加惯性力的变电站为中心配网单线图自动布局计算方法与流程
本发明属于智能电网态势感知与可视化领域，具体涉及一种在智能配电网下，适用于一种加惯性力的变电站为中心配电网单线图力导法自动布局计算方法。
背景技术：
“以变电站为中心的中压配电网”(substation-centralizeddistributednetwork，scdn)是最近几年提出的主动配电网分割模型，目的在于为主动配电网(activedistributionnetwork，adn)提供信息高集聚、接线高识别、态势高察觉的态势画面提供配电网单线接线图；前期的研究提出了智能电网态势图建模及态势感知可视化的概念设计；提出了配电网均匀接线图自动生成及态势图察觉度计算；提出了基于态势图片挖掘的概念，进而scdn电压等高线态势图聚类分析使得应用更为具体化；且已经重点探讨了adn态势画面可测量评价体系，并就接线高识别、信息高集聚提出了具体的评价指标；并重点阐述了为什么提出scdn，scdn如何获取这一关键问题；为实现“数据驱动”态势画面自动生成，提出了态势底图即电气接线图的图模数一体化模型，从而为本文的scdn单线图自动生成提供了模型支撑。
变电站的中压配电网模型(scdn)是满足态势感知可视化信息高集聚的一种大规模配电网分割模型；scdn是以1个110/35kv中心变电站为主供高压电源的中压配电网，覆盖其所有10kv馈线，也覆盖通过这些馈线转供电给其他变电站的所有10kv线路；一般110kv中心变电站出线10kv馈线最多可达到20-25条，负荷节点达到近千个，线段也在千条左右；尽管现有技术中提出了自动生成的算法，但大规模应用时仍发现成图效果不佳；另外在scdn存在一定数据的开闭所、联络线、环网柜后，成图效果就很不理想。为此，现有技术中提出了图形模型以及一种两阶段递阶scdn单线图自动生成算法，重点阐述图形模型和第一阶段的接线图初始布局，解决本变电站具有环路和与其他变电站转供连接的馈线群以10kv母线为中心的初始辐射布局问题；本文作为续篇，重点阐述第二阶段基于初始布局的美化优化计算。
基于力场模型或动力学算法的单线图制动生成，其优点是单线图较为美观，计算快速，但存在3个主要问题：①严重依赖于初始布局，②容易出现交叉以及布局球簇化，为此提出了重力，线线规避、点线规避等改进算法，以减少交叉以及布局球簇化；但是，由于scdn图点边太过密集，在基于初始布局时进行以上改进方法应用时，发现难以保持原先初始布局无交叉支线之间的整体结构而出现交叉，因此提出了一种被定义为“惯性力”的人为作用力，使得节点运行时尽可能保持一定惯性，不增加过多交叉但使图形向均匀化演变。③之前的研究，对各种力的参数及比重都是基于经验的，因此参数不是优化的。
技术实现要素：
本发明针对现有技术的不足，提供了一种加惯性力的变电站为中心配网单线图自动布局计算方法。
本发明一种加惯性力的变电站为中心配网单线图自动布局计算方法具体包括以下步骤：
步骤1.原始信息获取，包含变电站和负荷的地理位置信息及线路构成信息，获取源：电网ems平台系统；
步骤2.遗传算法对各作用力的系数进行寻优，将各作用力的系数作为优化的自变量，包括斥力系数kr，1、kr，2、kr，3，引力系数ka，理想长度l，重心系数kg以及惯性系数kin；目标是交叉点数目。
步骤3.简单力导算法的引斥力计算：(1)有连接关系的两个节点之间存在引力关系，当节点之间实际距离大于理想长度时，引力大小受节点间实际距离与理想长度差值的影响，呈正比例关系；(2)任意节点之间都是存在斥力作用，斥力大小与节点间距离成反比：
(1)引力计算：
其中，
(2)斥力计算
式中：m为图形的节点总数；kr为其他节点对点vi的斥力权重。
步骤4.点边、边边斥力及总斥力计算。本文在处理某一馈线某支路的节点斥力时，对文献[2]的方法进行简化，即计算斥力公式如下：
式中：m1为非本馈线的节点数；n1和q分别为本馈线当前节点上一级别支路上的节点数和剩余的节点数；kr，1为其他馈线上的节点对点vi的斥力权重，kr，2为点vi上一级别支路上的节点对其的斥力权重，kr，3为剩余节点对点vi的斥力权重。
步骤5.添加重心力来牵引节点使拓扑收敛于图形重心(0，0)[7]。
任意节点(nx，ny)添加的重心引力为：
其中
步骤6.对于本馈线的二级及二级以下支线的节点i的惯性力计算如下，各个非一级支线上的节点均受惯性力作用，保持其初始布局的趋势保持在一级支线两侧：
式中：
步骤7.改进后的节点运动方程的计算。新加入惯性力后，单线图上的每个节点都受到四个力的作用，继而改进后的节点运动方程为：
式中：k为节点pi的迭代次数；
步骤8.当前交叉点是否为0，如果是0，结束算法，输出最优单线图及最优作用力参数；反之重复步骤3到步骤7。
本发明相对于现有技术所具有的有益效果：变电站为中心配电网是本发明人提出的一种满足态势感知可视化信息高集聚的一种大规模配电网分割模型，是一种全新的配电网模型；对于该模型，其最大的优势是将变电站所有10kv馈线的单线图，按照辐射状，全部绘制在一个平面上；其困难就是该图形的自动生成方法；采取力导法是计算该单线图的最好方法；力导法是一种基于初始布局的方法，如果有良好的初始布局，则将大大加快力导计算的速度，并且获取高质量的最终布线图；本发明人已提出了“基于扇形的变电站为中心配电网单线图初始布局计算方法”；在初始布局的基础上进行力导计算，本发明提出：(1)为避免线线交叉，提出线线规避、点线规避算法；(2)为避免布局球簇化，提出增加重力算法；(3)难以保持原先初始布局无交叉支线之间的整体结构而出现交叉，提出了一种“惯性力”，使得节点运行时尽可能保持一定惯性，而不增加交叉。
附图说明
图1为惯性力的显著效果；
图2为算法流程图；
图3为本发明算法形成的a站单线图；
图4为a站交叉点迭代曲线；
表1为遗传算法寻优后的a站参数表；
表2为a站各类方法的参数表及结果图形评估参数。
具体实施方式
如图2所示，加惯性力的变电站为中心配网单线图自动布局计算方法，该方法具体包括以下步骤：
步骤1.原始信息获取，包含变电站和负荷的地理位置信息及线路构成信息，获取源：电网ems平台系统；
步骤2.遗传算法对各作用力的系数进行寻优，将各作用力的系数作为优化的自变量，包括斥力系数kr，1、kr，2、kr，3，引力系数ka，理想长度l，重心系数kg以及惯性系数kin；目标是交叉点数目。
步骤3.简单力导算法的引斥力计算：(1)有连接关系的两个节点之间存在引力关系，当节点之间实际距离大于理想长度时，引力大小受节点间实际距离与理想长度差值的影响，呈正比例关系；(2)任意节点之间都是存在斥力作用，斥力大小与节点间距离成反比：
(1)引力计算：
其中，
(2)斥力计算
式中：m为图形的节点总数；kr为其他节点对点vi的斥力权重。
步骤4.点边、边边斥力及总斥力计算。本文在处理某一馈线某支路的节点斥力时，对本团队先前的方法进行简化，即计算斥力公式如下：
式中：m1为非本馈线的节点数；n1和q分别为本馈线当前节点上一级别支路上的节点数和剩余的节点数；kr，1为其他馈线上的节点对点vi的斥力权重，kr，2为点vi上一级别支路上的节点对其的斥力权重，kr，3为剩余节点对点vi的斥力权重。
步骤5.添加重心力来牵引节点使拓扑收敛于图形重心(0，0)。
任意节点(nx，ny)添加的重心引力为：
其中
步骤6.对于本馈线的二级及二级以下支线的节点i的惯性力计算如下，惯性力的施加效果见图1，各个非一级支线上的节点均受惯性力作用，保持其初始布局的趋势保持在一级支线两侧：
式中：
步骤7.改进后的节点运动方程的计算。新加入惯性力后，单线图上的每个节点都受到四个力的作用，继而改进后的节点运动方程为：
式中：k为节点pi的迭代次数；
步骤8.当前交叉点是否为0，如果是0，结束算法，输出最优单线图及最优作用力参数；反之重复步骤3到步骤7。
本案例使用机器为thinkvisionp900工作站，配置6核cpu以及4gb内存，以某地区5个scdn进行单线图的形成，案例分析使用a站。本文采取遗传算法进行参数寻优；遗传算法中，种群个数为50、群体方程的情况下的交叉点数目；本程序对每一次迭代采取开启6核并行计算，遗传算法迭代50次收敛，因此相当于增加50*500＝25000次的力导计算，计算时间为8850s或2.5小时。在选出最优参数后，进而进行1000次力导法节点运动方程的迭代，以得到最终的单线图，如图3所示。
图4给出了四种方法在力导计算过程中的交叉点变化过程：①简单力导法交叉点下降最快，但后部迭代交叉点减少效果不好，收敛于9个交叉点；②未加惯性力的方法，交叉点下降较慢，收敛交叉点为9；③未进行参数优化的本文方法1，收敛也较快，但交叉点在1200-1800次迭代过程中一直在7-9个之间波动。④经过参数优化后的本文方法2，前部交叉点下降有所波折，但在迭代600次就稳定到交叉点为0了，为四种方法中交叉点最少，且达到最小交叉点速度最快的。表1为各个scdn的具体参数以及分别应用先前算法以及本文所提出基于惯性力的自动生成算法产生的单线图的交叉点数目，表2是a站的四个算法的各作用力的系数以及生成的单线图的评价指标
(4)经过参数优化后的本文方法2的最终图形，交叉点数目降为0，图形均匀度也很高，最长线段长度和平均长度是四种方法中最小的，且是四种方法中稳定迭代到最优效果最快的，因此是四幅图中最好的。
单线图交叉点数目为0，且分布均匀，满足审美要求，是一幅顾及态势察觉的scdn接线高识别单线图，有利于后期对单线图进行态势渲染，以及对态势图进行基于图片的态势分析和态势挖掘。
表1
表2
- 还没有人留言评论。精彩留言会获得点赞！