【技術實現步驟摘要】
一種適應檢修計劃的多時間斷面配電網重構方法
[0001]本專利技術涉及配電網
，更具體地說，是涉及一種適應檢修計劃的多時間斷面配電網重構方法。
技術介紹
[0002]隨著國民經濟的發展，電網規模逐漸擴大，電力用戶對供電可靠性提出了更高的要求。電力系統用于產生和消耗電能，包括發變輸配用等環節，發電廠所產生的電能傳輸到用電集中區域，再由配電網分配電能給用戶。配電網是電網和用戶之間的最終紐帶，其安全可靠運行對于用戶的生產生活用電有著重大影響。
[0003]鑒于配電網在電力系統和國民經濟發展中的重要性，目前亟需從優化的角度管理，其中如何合理利用產消用戶的有功和無功資源，在確保產消用戶利益的同時優化配電網運行的安全性和經濟性是目前配電網優化中的最大不足。此外，配電網的線路布置方式，基礎設施與配電網網絡相矛盾的情況和變電站維護管理都有待改進。一旦電力需求過大，出現臨時接線行為，電力安全隱患驟增；新城區的基礎設施逐漸完善，而配電網網絡相對薄弱，事故故障問題常發。
[0004]隨著現代配電網網絡規模的不斷擴展，配電網重構問題也隨之越來越復雜。配電網重構問題是一個龐大的非線性整數組合優化問題，將配電網開關組合狀態作為優化變量，將電網的可靠性與穩定性作為目標函數，進行全局搜索是可能會出現“組合爆炸”的問題，而且計算過程的收斂性難以驗證。隨著人工智能算法以及深度學習的興起，眾多學者主要將研究與改進的主要方向集中在優化算法和優化目標兩個方面，但元啟發式算法中的隨機性問題還是未得到有效解決，配電網重構問題仍是一個亟需解決...
【技術保護點】
【技術特征摘要】
1.一種適應檢修計劃的多時間斷面配電網重構方法，其特征是，包括以下步驟：S1：構建配電網變時滯模糊雙曲神經網絡模型TDFHNN，具體步驟包括：S1
?
1：搭建TDFHNN的三層網絡，網絡的輸入層和輸出層節點分別表示狀態變量以及狀態變量的導數，輸入層節點與隱層節點之間沒有交叉連接；隱層的激勵函數采用雙曲正切函數，輸出層的激勵函數為線性函數。設置隱層節點是輸入層節點數的倍；在時變時滯模糊雙曲神經網絡拓撲結構中，定義f1(x)＝tanh(x),f2(x)＝x；定義K
x
＝diag(k1,k2,...,k
n
)為模糊隸屬函數P
xj
與N
xj
的中心；a
ij
與b
ij
(i,j＝1,2,...,n)表示從輸出層的第i個節點到隱層的第j個節點的常量連接權和常量時滯連接權；d1,d2,...,d
n
＞0為常量；τ
j
l
j
(t)＞0(i,j＝1,2,...,n，l
j
＝0,1,...,ω
j
)組成的τ(t)表示時變傳輸時滯；I1,I2,...,I
n
表示閾值；S1
?
2：通過前饋學習方法對TDFHNN模型的連接權進行訓練，具體如下：a.初始化權值：TDFHNN本質上是模糊模型，其初值由專家系統選擇初值；b.確定結構參數以及定義變量：確定訓練樣本個數，訓練樣本個數為n；輸入變量x
i
(t)(i＝1,2,...,n),神經網絡第n次迭代后輸出變量y
i
(t)(i＝1,2,...,n)；設定期望輸出為ξ
i
(t)(i＝1,2,...,n)；設定誤差精度e；c.輸入訓練樣本；d.正向傳播：將構建的訓練樣本輸入x
i
(t)(i＝1,2,...,n)帶入模型,計算出網絡的輸出y
i
(t)(i＝1,2,...,n)，并求得與期望值ξ
i
(t)(i＝1,2,...,n)的誤差E(n)；式(1)為誤差計算公式,訓練過程中期望值與輸出值的誤差E(n)處理方法如下:如果E(n)＞e,則轉至環節e；如果E(n)≤e,則轉至環節f；e.反向傳播：反向傳播環節也稱為誤差修正環節或權值最優搜索環節，權值的修正梯度為誤差對權值的偏微分權值用統一符號ω
ij
表示：ω
ij
(n+1)＝ω
ij
(n)+Δω
ij
(n)
????????????????????
(3)式中：ω
ij
(n)表示網絡的連接權符號，ω
ij
(n)是多個權值的集合而不是單一的權值；η
i
(n)表示網絡的學習效率，其選取方法如下：η
i
(n+1)＝λη
i
(n)
??????????????????????
(4)式中：λ的取值遵循以下原則：E(n)＞E(n+1)時，λ∈(1.2,1.6)；E(n)＜E(n+1)時，λ∈(0.2,0.6)；新的參數計算完成后帶入環節c繼續循環，直至達到指定誤差精度e；f.算法終止；S2：考慮負荷和DG時變性，建立以網損重構成本、電壓指標和棄電率為優化目標的適應
檢修計劃的多時間斷面配電網重構...
【專利技術屬性】
技術研發人員：王慧，葛磊蛟，陳淑芝，
申請(專利權)人：中國能源建設集團天津電力設計院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。