[发明专利]一种高压开关柜负荷智能动态分析方法

权利要求书

1.一种高压开关柜负荷智能动态分析方法，其特征在于，包括以下步骤：

步骤S1、基于高压开关柜的所有监测点以及监测点间流向电流，构建负荷分析网络；

步骤S2、利用遗传算法构建用于对负荷分析网络进行社团划分用以获得统一负荷分析社团的网络分析算法模型，并使用遗传算子对种群交配池进行全局优化和局部优化，以及基于社团评价指标对网络分析算法模型进行评估优化；

步骤S3、依据所述网络分析算法模型与高压开关柜建立结构联动以进行负荷动态分析。

2.根据权利要求1所述的一种高压开关柜负荷智能动态分析方法，其特征在于，所述基于高压开关柜的所有监测点以及监测点间流向电流，构建负荷分析网络，包括：

将所述监测点以十进制编码量化为节点，并汇总成节点集，N为监测点总数目；

将所述监测点间存在的流向电流量化为边，并汇总成边集，表示和间的流向电流，；

将节点集和边集映射量化成负荷分析网络，并利用邻接矩阵进行表示G。

3.根据权利要求2所述的一种高压开关柜负荷智能动态分析方法，其特征在于，所述网络分析算法模型对所述负荷分析网络进行社团划分时，将具有相同分析属性的监测点聚类成簇进行统一分析，包括：

基于公式：，计算社团的平均内度；基于公式：，计算社团的平均外度；

对所述平均内度进行最小化修正为；

利用最小化修正后的平均内度NRA和平均外度RC进行联合，生成目标函数，所述目标函数的计算公式为：

，

其中，为负荷分析网络G划分的第k个社团的节点集，，，，M为负荷分析网络G划分后的社团总数。

4.根据权利要求3所述的一种高压开关柜负荷智能动态分析方法，其特征在于，所述利用遗传算法构建用于对负荷分析网络进行社团划分的网络分析算法模型，包括：

步骤S201：对所述负荷分析网络G中的节点集V进行染色体整数编码，初始化遗传算法的种群交配池；

步骤S202：对所述种群交配池进行迭代遗传，并依据适应度函数对种群交配池进行优选更新；

步骤S203：若迭代遗传完成，选取种群交配池优选结果作为负荷分析网络划分的社团；若迭代遗传未完成，返回步骤S202。

5.根据权利要求4所述的一种高压开关柜负荷智能动态分析方法，其特征在于，所述对所述负荷分析网络G中的节点集V进行染色体编码，初始化遗传算法的种群交配池，包括：

将节点集V进行染色体编码，形成种群染色体，并将所述种群染色体呈矩阵化搭建种群交配池；

利用标识符传递机制对所述种群交配池进行初始化，得到初始化种群交配池；

所述利用标识符传递机制对所述种群交配池进行初始化，包括：

获取网络节点的邻节点集；

若网络节点的邻节点集中所有网络节点的社团标识符均唯一，则随机选取一个邻节点的社团标识符去覆盖的社团标识符c。

6.根据权利要求5所述的一种高压开关柜负荷智能动态分析方法，其特征在于，所述对所述种群交配池进行迭代遗传，并依据适应度函数对种群交配池进行优选更新，还包括：

构建遗传算子的概率，所述遗传算子包括种群染色体交叉和种群染色体变异；

所述构建遗传算子的概率，所述遗传算子包括种群染色体交叉和种群染色体变异，包括：

基于种群染色体的适应度函数，结合统计学方差和期望概念，定义种群染色体间的基因型丰度因子：

；

其中，，，为第i个种群染色体的适应度值；

基于所述丰度因子，利用logistic函数标准模型构建动态种群染色体交叉概率和种群染色体变异概率，所述种群染色体交叉概率为；所述种群染色体变异概率为：；

其中，A，B为常数。