(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110507273.5 (22)申请日 2021.05.10 (65)同一申请的已公布的文献号 申请公布号 CN 113361188 A (43)申请公布日 2021.09.07 (73)专利权人 国网河北省电力有限公司营销服 务中心 地址 050035 河北省石家庄市高新区湘江 道与兴安大街交口南行100米路西电 力科技园院内C座 专利权人 国家电网有限公司 　 国网河北省电力有限公司电力科 学研究院 (72)发明人 王晓甜　刘林青　杨迪　马红明　 马浩　安亚刚　岳凡丁　(74)专利代理 机构 石家庄国为知识产权事务所 13120 专利代理师 付晓娣 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) H02J 3/06(2006.01) H02J 3/24(2006.01) H02J 3/38(2006.01) G06F 111/06(2020.01) G06F 113/04(2020.01) 审查员 舒志勇 (54)发明名称 多目标配电网动态重构方法、 装置及终端 (57)摘要 本发明适用 于电力系统运行分析和控制技 术领域， 提供了一种多目标配电网动态重构方 法、 装置及终端， 其中， 多目标配电网动态重构方 法， 包括： 获取负荷及DG出力的原始数据， 并对原 始数据进行预处理得到预处理数据集； 基于随机 森林算法模型和LS TM神经网络模型， 对预处理数 据集进行预测得到负荷及DG出力的预测数据； 根 据负荷及DG出力的预测数据建立多目标配电网 重构模型； 基于多目标粒子群算法和模糊度隶属 度函数法得到多目标配电网重构 模型的最优解， 并根据最优解对综合配电网进行重构。 本发明可 以使配电网得到更大限度的优化， 能够提高配电 网运行的稳定性。 权利要求书4页 说明书12页 附图4页 CN 113361188 B 2022.12.06 CN 113361188 B 1.一种多目标配电网动态重构方法， 其特 征在于， 包括： 获取负荷 及DG出力的原 始数据， 并对所述原 始数据进行 预处理得到预处 理数据集； 基于随机森林算法模型和LSTM神经网络模型， 对所述预处理数据集进行预测得到负荷 及DG出力的预测数据； 根据所述负荷 及DG出力的预测数据建立多目标配电网重构模型； 基于多目标粒子群算法和模糊度隶属度函数法得到所述多目标配电网重构模型的最 优解， 并根据所述 最优解对综合配电网进行重构； 所述基于随机森林算法模型和LSTM神经网络模型， 对所述预处理数据集进行预测得到 负荷及DG出力的预测数据， 包括： 基于所述随机森林算法模型， 根据 所述预处理数据集对负荷进行预测得到负荷预测数 据； 基于所述LSTM神经网络模型， 根据所述预处理数据集对D G的出力进行预测得到D G出力 的预测数据； 所述多目标配电网重构模型的目标函数包括有功网损、 电压偏差和经济成本； 其中， 所 述目标函数的最小值对应最优所述多目标配电网重构模型； 所述有功网损OF1公式为： 其中， Ib为线路b中的电流， Rb是线路b的电阻， Nb是配电网的线路数量； 所述电压偏差OF2公式为： 其中， Vi为第i条线路在小时h中的电压； 所述经济成本OF3公式为： 其中， NRC为重构操作中动作的开关数， qRC为对一个开关进行一次操作需要的成本， Pi,twind,f为节点i在t时刻风力发电WT发出的功率， Pi,tPV,f为节点i在t时刻光伏发电PV发出 的功率， Pi,twind为节点i在t时刻风力发电WT接入电网的实际功率， Pi,tPV为节点i在t时刻光 伏发电PV接入电网的实际功率， ψwind为配电网接入的风力发电的节点集合， ψPV为配电网接 入的光伏发电的节点集合， Cwind为弃风费用的单价， CPV为弃光费用的单价， T为重构操作的 整体时间， ΔT为每 个预设时间段； 所述基于多目标粒子群算法和模糊度隶属度函数法得到所述多目标配电网重构模型 的最优解， 包括： 基于多目标粒子群算法求解所述目标配电网重构模型的帕累托最优前沿， 并获取帕累 托最优解集； 基于模糊度隶属度函数法得到所述帕累托最优解集中各个解对应的满意度， 将满意度 最高的解作为所述多目标配电网重构模型的最优解。权　利　要　求　书 1/4 页 2 CN 113361188 B 22.如权利要求1所述的多目标配电网动态重构方法， 其特征在于， 所述对所述原始数据 进行预处理得到预处 理数据集， 包括： 对所述原 始数据进行筛查， 剔除所述原 始数据中缺失或异常的数据， 得到特 征数据集； 对所述特 征数据集中的数据进行归一 化， 得到所述预处 理数据集。 3.如权利要求1所述的多目标配电网动态重构方法， 其特征在于， 所述多目标配电网重 构模型的约束条件 包括节点电压约束、 支路电流约束、 DG出力约束和潮流方程约束； 所述节点电压约束为： Vmin≤Vi≤Vmax 其中， Vi是节点i的电压幅值， Vmin是节点i可接受的最小节点电压， Vmax是节点i可接受的 最大节点电压； 所述支路电流约束为： |Ib|≤Ibmax 其中， Ib为支路b的电流， 为支路b的电流 最大值； 所述DG出力约束为： Pimin<PDGi<Pimax Qimin<QDGi<Qimax 其中， Pimin是由节点i产生 的最小有功功率， Pimax是由i单元产生的最大有功功率， Qimin 是由i单元产生的最小无功功率， Qimax是由i单元产生的最大无功功率， PDGi为节点i上分布 式电源的有功 功率， QDGi为节点i上分布式电源的无功 功率； 所述潮流方程约束为： 其中， Ui为节点i的电压， Uj为节点j的电压， PLi为节点i发出的有功功率， QLi为节点i发 出的无功功率， Nb是配电网的线路数量， Pi为节点i注入的有功功率， Qi为节点i注入的无功 功率， Gij为节点i与节点j间的网络电导， Bij为节点i与节点j间的电纳， θij为节点i与节点j 间的相角差 。 4.一种多目标配电网动态重构装置， 其特 征在于， 包括： 获取模块， 用于获取负荷及DG出力的原始数据， 并对所述原始数据进行预处理得到预 处理数据集； 预测模块， 用于基于随机森林算法模型和LSTM神经网络模型， 对所述预处理数据集进 行预测得到负荷 及DG出力的预测数据； 重构模块， 用于根据所述负荷 及DG出力的预测数据建立多目标配电网重构模型； 求解模块， 用于基于多目标粒子群算法和模糊度 隶属度函数法得到所述多目标配电网 重构模型的最优解， 根据所述 最优解对综合配电网进行重构； 预测模块包括第一预测单 元和第二预测单 元； 第一预测单元， 用于基于所述随机森林算法模型， 根据所述预处理数据集对负荷进行权　利　要　求　书 2/4 页 3 CN 113361188 B 3