专利汇可以提供一种考虑系统恢复过程中机组状态的负荷恢复优化方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种考虑系统恢复过程中机组状态的负荷恢复优化方法,利用逻辑偏好描述语言来建立考虑机组状态的负荷优选,建立负荷恢复的非线性模型,采用人工蜂群 算法 求解模型,获得考虑机组状态的负荷恢复线路和时间。该方法包括:1、构建考虑系统恢复过程中机组状态的负荷优选分级 知识库 ;2、建立考虑系统恢复过程中机组状态的负荷优化偏好策略集;3、建立考虑系统恢复过程中机组状态的负荷恢复优化模型;4、采用人工蜂群算法对负荷恢复优化模型进行求解,得到考虑系统恢复过程中机组状态的负荷的恢复线路和时间。该方法能够对系统恢复过程中的负荷恢复进行优化,确保重要负荷能够快速恢复,并提供合理的负荷恢复方案。,下面是一种考虑系统恢复过程中机组状态的负荷恢复优化方法专利的具体信息内容。
1.一种考虑系统恢复过程中机组状态的负荷恢复优化方法,其特征在于,包括以下步骤:
步骤1、构建考虑系统恢复过程中机组状态的负荷优选分级知识库;
步骤2、建立考虑系统恢复过程中机组状态的负荷优化偏好策略集;
步骤3、建立考虑系统恢复过程中机组状态的负荷恢复优化模型;
步骤4、采用人工蜂群算法对负荷恢复优化模型进行求解,得到考虑系统恢复过程中机组状态的负荷的恢复线路和时间。
2.根据权利要求1所述的考虑系统恢复过程中机组状态的负荷恢复优化方法,其特征在于,步骤1中所述的构建考虑系统恢复过程中机组状态的负荷优选分级知识库,具体步骤为:
步骤1-1、根据停电系统中负荷的位置,将负荷分为三类并分别存储在三个集合中,其中,集合A包含位于最佳恢复路径上的负荷,集合B包含位于相邻恢复路径上的负荷,集合C包含远离最佳恢复路径的负荷;
步骤1-2、将机组的恢复状态分为两类,一类是机组启动时间小于等于最大热启动时间或者大于最小冷启动时间,另一类是机组启动时间等于最小冷启动时间;
步骤1-3、根据不同的机组恢复状态,指定不同的负荷优先级,具体为:发电机组启动时间小于等于最大热启动时间或者大于最小冷启动时间时,将位于最佳恢复路径上的负荷的优先级设置为最高级别2,位于相邻恢复路径和远离最佳恢复路径的负荷的优先级设置为级别1;发电机组启动时间等于最小冷启动时间时,将位于最佳恢复路径和响铃恢复路径上的负荷的优先级都设置为最高级别2,远离最佳恢复路径的负荷的优先级设置为级别1;
步骤1-4、将不同机组恢复状态下的负荷优先级情况构建成一个负荷优选的分级知识库,其模型为:
式中,K1——分级知识库表示的第一个偏好关系,表示机组启动时间小于等于最大热启动时间或者大于最小冷启动时间的状态下的负荷优先级定义;
K2——分级知识库表示的第二个偏好关系,表示机组启动时间等于最小冷启动时间的状态下的负荷优先级定义;
A——最佳恢复路径上的负荷集合;
B——相邻恢复路径上的负荷集合;
C——远离最佳恢复路径上的负荷集合。
3.根据权利要求1所述的一种考虑系统恢复过程中机组状态的负荷恢复优化方法,其特征在于,步骤2中所述的建立考虑系统恢复过程中机组状态的负荷优化偏好策略集,具体为:
式中, ——第一种偏好策略的逻辑偏好描述;
——第二种偏好策略的逻辑偏好描述;
ti——发电机组i启动的时间;
Ticmax——发电机组i的最大热启动时间;
Ticmin——发电机组i的最小冷启动时间。
4.根据权利要求1所述的一种考虑系统恢复过程中机组状态的负荷恢复优化方法,其特征在于,步骤3中所述的建立考虑系统恢复过程中机组状态的负荷恢复优化模型,具体步骤为:
步骤3-1、构建负荷恢复优化模型目标函数:
式中,n——系统中待恢复的负荷节点数;
mi——负荷节点i的出线数量;
ωij——负荷节点i的第j条出线的权重;
xij——负荷节点i的第j条出线的状态,为1表示已恢复,为0表示未恢复;
PLij——负荷节点i的第j条出线恢复的有功量;
步骤3-2、确定停电后系统恢复中需要考虑的约束条件,包括:
考虑机组状态的负荷优选约束,其数学模型为:
式中, ——第一种偏好策略的逻辑偏好描述;
——第二种偏好策略的逻辑偏好描述;
ti——发电机组i启动的时间;
Ticmax——发电机组i的最大热启动时间;
Ticmin——发电机组i的最小冷启动时间;
负荷最大恢复量约束,其数学模型为:
式中,n——系统中待恢复的负荷节点数;
mi——负荷节点i的出线数量;
xij——负荷节点i的第j条出线的状态,为1表示已恢复,为0表示未恢复;
PLij——负荷节点i的第j条出线恢复的有功量;
ΔPΣ——所有已恢复的发电机组总的有功出力增加值;
NG——已恢复的发电机组的数量;
PGi(t+Δt)——已恢复的发电机组i在t+Δt时刻输出的有功功率;
PGi(t)——已恢复的发电机组i在t时刻输出的有功功率;
考虑暂态频率的单次最大负荷有功投入约束,其数学模型为:
式中,PLmax——负荷单次投入的最大有功功率值;
Δfmax——暂态频率允许的最大偏移量;
NG——已恢复的发电机组的数量;
PNi——已恢复发电机组i的额定有功功率;
dfi——已恢复发电机组i的频率响应系数;
稳态潮流约束,其数学模型为:
式中,Pdi——节点i的有功注入功率;
Qdi——节点i的无功注入功率;
N——节点个数;
Vi——节点i的电压;
Vj——节点j的电压;
Gij——节点i与j之间的电导;
Bij——节点i与j之间的电纳;
δij——Vi与Vj的相角差。
5.根据权利要求1所述的分布式电源参与主动配电网供电恢复优化方法,其特征在于,步骤4中所述的采用人工蜂群算法对负荷恢复优化模型进行求解,得到考虑系统恢复过程中机组状态的负荷的恢复线路和时间,具体步骤为:
步骤4-1、初始化,输入系统参数并初始化人工蜂群算法的参数;所述系统参数包括系统的拓扑结构参数,线路和变压器的参数,发电机组的输出功率和发电机组总的最大有功增量;所述人工蜂群算法的参数包括蜜蜂的初始种群数N,最大迭代次数MCN和蜜源最大开采次数Limit;
步骤4-2、生成蜜源,由步骤3-2中所述的负荷优选约束和单次最大负荷有功投入约束确定待恢复负荷节点的总出线数量D;初始时刻,N只蜜蜂全为侦查蜂,随机产生N个D维的0-
1负荷恢复序列,生成一一对应的N个初始蜜源;按照步骤3-2所述的负荷最大恢复量约束和稳态潮流约束对每个蜜源对应的负荷恢复方案进行校验,若不满足约束,则重新生成蜜源;
若满足约束,则对蜜源进行适应度计算,计算公式如下:
式中,fit——蜜源的适应度值;
n——系统中待恢复的负荷节点数;
mi——负荷节点i的出线数量;
ωij——负荷节点i的第j条出线的权重;
xij——负荷节点i的第j条出线的状态,为1表示已恢复,为0表示未恢复;
PLij——负荷节点i的第j条出线恢复的有功量;
根据适应度值对N个蜜源进行排序,前50%的蜜源对应为引领蜂,剩下的蜜源对应跟随蜂;
步骤4-3、引领蜂搜索蜜源,每个引领蜂在对应的蜜源附近进行邻域搜索,根据步骤4-2所述的适应度值计算公式计算新蜜源的适应度值,根据贪婪原则,如果新蜜源的适应度值比原蜜源大,则新的蜜源取代原蜜源,将已开采次数置0,否则,蜜源位置不变,已开采次数加1;
步骤4-4、跟随蜂选择蜜源,引领蜂将蜜源信息分享给跟随蜂,跟随蜂根据蜜源质量,选择蜜源,每个蜜源被选择的概率的计算公式如下:
式中,Pi——蜜源i的被跟随蜂选择的概率;
fiti——蜜源i的适应度值;
SN——蜜源的总数;
步骤4-5、跟随蜂搜索蜜源,跟随蜂在步骤4-4所述的选择蜜源后,在所选蜜源附近进行邻域搜索,根据步骤4-2所述的适应度值计算公式计算新蜜源的适应度值,根据贪婪原则,如果新蜜源的适应度值比原蜜源大,则新的蜜源取代原蜜源,将已开采次数置0,并且该跟随蜂转变为引领蜂,否则,蜜源位置不变,已开采次数加1,跟随蜂不发生改变;
步骤4-6、记录最优蜜源,引领蜂和跟随蜂搜索结束后,迭代次数加1,并记录当前适应度值最大的最优蜜源;
步骤4-7、侦查蜂阶段,当蜜源开采次数达到最大开采次数Limit,与所述蜜源对应的蜜蜂将转变为侦查蜂,同时,生成1个满足步骤3-2所述的负荷最大恢复量约束和稳态潮流约束的D维的0-1负荷恢复序列,所述生成的负荷恢复序列取代原有的序列,对应的新蜜源取代原蜜源,并将新蜜源的开采次数置0;
步骤4-8、结束搜索,如果迭代次数达到最大迭代次数MCN,则搜索结束,输出最优的负荷恢复序列,得到最终的负荷恢复方案,否则,返回步骤4-3。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
图像带宽压缩中的后选择预测方法 | 2020-05-08 | 385 |
用于电力保密数据的大数据云平台安全防护方法 | 2020-05-08 | 666 |
用于识别对象的方法和设备 | 2020-05-08 | 962 |
一种适用于电力系统安防的视频增强浓缩方法 | 2020-05-08 | 656 |
一种网络文件传输检测方法、装置和系统 | 2020-05-08 | 868 |
基于随机森林算法攻击识别方法及储能协调控制装置 | 2020-05-08 | 539 |
一种DoS攻击下的目标跟踪方法 | 2020-05-08 | 732 |
一种适用于CV-QKD系统的偏置点控制方法及装置 | 2020-05-11 | 851 |
一种基于hash的审批方法 | 2020-05-11 | 343 |
操作高速缓存的方法 | 2020-05-08 | 292 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。