对其指向的未激活节点的影响总和，所述PIN(v)的计算公式为：

其中，out(v)表示节点v的出边，active(w)表示节点w的入边。

进一步地，利用seed表示种子节点，利用cover数组来存储种子节点seed在激活过程中覆盖到的节点，每个节点都有一个覆盖标，利用C(v)来表示覆盖标，C(v)用于代表节点v被哪个种子节点影响到；其中，利用cover数组来存储种子节点seed在激活过程中覆盖到的节点的方法包括：

将seed加入cover数组中；

当节点v被激活时，seed对节点v的未激活的出边邻居w施加影响值；

判断C(w)与seed的大小；

若C(w)≠seed，则将节点w添加到cover数组中，并令C(w)＝seed；若C(w)＝seed，则不添加节点w；

当seed的激活过程结束时，更新cover数组中的每一个节点的未激活入边邻居的PIN值。

进一步地，所述基于负载最大化的电网优化方法还包括考察cover数组中的每一个节点v的未激活入边邻居的PIN值变化，所述考察cover数组中的每一个节点v的未激活入边邻居的PIN值变化的方法包括：

消除PIN(u)在之前的E(u，v)带来的影响值；

判断节点v在seed的激活过程中是否被激活；

若是，则PIN(u)值不变；若否，则PIN(u)加上所述E(u，v)带来的影响值。

进一步地，当节点v在seed的激活过程中被激活，所述PIN(u)值的计算公式为：

其中，r_v用于表示节点v在seed的激活过程中第一次被影响到之前的累计影响值。

进一步地，当节点v在seed的激活过程中没有被激活，所述PIN(u)值的计算公式为：

PIN(u)＝PIN(u)+p(u，v)，

其中，θ_v＞c_v。

进一步地，所述对该排名节点进行影响路径追踪的方法包括：

选择所述影响力排名列表中的最大影响力节点构建树模型；

将所述树模型放入所述初始电网功率传播网络中；

记录受到所述最大影响力节点影响的终端用户，所述最大影响力节点影响的终端用户被构造为集合t₁；

记录受到所述影响力排名列表中的其它节点i影响的终端用户，受到其它节点i影响的终端用户被构造为集合t_i；其中，所述集合t_i需要满足条件：

max{t₁∪t_i}and min{t₁∩t_i}。

本发明还提供了一种基于负载最大化的电网优化系统，利用如上所述的基于负载最大化的电网优化方法优化电网，所述基于负载最大化的电网优化系统包括：构造模块，用于构建配电网络模型来表示配电网中的功率传播率；选择模块，用于选择能够提供最大功率传播率的节点作为种子节点；初始化模块，用于获取初始电网功率传播网络；存储模块，用于存储所述种子节点在激活过程中覆盖到的节点；更新模块，用于在所述种子节点激活结束后更新所述覆盖到的节点的未激活入边邻居的影响力值；排序模块，用于根据每个节点的潜在影响节点数进行影响力排名，以得到电网功率传播网络中的节点影响力排名列表；获取终端用户模块，用于根据所述影响力排名列表进行影响路径追踪，从而获取所述影响力排名列表中的每个节点影响的终端用户集合。

本发明的有益效果：本发明提供了一种基于负载最大化的电网优化系统及电网优化方法，为保证每一个终端用户使用电能的质量，通过计算电网中每一节点到终端用户的影响力来获取用户的初始功率传播网络。在获取初始功率传播网络之后，为保证整个电网的平衡，在初始功率传播网络的基础上对网络结构进行优化，从而保证整个系统的平衡，实现了电网的负载最大化。

附图说明

通过结合附图进行的以下描述，本发明的实施例的上述和其它方面、特点和优点将变得更加清楚，附图中：

图1是本发明实施例的基于负载最大化的电网优化系统的模块图；

图2是本发明实施例的基于负载最大化的电网优化方法的工作示意图；

图3是本发明实施例的基于负载最大化的电网优化方法的步骤流程图。

具体实施方式

以下，将参照附图来详细描述本发明的实施例。然而，可以以许多不同的形式来实施本发明，并且本发明不应该被解释为限制于这里阐述的具体实施例。相反，提供这些实施例是为了解释本发明的原理及其实际应用，从而本领域的其他技术人员能够理解本发明的各种实施例和适合于特定预期应用的各种修改。相同的标号在整个说明书和附图中可用来表示相同的元件。

图1是本发明实施例的基于负载最大化的电网优化系统的模块图。

参照图1，根据本发明实施例的基于负载最大化的电网优化系统包括：构造模块11、选择模块12、初始化模块13、存储模块14、更新模块15、排序模块16、获取终端用户模块17。

构造模块11用于构建配电网络模型来表示配电网中的功率传播率。

选择模块12用于选择能够提供最大功率传播率的节点作为种子节点。

初始化模块13用于获取初始电网功率传播网络。

存储模块14用于存储所述种子节点在激活过程中覆盖到的节点。

更新模块15用于在所述种子节点激活结束后更新所述覆盖到的节点的未激活入边邻居的影响力值。

排序模块16用于根据每个节点的潜在影响节点数进行影响力排名，以得到电网功率传播网络中的节点影响力排名列表。

获取终端用户模块17用于根据所述影响力排名列表进行影响路径追踪，从而获取所述影响力排名列表中的每个节点影响的终端用户集合。

构造模块11、选择模块12、初始化模块13、存储模块14、更新模块15、排序模块16和获取终端用户模块17可配置为芯片、或FPGA电路、或由计算机程序实现。

图2是本发明实施例的基于负载最大化的电网优化方法的工作示意图。图3是本发明实施例的基于负载最大化的电网优化方法的步骤流程图。

结合图2和图3，本发明还提供了一种基于负载最大化的电网优化方法，所述基于负载最大化的电网优化方法包括：

在步骤210中，构建配电网络模型，以用于表示配电网中的功率传播率。在这里，利用构造模块11来构建配电网络模型。具体地，用配电网络模型中的潜在影响力来表示配电网中的功率传播率。需要说明的是，在配电网功率的传播中，网损达到最小时，说明配电网中的功率传播率达到最大值，即传到到终端用户的功率达到最大值，即

具体地，所述配电网络模型具体为一有向图模型，所述有向图模型的公式如式1所示：

G＝(V，E) 式1

其中，V是所有节点的集合，E是有向边的集合，且(u，v)∈E用于表示节点u到节点v的功率传播关系，有向边E(u，v)的权值用于表示节点u传到节点v的传递率，即从节点u传到节点v的强度，有向边E既称为节点u的出边，又称为节点v的入边。

如图2所示，P1为某个城市配电站，P2……PN-1为配电站到终端用户之间的传播点，PN为所有的终端用户，每条边上的权值w＝传递率＝传递的功率值/总的功率值。在配电网络模型中，用节点来表示PN之前的每个传播点。

在步骤220中，选择能够提供最大功率传播率的节点作为种子节点。在这里，利用选择模块12来选择能够提供最大功率传播率的节点作为种子节点。

在步骤230中，获取初始电网功率传播网络。在这里，利用初始化模块13来获取初始电网功率传播网络。具体地，通过计算每一节点的潜在影响节点数来获取初始电网功率传播网络。在图2中，P1为种子节点。

需要说的是，在本实施例中，令w为一个未激活的节点，则有向边E(v，w)的潜在影响力表示为p(v，w)，它表示有向边E(v，w)对激活节点w能产生的贡献。p(v，w)的计算公式如式2所示：

其中，θ_w为节点v的初始激活阈值；c_w为已激活的入边邻居对v的累计影响值；b_vw为节点u对节点w的影响力，即有向边E(v，w)上的权值或功率的传递率，b_vw为有向边E(v，w)的实际影响力，θ_w-c_w为节点w的即时激活阈值。

当b_vw≥θ_w-c_w时，表明有向边E(v，w)能够激活节点w，这时，b_vw带来的效果都是激活了一个节点，在本实施例中，我们认为一条边不能带来超过激活一个点带来的影响力，因此，当b_vw/(θ_w-c_w)≥1时，我们使得p(v，w)＝1，我们定义节点v的潜在影响节点数为PIN(v)。

具体地，利用PIN函数来获取初始电网功率传播网络，PIN(v)用于表示节点v对其指向的未激活节点的影响总和，所述PIN(v)的计算公式如式3所示：

其中，out(v)表示节点v的出边，active(w)表示节点w的入边。

在步骤240中，存储所述种子节点在激活过程中覆盖到的节点，并在所述种子节点激活结束后更新所述覆盖到的节点的未激活入边邻居的潜在影响节点数(PIN值)。在这里，利用存储模块14来存储所述种子节点在激活过程中覆盖到的节点。利用更新模块15在所述种子节点激活结束后更新所述覆盖到的节点的未激活入边邻居的影响力值。

具体地，利用seed表示种子节点，利用cover数组来存储种子节点seed在激活过程中覆盖到的节点。每个节点都有一个覆盖标，利用C(v)来表示覆盖标，C(v)用于代表节点v被哪个种子节点影响到。

进一步地，在激活中过程中以所述种子节点seed开始激活。利用cover数组来存储种子节点seed在激活过程中覆盖到的节点的方法包括：

将seed加入cover数组中；

当节点v被激活时，seed对所有未激活的出边邻居w施加影响值；

判断C(w)与seed的大小；

若C(w)≠seed，则说明节点w第一次在seed激活过程中被覆盖到，将节点w添加到cover数组中，并令C(w)＝seed；若C(w)＝seed，则说明节点w未第一次在seed激活过程中被覆盖到，不添加节点w；

当seed的激活过程结束时，更新cover数组中的每一个节点的未激活入边邻居的PIN值。

更进一步地，所述基于负载最大化的电网优化方法还包括考察cover数组中的每一个节点v的未激活入边邻居的PIN值变化，所述考察cover数组中的每一个节点v的未激活入边邻居的PIN值变化的方法包括：

消除PIN(u)在之前的E(u，v)带来的影响值；

判断节点v在seed的激活过程中是否被激活；

若是，则PIN(u)值不变；若否，则PIN(u)加上所述E(u，v)带来的影响值p(u，v)。

一方面，当节点v在seed的激活过程中被激活，所述PIN(u)值的计算公式如式4所示：

其中，r_v用于表示节点v在seed的激活过程中第一次被影响到之前的累计影响值。

另一方面，当节点v在seed的激活过程中没有被激活，所述PIN(u)值的计算公式如式5、式6所示：

PIN(u)＝PIN(u)+p(u，v) 式5

其中，θ_v＞c_v。

在本实施例中，若节点v在seed的激活过程中被影响到但是没有被激活，则节点v的未激活邻居u的PIN值会变大，这提升了下一个种子节点选取u的概率。这也说明了我们的启发式算法考虑到了网络的结构，它更倾向于配合之前已激活的节点。

在步骤250中，根据每个节点的潜在影响节点数进行影响力排名，以得到电网功率传播网络中的节点影响力排名列表。在这里，利用排序模块16来根据每个节点的潜在影响节点数进行影响力排名，以得到电网功率传播网络中的节点影响力排名列表

在步骤260中，根据所述影响力排名列表进行影响路径追踪，从而获取所述影响力排名列表中的每个节点影响的终端用户集合。在这里，利用获取终端用户模块17用于根据所述影响力排名列表进行影响路径追踪，从而获取所述影响力排名列表中的每个节点影响的终端用户集合。

具体地，所述对该排名节点进行影响路径追踪的方法包括：

选择所述影响力排名列表中的最大影响力节点构建树模型；

将所述树模型放入所述初始电网功率传播网络中；

记录受到所述最大影响力节点影响的终端用户，所述最大影响力节点影响的终端用户被构造为集合t₁；

记录受到所述影响力排名列表中的其它节点i影响的终端用户，受到其它节点i影响的终端用户被构造为集合t_i；其中，所述集合t_i需要满足条件：

max{t₁∪t_i}and min{t₁∩t_i}。

此外，当线路中的器件出现故障时，寻找所述器件所在的节点的父节点，并在所述父节点所在的影响路径中选取影响力最大的子节点，同时更新各节点的影响力排名。具体地，父结点在数据库管理中的数据模型中，早期阶段的层次模型和网状模型中，一个属性如果有上一级，则称这个上一级是它的父节点，如果没有上一级，则这个属性则无父节点。

综上所述，本发明的实施例提供了一种基于负载最大化的电网优化系统及电网优化方法，为保证每一个终端用户使用电能的质量，本发明的实施例通过计算电网中每一节点到终端用户的影响力，获取用户的初始功率传播网络。在获取初始功率传播网络之后，为保证整个电网的平衡，我们在初始功率传播网络的基础上对网络结构进行优化，从而保证整个系统平衡，实现了电网的负载最大化。

虽然已经参照特定实施例示出并描述了本发明，但是本领域的技术人员将理解：在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可在此进行形式和细节上的各种变化。