[发明专利]一种基于多目标粒子群的停电管理优化方法

说明书

技术领域

本发明涉及电力电网技术领域，特别是一种基于多目标粒子群的停电管理优化方法。

背景技术

随着科技水平的发展和社会的进步，人们对于电力的要求，依赖程度不断提高，这使得电力公司非常重视电力供电的可靠性。宋云亭等对世界各大城市可靠性指标进行统计，我国城市电网可靠性指标远低于世界平均水平。面对大数据时代，庞大的用户人数，数以万计的线路、电压变电站，如何科学有效的对各地区进行停电计划管理，实现电网设备最佳停电时间、设备数量与所需资源的综合优化变得十分重要。

国内外专家学者对电网综合停电管理进行研究取得了一定的成果，有人提出以系统平均停电持续时间最小为目标，建立设备检修优化模型；有人引入了“分解协调”的思想，以停电成本最小化为目标，提出一种混合整数规划方法进行求解方法；有人结合启发式搜索与逐次逼近算法的优点，提出一种采用最小缺电量和等备用的分段函数为目标进行机组检修优化安排的方法。上述研究成功考虑到电网停电所涉及到的多方面因素，但仅将其中某一方面作为唯一的目标函数进行建模，未能实现多目标的整体优化。

发明内容

本发明的目的在于提供一种基于多目标粒子群的停电管理优化方法，该方法有利于使电网大规模停电管理的可靠性、经济性与资源配置达到综合最优。

为实现上述目的，本发明的技术方案是：一种基于多目标粒子群的停电管理优化方法，包括以下步骤：

步骤1，读取停电线路原始数据，获取停电线路的各项指标；

步骤2，设置粒子群算法的参数，随机初始化粒子群，每个粒子代表包含各设备停电开始时间和停电结束时间的一个初始可行解；

步骤3，分别计算各个粒子的适应度，得到各个粒子的局部最优和整体的全局最优；

步骤4，采用罚函数法对不可行解进行惩罚，保存最优解；

步骤5，采用解更新策略对各粒子的速度和位置进行更新；

步骤6，判断是否满足终止条件，若满足，则算法结束，否则返回步骤2；

步骤7，输出具体的停电计划。

进一步的，所述步骤2中，设置的粒子群算法的参数包括：加速因子c₁和c₂、最大迭代次数MaxIter、稳定迭代次数StableIter以及惯性权重系数ω，所述惯性权重系数ω采用线性递减的方法计算得到，其计算公式如下：

其中，ω₁和ω₂是惯性权值的初始值和最终值，CurIter表示当前迭代次数。

进一步的，所述步骤2中，解的结构设计如下：

每个粒子代表的解由各设备的停电开始时间和停电结束时间构成，由于设备检修时间t_repair为固定值，因此只设计停电开始时间x_istart，停电结束时间x_iend由停电开始时间x_istart加上设备检修时间t_repair获得：

x_iend=x_istart+t_repair

其中，x_istart为第i个停电设备的停电开始时间，x_iend为第i个停电设备的停电结束时间，i=1,2,…,n，n为停电设备个数，t_repair为以半小时为单位的设备检修时间长度；设计每个设备的停电时间包含天和小时，且以半小时为单位，即设计停电时间的格式为ddHH，其中，前两位dd表示停电发生在一个月的第几天，取值范围为[01,31]，后两位HH表示停电发生在该天的第几个半小时，取值范围为[00,47]；

可行解的约束条件包括：

①用于限制线路的潮流值的潮流约束：

|S_l|≤S_lmax