(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211196892.8 (22)申请日 2022.09.29 (71)申请人 李玮 地址 430072 湖北省武汉市武昌区民主路 717号1栋10 04号 申请人 秦知航 (72)发明人 李玮　秦知航　 (74)专利代理 机构 天津盈佳知识产权代理事务 所(特殊普通 合伙) 12224 专利代理师 孙宝芸 (51)Int.Cl. G06Q 30/02(2012.01) G06F 16/2458(2019.01) G06K 9/62(2022.01) G06V 10/74(2022.01)G06N 3/12(2006.01) H02J 3/38(2006.01) (54)发明名称 基于遗传算法的分布式电源的配电网网架 全寿命周期成本值预测方法及系统 (57)摘要 本发明属于配电网数据 识别技术领域， 公开 了基于遗传算法的分布式电源的配电网网架全 寿命周期成本值预测方法及系统。 所述方法包 括： 获取配电网网架和分布式电源区节点的数 据， 并对获取的数据进行预处理； 基于预处理后 的数据进行配电网网架分布区挖掘； 利用遗传算 法用于计算 以全寿命周期成本值最小为目标的 含分布式电源的配电网网架规划模 型； 给出全寿 命周期成本值最小模式的建议并输出； 基于获得 的全寿命周期成本值最小模式的建议， 获取实际 的配电网网架全寿命周期成本值。 本发明提高了 配电网网架分布区挖掘效率， 并且提升了配电网 网架分布区分类结果的整个电网网架分布区； 使 分布区结果更加合理。 减少了规划的投资成本 。 权利要求书7页 说明书17页 附图4页 CN 115456692 A 2022.12.09 CN 115456692 A 1.一种基于遗传算法的分布式电源的配电网网架全寿命周期成本值预测方法， 其特征 在于， 该方法包括以下步骤： S1， 获取配电网 网架和分布式电源区节点的数据， 并对获取的数据进行 预处理； S2， 基于预处理后的数据进行配电网网架分布区挖掘， 得到带重叠部分的配电网网架 分布区， 基于得到的带重 叠部分的配电网 网架分布区， 获取非重 叠配电网 网架分布区； S3， 根据配电网网架分布区结果提取配电网网架分布区特征， 利用遗传算法计算以全 寿命周期成本值最小为目标的含分布式电源的配电网网架规划模型， 根据待优化变量确定 出配电网 网架分布区以及解配电网 网架的编码策略； S4， 进行独立的改进遗传操作， 包括精英保留策略、 自适应交叉换位以及自适应变异改 写； 对产生的新一代解配电网网架进行优劣排序， 将遗传算法的各子膜解配电网网架进行 交流传递； 在 满足计算的终止条件后从整个遗传系统中输出适应度值最高的解配电网网架 作为求出的最优规划方案， 给 出全寿命周期成本值 最小模式的建议并输出； S5， 基于获得的全寿命周期成本值最小模式的建议， 对有功负荷区进行聚类， 无功区聚 类结果则与对应的有功负荷区相同； 将负荷区的各阶导数函数纳入分布 区聚类算法， 对每 类负荷区进行聚类是对每一季度负荷区及导数分别进行聚类； 根据聚类结构， 对预测负荷 区并进行潮流计算， 包括分布式电源区节点电压计算、 支路电流计算， 各个分布式电源区节 点的有功功 率和无功功 率计算， 以及负载率计算； 根据上述计算结果， 获取实际的配电网网 架全寿命周期成本值。 2.如权利要求1所述基于遗传算法的分布式电源的配电网网架全寿命周期成本值预测 方法， 其特 征在于， 在S1中， 所述对获取的数据进行 预处理包括： 利用networkx建立分布式电源区节点电网网架， 读取分布式电源区节点电压数据、 用 户有功负荷数据、 无功负荷数据和 三相平均电压变化数据， 将得到的数据代入分布式电源 区节点电网网架进 行验证； 利用随机森林对空缺数据进 行预测和填补， 得到完整的数据； 将 每个分布式电源区节点的电压、 有功负荷和无功负荷数据转换成RGB彩色图像。 3.如权利要求1所述基于遗传算法的分布式电源的配电网网架全寿命周期成本值预测 方法， 其特 征在于， 在S2中， 所述基于预处 理后的数据进行配电网 网架分布区挖掘包括： (1)将分布式电源区节点以度 数排序， 优先挖掘度数大的分布式电源区节点； 分布式电 源区节点度数{D}为电网网架中与分布式电源区节点相连的边的总数； 判断是否所有分布 式电源区节点都被归 入到某配电网 网架分布区， 若否， 则转向步骤(2)； 若是， 则结束； (2)将排序最靠前的还未划分入任何一个配电网网架分布区的分布式电源 区节点N1加 入配电网 网架分布区C， 将分布式电源区节点 N1的邻分布式电源区节点加入邻域B； (3)将分布式电源区节点N1的图像逐个与邻域B中分布式电源区节点图像利用遗传算 法 进行对比， 得到图像相似度最高的分布式电源区节点N2， 计算并将分布式电源区节点N2加入 配电网网架分布区C后的局部模块度增量 △R， 判断△R是否大于0， 如果 △R>0， 转向步骤 (4)； 如果 △R<0， 从配电网 网架分布区C中剔除分布式电源区节点 N2； (4)将分布 式电源区节点N1加入配电网网架分布区C， 从邻域中删除分布 式电源区节点 N2， 将分布式电源区节点N2的邻分布式电源区节点加入邻域B； 重复步骤(3)至 步骤(4)， 直至 邻域B为空； 重复步骤(2)至步骤(4)， 直至所有分布式电源区节 点都归属到某 一配电网网架 分布区；权　利　要　求　书 1/7 页 2 CN 115456692 A 2所述基于得到的带重叠部分的配电网网架分布区， 获取非重叠配电网网架分布区包 括： 将得到的重叠分布式电源区节点随机划分到任意一个所属配电网网架分布区； 计算此 时整个电网网架分布 区， 遍历每一个重叠分布式电源区节点， 将其依 次划入其他所属配电 网网架分布区， 得到整个电网 网架分布区增量{ △Q}最大的配电网 网架分布区划分； 所述整个电网 网架分布区计算公式如下： 其中， {m}表示电网网架所有边权值的和， {Aij}表示i、 j连边的权重， {ki}表示分布式电 源区节点i的度， {kj}表示分布式电源区节点j的度， {δ(ci,cj)}当分布式电源区节点i、 j属 于同一个 配电网网架分布区时为1， 反 之为0。 4.如权利要求1所述基于遗传算法的分布式电源的配电网网架全寿命周期成本值预测 方法， 其特 征在于， 在S3中， 遗传算法为多层遗传系统， 表示 为如下的多元组： Π＝(V,T, μ,C,ω1,ω2,ω3,G1,G2,G3,(R1, ρ1),(R2, ρ2),(R3, ρ3)) 式中， V为配电网网架字母表； T为配电网网架输出字母表； μ为配电网网架膜结构； C为 配电网网架催化剂； ωi(1≤i≤3)为区域i的配电网网架 多重集字符串； Gi(1≤i≤3)为区域 i内配电网网架的数量； Ri(1≤i≤3)为区域i内进化规则的有限集； ρi(1≤i≤3)为Ri中的偏 序关系； 所述配电网 网架规划模型为： 式中， LCC为配电网网架规划方案全寿命周期总成本现值； N,n分别为规划的阶段数和 第n个规划阶段； ni,i分别为第n阶段新建支路总数和新建的第i 条支路； nj,j分别为第n阶段 已建支路总数和已建的第j条支路； nk,k分别为第n阶段运行中的分布式电源总数和第k个 分布式电源； nl,l分别为第n阶段多种绿色能源发电产生的异 常电压或电流纵值和第l种异 常电压或电流； nm,m分别为第n阶段拆除支路总数和被拆的第m条支路； CIn,i为第n阶段新建 支路i的投资成本； COn,j为第n阶段支路j的运行成本； CMn,j为第n阶段支路j的维护成本； CFn,j 为第n阶段支路j的外界因素造成 断电损失费用； CDGn,k为第n阶段分布式电源k的运维费用； CEn,l为第n阶段减排第l种异常电压或电流的环保成本； CDn,m为第n阶段末期拆除支路m的残 值； PV1＝1/(1+r)b(n)为第n阶段的投资折现系数， b(n)为第n阶段前的时间和； PVsum＝(1+r )g(n)‑1/r(1+r)g(n)+m(l ‑1)为第n阶段设备年度运行 维护外界因素造成断电环保成本现值和， g (n)为第n阶段包含的时间； 为第n阶段及其以前阶段包含的总时间； PV2＝1/(1 +r)e(n)为第n阶段末设备残值折现系数， e(n)为从包括第n阶段及 其以前的时间之和； r为分 区贡献率；权　利　要　求　书 2/7 页 3 CN 115456692 A 3