配电网检修停电方式的优化方法、装置、终端和存储介质

1.一种配电网检修停电方式的优化方法，其特征在于，包括：获取配电网区域内的历史负荷数据，并对所述历史负荷数据进行预处理，获得预处理后的历史负荷数据；将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练，获得配电网区域的负荷预测模型；获取配电网区域内的实时负荷数据，并将所述实时负荷数据通过所述负荷预测模型进行预测，获得配电网区域内检修窗口期的负荷预测值；建立多目标停电方式优化模型，并结合所述负荷预测值和电网参数，通过多目标粒子群优化，获得Pareto最优解集；将所述Pareto最优解集和各最优解的方案进行图表可视化处理，供决策者确定配电网检修停电方式的方案；所述将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练，获得配电网区域的负荷预测模型，采用如下计算公式：y(k)＝g(w 1 x 1 (k)+w 2 x 2 (k))x 1 (k)＝f(w 3 x c1 (k)+w 4 (u 1 (k-1)))x c1 (k)＝x 1 (k-1)x 2 (k)＝f(w 5 x c2 (k)+w 6 (u 2 (k-1)))x c2 (k)＝x 2 (k-1)式中，k为时间序列编号，g为输出层函数；f为隐含层函数；y(k)表示k时刻的输出数据；x 1 (k)表示k时刻隐含层1的输出；x 1 (k-1)表示k-1时刻隐含层1的输出；x 2 (k)表示k时刻隐含层2的输出；x 2 (k-1)表示k-1时刻隐含层2的输出；x c1 (k)表示k时刻承接层1的输出；x c2 (k)表示k时刻承接层2的输出；u 1 (k)表示k时刻输入层1的输入；u 1 (k-1)表示k-1时刻输入层1的输入；u 2 (k)表示k时刻输入层2的输入；u 2 (k-1)表示k-1时刻输入层2的输入；w 1 为隐含层1与输出层的连接权值；w 2 为隐含层2与输出层的连接权值；w 3 为隐含层1与承接层1的连接权值；w 4 为隐含层1与承接层2的连接权值；w 5 为隐含层2与承接层1的连接权值；w 6 为隐含层2与承接层2的连接权值；所述多目标停电方式优化模型，包括：最小化停电引起的供电可靠性的降低程度和最小化检修停电成本，其中，所述最小化停电引起的供电可靠性的降低程度，采用如下计算公式：式中，C i 为第i个设备的停电频率，N i 为第i个设备停电影响的用户数，N为总用户数， 为停电设备合集；所述最小化检修停电成本，采用如下计算公式：式中，L i 为第i个设备停电造成单位时间电费损失；T i 为第i个设备停电持续时间；R i 为第i个设备检修费用；所述多目标停电方式优化模型，包括：电网安全的约束条件、检修关系的约束条件和检修资源的约束条件；所述电网安全约束条件，包括：节点电压的约束条件和线路潮流的约束条件，其中，所述节点电压的约束条件，采用如下计算公式：U m,min ≤U m ≤U m,max式中，U m 为节点m的电压，U m,min 、U m,max 为节点m的电压的下限和上限；所述线路潮流的约束条件，采用如下计算公式：|P l |≤P l,max式中，P l 为线路的潮流值，P l,max 为线路允许通过的潮流限值；所述检修关系的约束条件，包括：互斥检修的约束条件和同时检修的约束条件，其中，所述互斥检修的约束条件，采用如下计算公式：s j -s i >t i +1式中，s i 、s j 为存在检修冲突的设备i、j的检修起始时间，s i ＜s j ，t i 为设备i的检修持续时间；所述同时检修的约束条件，采用如下计算公式：s i ＝s j式中，s i 、s j 为需安排同时检修的设备i、j的检修起始时间；所述检修资源的约束条件，采用如下计算公式：式中，N为区域内的设备总数，z i (t)为设备i在t时刻安排的检修工作量，Z(t)为t时刻可安排的检修工作量上限。 2.根据权利要求1所述的配电网检修停电方式的优化方法，其特征在于，所述获取配电网区域内的历史负荷数据，并对所述历史负荷数据进行预处理，获得预处理后的历史负荷数据，包括：获取配电网各节点的历史负荷数据，并对所述历史负荷数据进行去除噪声、修正错误数据和归一化处理，获得处理后的历史负荷数据。 3.根据权利要求2所述的配电网检修停电方式的优化方法，其特征在于，所述归一化处理，采用如下计算公式：式中， 为数据归一化以后的值，x i 为数据归一化以前的值，x max 、x min 分别为数据归一化前的最大值、最小值。 4.一种配电网检修停电方式的优化装置，其特征在于，包括：数据处理模块、数据训练模块、负荷预测模块、最优解模块和决策模块，其中，所述数据处理模块，用于获取配电网区域内的历史负荷数据，并对所述历史负荷数据进行预处理，获得预处理后的历史负荷数据；所述数据训练模块，用于将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练，获得配电网区域的负荷预测模型；所述负荷预测模块，用于获取配电网区域内的实时负荷数据，并将所述实时负荷数据通过所述负荷预测模型进行预测，获得配电网区域内检修窗口期的负荷预测值；所述最优解模块，用于建立多目标停电方式优化模型，并结合所述负荷预测值和电网参数，通过多目标粒子群优化，获得Pareto最优解集；所述决策模块，用于将所述Pareto最优解集和各最优解的方案进行图表可视化处理，供决策者确定配电网检修停电方式的方案；所述将所述预处理后的历史负荷数据通过预设的Elman神经网络进行训练，获得配电网区域的负荷预测模型，采用如下计算公式：y(k)＝g(w 1 x 1 (k)+w 2 x 2 (k))x 1 (k)＝f(w 3 x c1 (k)+w 4 (u 1 (k-1)))x c1 (k)＝x 1 (k-1)x 2 (k)＝f(w 5 x c2 (k)+w 6 (u 2 (k-1)))x c2 (k)＝x 2 (k-1)式中，k为时间序列编号，g为输出层函数；f为隐含层函数；y(k)表示k时刻的输出数据；x 1 (k)表示k时刻隐含层1的输出；x 1 (k-1)表示k-1时刻隐含层1的输出；x 2 (k)表示k时刻隐含层2的输出；x 2 (k-1)表示k-1时刻隐含层2的输出；x c1 (k)表示k时刻承接层1的输出；x c2 (k)表示k时刻承接层2的输出；u 1 (k)表示k时刻输入层1的输入；u 1 (k-1)表示k-1时刻输入层1的输入；u 2 (k)表示k时刻输入层2的输入；u 2 (k-1)表示k-1时刻输入层2的输入；w 1 为隐含层1与输出层的连接权值；w 2 为隐含层2与输出层的连接权值；w 3 为隐含层1与承接层1的连接权值；w 4 为隐含层1与承接层2的连接权值；w 5 为隐含层2与承接层1的连接权值；w 6 为隐含层2与承接层2的连接权值；所述多目标停电方式优化模型，包括：最小化停电引起的供电可靠性的降低程度和最小化检修停电成本，其中，所述最小化停电引起的供电可靠性的降低程度，采用如下计算公式：式中，C i 为第i个设备的停电频率，N i 为第i个设备停电影响的用户数，N为总用户数， 为停电设备合集；所述最小化检修停电成本，采用如下计算公式：式中，L i 为第i个设备停电造成单位时间电费损失；T i 为第i个设备停电持续时间；R i 为第i个设备检修费用；所述多目标停电方式优化模型，包括：电网安全的约束条件、检修关系的约束条件和检修资源的约束条件；所述电网安全约束条件，包括：节点电压的约束条件和线路潮流的约束条件，其中，所述节点电压的约束条件，采用如下计算公式：U m,min ≤U m ≤U m,max式中，U m 为节点i的电压，U m,min 、U m,max 为节点i的电压的下限和上限；所述线路潮流的约束条件，采用如下计算公式：|P l |≤P l,max式中，P l 为线路的潮流值，P l,max 为线路允许通过的潮流限值；所述检修关系的约束条件，包括：互斥检修的约束条件和同时检修的约束条件，其中，所述互斥检修的约束条件，采用如下计算公式：s j -s i >t i +1式中，s i 、s j 为存在检修冲突的设备i、j的检修起始时间，s i ＜s j ，t i 为设备i的检修持续时间；所述同时检修的约束条件，采用如下计算公式：s i ＝s j式中，s i 、s j 为需安排同时检修的设备i、j的检修起始时间；所述检修资源的约束条件，采用如下计算公式：式中，N为区域内的设备总数，z i (t)为设备i在t时刻安排的检修工作量，Z(t)为t时刻可安排的检修工作量上限。 5.一种计算机终端设备，其特征在于，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至3任一项所述的配电网检修停电方式的优化方法。 6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的配电网检修停电方式的优化方法。