[发明专利]基于单边优化与遗传算法协作的低压配电网拓扑识别方法

权利要求书

1.基于单边优化与遗传算法协作的低压配电网拓扑识别方法，其特征在于，采用如下步骤：

(1)读取配电台区配变和用户电表的电气量数据，进行筛选与剔除；

(2)确定以电气量为约束的能量函数；

(3)运用神经网络，得到网络拓扑的初始解；

(4)在初始解基础上，采用遗传算法计算全局最优解；

(5)基于单边优化的构造方法进行多断面数据样本概率统计优化；

(6)输出低压配电网拓扑连接关系。

2.根据权利要求1所述的基于单边优化与遗传算法协作的低压配电网拓扑识别方法，其特征在于：所述步骤(3)中采用V矩阵状态表示神经元状态，(n*m)*m个神经元对应(n*m)*m个用户表箱；在V矩阵的每行中，1表示用户表箱连接在某一电缆分支箱下，0表示没有连接关系。

3.根据权利要求1所述的基于单边优化与遗传算法协作的低压配电网拓扑识别方法，其特征在于：所述步骤(4)遗传算法中染色体的基因位置对应配电台区内的所有能接入位置，基因的值为所接入用户表箱的编号，以基尔霍夫定律计算电度量、电流、有功功率中任一种变化趋势的差值来构建适应度函数，再经过选择函数、交叉函数、变异函数、重选函数、总函数来迭代寻优计算全局最优解。

4.根据权利要求3所述的基于单边优化与遗传算法协作的低压配电网拓扑识别方法，其特征在于：基于N次遗传算法计算结果，将每次计算的误差测量值ΔE₁与历史ΔE₁比较，若当前次ΔE₁比历史ΔE₁值小，保留当前次值为最优，否则舍弃当前次值，最后保留最优的一次ΔE₁；

ΔE₁的计算是由下面公式推导而来：

ΔE_1-t[i][j]＝(E_1-t[i][j+1]-E_1-t[i][j])/E_1-t[i][j+1]；

i＝0,1,2,…,m_tzone-1；j＝0,1,2,…,TValidcount_num-2；

m_tzone表示台区数目，TValidcount_num表示参与运算的时刻点数；

其中ΔE_1-t是各个台区配变P总的变化率，ABS表示取绝对值；

ΔE_1-1-φ[i][j]＝(E_1-1-φ[i][j+1]-E_1-1-φ[i][j])/E_1-1-φ[i][j+1]

i＝0,1,2,…,m_tzone-1；j＝0,1,2,…,TValidcount_num-2；

其中，ΔE_1-1-φ是用户侧的变化率，E_1-1-φ是用户侧的可逆矩阵；

ΔE₁是由Pop_num个数值组成的一维数组：

ΔE₁＝min{ΔE₁[m]}，A是乘法因子，A＝1,m∈[0,Pop_num-1]。

5.根据权利要求4所述的基于单边优化与遗传算法协作的低压配电网拓扑识别方法，其特征在于：所述多断面数据样本包括同源数据和不同源数据，同源数据是指在算法运行前预设周期长度，一次性载入整个周期长度获得的的数据信息，该数据信息和长度是固定不变的；不同源数据是指在不同周期内获得的同源数据信息的集合体。