(19)中华 人民共和国 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 202111669638.0 (22)申请日 2021.12.31 (71)申请人 烟台东方威思顿电气有限公司 地址 264003 山东省烟台市莱山区金都路6 号 申请人 烟台东方威思顿电力设备有限公司 (72)发明人 吕家慧　谭伟　慕健　张玉勇　 秦宗亚　刘海峰　郑和稳　迟子悦　 黄良栋　李声威　张雷　 (74)专利代理 机构 烟台双联专利事务所(普通 合伙) 37225 代理人 申国栋 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01)G06N 3/12(2006.01) G06Q 50/06(2012.01) G06F 111/06(2020.01) G06F 113/04(2020.01) (54)发明名称 基于约束多目标优化的低压台区拓扑识别 方法 (57)摘要 本发明公开了一种基于约束多目标优化的 低压台区拓扑识别方法， 包括： 对电量数据进行 预处理； 进行初始拓扑可行性计算， 得到台区总 表的下一级拓扑结构集合； 构建约束与多目标函 数模型； 根据所述初始拓扑可行性形成初始种 群； 使用遗传算法对所述多目标函数进行优化， 得出低压台区拓扑结构。 本发明根据低压台区的 电量守恒关系及线路损耗的递增关系构建约束 与多目标函数模型， 并利用遗传算法进行优化， 解析最优解得到台区拓扑关系， 通过软件方法进 行拓扑识别， 在不增加硬件成本的基础上提高了 低压台区拓扑识别的准确性和适应性。 权利要求书3页 说明书8页 附图3页 CN 114297811 A 2022.04.08 CN 114297811 A 1.一种基于约束 多目标优化的低压台区拓扑识别方法， 其特 征在于包括如下步骤： S1： 对电量数据进行 预处理； S2： 进行初始拓扑 可行性计算， 得到台区总表的下一级拓扑 结构集合； S3： 构建约束与多目标函数模型； S4： 根据所述初始拓扑 可行性形成初始种群； S5： 使用遗传算法对所述约束与多目标函数模型进行优化， 得 出低压台区拓扑 结构。 2.如权利要求1所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步 骤S5所述遗传算法具体包括如下步骤： S51： 构建编解码函数； S52： 构建惩罚函数； S53： 构建适应度函数， 迭代次数置零， 从当前种群中随机选择一个个体作为历史最优 个体； S54： 根据 所述约束与多目标函数模型计算个体模型值， 通过所述惩罚函数处理所述个 体模型值， 依据所述适应度函数依 次计算当前种群中个体的适应度， 将适应度最高的个体 作为最优解， 若当前最优解的适应度高于所述历史最优个体， 则用当前最优解替换所述历 史最优个体； 判断迭代次数是否达到预设值， 是则输出当前最优解， 转至步骤S 56； 否则进 行 个体选择， 形成新种群； S55： 对种群中的个 体进行交叉和变异， 产生 新种群， 迭代次数加一， 返回步骤S54； S56： 解析当前最优解， 使用解码函数构建出拓扑 结构。 3.如权利要求2所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步 骤S52所述 惩罚函数为： 其中， H(Ti)为约束的判别因子， f'(Ti)为经惩罚函数处理后的函数值， L'(Ti)为依据电 量守恒关系构建的模型， x为个 体约束的满足程度， c为 惩罚因数； 其中n为个体中满足约束的L'(Ti)的个数， N 为个体中全部L'(Ti)的个数， a为常数。 4.如权利要求2所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步 骤S55所述交叉 方法为： S551‑1： 种群中的每个个体产 生一个[0， 1]的第一随机数， 若第一随机数小于交叉概率 P1， 则按步骤S5 51‑2至S551‑5参与两两交叉， 产生 新个体； S551‑2： 参与交叉的两个个体作为父代 个体， 计算个体中的编码信息对应的函数f'(Ti) 的值， 得到 两个父代个 体中各自的最优f'(Ti)；权　利　要　求　书 1/3 页 2 CN 114297811 A 2S551‑3： 新建一个空个 体作为新个体， 新个体编码中每层随机 定义编码的个数； S551‑4： 两个父代个体按层级执行交叉， 从两个父代个体中随机抽取编码填充至新个 体， 若抽取的编码为个体最优f'(Ti)对应编码信息中的上级节点， 则将其下级节点一并插 入新个体； S551‑5： 对新个体进行冲突检测， 若存在冲突则使用父代个体中的随机编码对新个体 中的冲突编码部分进行相应替换， 若不存在冲突则说明交叉完成， 确定新个 体编码。 5.如权利要求2所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步 骤S55所述变异方法为： S552‑1： 种群中的每个个体产 生一个[0， 1]的第二随机数， 若第二随机数小于变异概率 P2， 执行步骤S5 52‑2； S552‑2： 计算个体中的编码信息对应的函数f'(Ti)的值， 随机生成一个正整数p， 选 择前 p个最优f'(Ti)， 对选中的p个函数值f'(Ti)分别按步骤S5 52‑3至S552‑5进行变异； S552‑3： 在f'(Ti)对应的编码信息中随机 选取两个编码位置； S552‑4： 按照既定规则依据第二个编码值对第一个编码值进行变异； S552‑5： 判断个体是否存在冲突或者越界， 若存在则重新随机选择第二个编码位置， 返 回步骤S5 52‑4， 若不存在则说明变异完成， 形成新个 体。 6.如权利要求2所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步 骤S54所述进 行个体选择形成新种群的方法为： 首先， 新建个体数为M的新种群， 有放回地从 当前种群中随机抽取m个个体进 行比较， 将适应度最高的个体放入新种群中， 重复有放回地 抽取操作， 直到新种群的个 体数量达 到M； 然后， 使用历史最优个 体替换新种群中适应度最差的个 体； 最后， 使用新种群代替当前种群。 7.如权利要求1所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步 骤S2所述初始拓扑 可行性计算方法为： 首先， 依据电量守恒关系构建损失函数模型： s.t.0≤aj≤1+ εj,j＝1,2,. ..,n εj≥0 其中 Yi＝a1(X1)i+a2(X2)i+...+an(Xn)i i＝1,2,...,m表示电量时刻， j＝1,2,...,n表示参与回归的设备下标， Di为台区总表的 实际电量， Yi为下级节点电量和， (Xj)i为下级节点的电量， C为常数， εj为线损补偿， a1, a2,...,an为上下级拓扑关系 系数； 然后， 构建多个初始点进行梯度下降优化， 遍历所有局部最优解， 得出台区总表的下一 级拓扑结构集合， 用于构建遗传算法的初始种群。 8.如权利要求1所述的基于约束多目标优化的低压 台区拓扑识别方法， 其特征在于： 步权　利　要　求　书 2/3 页 3 CN 114297811 A 3