一种配电网的负载分配优化方法、装置、终端设备和存储介质

1.一种配电网的负载分配优化方法，其特征在于，包括：获取配电网的网络拓扑结构；其中，所述网络拓扑结构包括：不同的节点以及节点之间的连接边；所述连接边用于表征配电网中的线路；根据各个节点的连接边总数量以及各个连接边所对应的线路数据，将各个节点划分为若干个不同拥塞程度的节点聚类组；其中，所述线路数据，包括：线路传输容量以及线路拥塞时长；根据每一节点与所属节点聚类组内其他节点之间的距离与预设距离阈值的比对结果，标记出拥塞节点以及非拥塞节点；继而将相邻的拥塞节点之间的连接边所对应的线路，标记为拥塞线路；将每一节点聚类组在所述网络拓扑结构中的区域标记为待处理区域，对于每一待处理区域，根据所述待处理区域内拥塞节点的连接边总数量、非拥塞节点的连接边总数量和拥塞线路的线路数据，以及配电网的运行数据和网络拓扑结构中各线路的负载数据，构建以所有拥塞线路的负载最小为目标的负载优化模型；其中，所述负载优化模型对应的约束条件为：线路传输容量约束、节点负载约束以及线路负载约束；在负载优化模型对应的约束条件下，对所述负载优化模型进行求解，在所有拥塞线路的负载最小时生成目标负载变量；其中，所述目标负载变量，包括：节点对应的负载量以及线路对应的负载量；根据目标负载变量，控制对应的待处理区域中各个节点的负载以及各个线路的负载。 2.如权利要求1所述的一种配电网的负载分配优化方法，其特征在于，所述根据各个节点的连接边总数量以及各个连接边所对应的线路数据，将各个节点划分为若干个不同拥塞程度的节点聚类组，包括：根据各个连接边对应的线路传输容量以及线路拥塞时长，以及各个节点的连接边总数量，生成拉普拉斯矩阵；其中，所述拉普拉斯矩阵用于表征配电网中节点之间的连接关系以及各节点的节点拥塞程度；所述拉普拉斯矩阵的阶数为节点总数量；基于拉普拉斯矩阵的非对角元素和对角元素，计算出拉普拉斯矩阵对应的旋转角；根据所述旋转角对应的旋转矩阵，不断地更新拉普拉斯矩阵以及更新拉普拉斯矩阵对应的特征向量列表，直至更新后的拉普拉斯矩阵完成对角化且非对角元素为零，输出最终的特征向量列表；其中，所述特征向量列表包含有多个列向量，每一列向量为每一节点对应的特征向量；根据各个节点的特征向量进行聚类分析，将各个节点划分为若干个不同拥塞程度的节点聚类组。 3.如权利要求2所述的一种配电网的负载分配优化方法，其特征在于，所述根据各个连接边对应的线路传输容量以及线路拥塞时长，以及各个节点的连接边总数量，生成拉普拉斯矩阵，包括：对于每一连接边，根据所述连接边对应的线路传输容量以及线路拥塞时长，生成所述连接边对应的用于表征线路拥塞程度的权重矩阵；对于每一节点，根据与所述节点存在连接的连接边所对应的权重矩阵，生成节点的用于表征节点拥塞程度的度矩阵；将各个权重矩阵以及各个度矩阵进行相减操作，得到拉普拉斯矩阵。 4.如权利要求3所述的一种配电网的负载分配优化方法，其特征在于，所述根据各个节点的特征向量进行聚类分析，将各个节点划分为若干个不同拥塞程度的节点聚类组，包括：重复执行如下聚类操作，在判定各个更新后的聚类中心的总值与上一次执行聚类操作时各个聚类中心的总值之间的差值小于预设差值阈值时，输出当前的若干个节点聚类组：计算各个节点的特征向量到各个当前聚类中心的距离，将各个节点归类到距离最小对应的当前聚类中心，生成对应的节点聚类组；其中，初始时随机选择预设个数对应的聚类中心作为当前聚类中心；每个节点聚类组对应一拥塞程度；对于每一节点聚类组，根据节点聚类组内各个节点的特征向量所对应的加权平均值，生成节点聚类组的更新后的聚类中心；在判定各个更新后的聚类中心的总值与上一次执行聚类操作时各个聚类中心的总值之间的差值不小于预设差值阈值时，将更新后的聚类中心作为下一次执行聚类操作时的当前聚类中心。 5.如权利要求4所述的一种配电网的负载分配优化方法，其特征在于，所述根据每一节点与所属节点聚类组内其他节点之间的距离与预设距离阈值的比对结果，标记出拥塞节点以及非拥塞节点，包括：对于每一节点聚类组中的每一节点，将节点的目标平均距离与预设距离阈值进行比对；其中，所述目标平均距离为节点与所属节点聚类组内其他节点之间的平均距离；每一节点聚类组对应一预设距离阈值，所述预设距离阈值为节点聚类组内所有节点之间的距离平均值与预设距离标准差之和；若所述目标平均距离小于预设距离阈值，则判定所述节点为非拥塞节点；若所述目标平均距离不小于预设距离阈值，则判定所述节点为拥塞节点。 6.如权利要求5所述的一种配电网的负载分配优化方法，其特征在于，所述负载优化模型对应的约束条件，还包括：用于提高待处理区域内部紧密度的加权模块度最大化约束、用于减少电力在待处理区域内部的传输距离的平均输电距离最小化约束以及用于提高短路电流的多馈入短路比最大化约束；所述在负载优化模型对应的约束条件下，对所述负载优化模型进行求解，在所有拥塞线路的负载最小时生成目标负载变量，包括：在线路传输容量约束、节点负载约束、线路负载约束、加权模块度最大化约束、平均输电距离最小化约束以及多馈入短路比最大化约束下，对所述负载优化模型进行求解，在所有拥塞线路的负载最小时生成节点对应的负载量、线路对应的负载量、拥塞节点之间的输电路径、节点之间的平均输电距离以及节点的短路容量。 7.如权利要求6所述的一种配电网的负载分配优化方法，其特征在于，所述对所述负载优化模型进行求解，在所有拥塞线路的负载最小时生成节点对应的负载量、线路对应的负载量、拥塞节点之间的输电路径、节点之间的平均输电距离以及节点的短路容量，包括：重复执行如下目标粒子确定操作，直至当前迭代次数与预设迭代次数相同，输出若干个目标粒子，以使所输出的目标粒子均满足线路传输容量约束、节点负载约束、线路负载约束、加权模块度最大化约束、平均输电距离最小化约束以及多馈入短路比最大化约束：获取当前迭代次数；在当前迭代次数小于预设迭代次数时，计算出每一当前粒子在负载优化模型中的函数值；其中，初始时随机生成种群中的若干个粒子；每一粒子用于表征节点对应的负载量、线路对应的负载量、拥塞节点之间的输电路径、节点之间的平均输电距离以及节点的短路容量；基于各个当前粒子的函数值，对粒子进行非支配排序，生成若干个非支配层；继而计算出每一非支配层中各个粒子的拥挤度距离；在每一非支配层中，按照拥挤度距离从大到小的顺序选择预设个数对应的待遗传粒子；通过模拟二进制交叉操作生成每一待遗传粒子的子代粒子，继而对各个子代粒子进行变异操作，生成变异后的子代粒子；将待遗传粒子以及变异后的子代粒子，作为目标粒子；将目标粒子作为下一次执行目标粒子确定操作时的当前粒子，并将当前迭代次数值加上预设迭代次数增量后得到更新后的迭代次数，将所述更新后的迭代次数作为下一次执行目标粒子确定操作时的迭代次数。 8.一种配电网的负载分配优化装置，其特征在于，包括：拓扑结构获取模块、节点聚类模块、节点分类模块、负载优化模型构建模块以及负载控制模块；所述拓扑结构获取模块，用于获取配电网的网络拓扑结构；其中，所述网络拓扑结构包括：不同的节点以及节点之间的连接边；所述连接边用于表征配电网中的线路；所述节点聚类模块，用于根据各个节点的连接边总数量以及各个连接边所对应的线路数据，将各个节点划分为若干个不同拥塞程度的节点聚类组；其中，所述线路数据，包括：线路传输容量以及线路拥塞时长；所述节点分类模块，用于根据每一节点与所属节点聚类组内其他节点之间的距离与预设距离阈值的比对结果，标记出拥塞节点以及非拥塞节点；继而将相邻的拥塞节点之间的连接边所对应的线路，标记为拥塞线路；所述负载优化模型构建模块，用于将每一节点聚类组在所述网络拓扑结构中的区域标记为待处理区域，对于每一待处理区域，根据所述待处理区域内拥塞节点的连接边总数量、非拥塞节点的连接边总数量和拥塞线路的线路数据，以及配电网的运行数据和网络拓扑结构中各线路的负载数据，构建以所有拥塞线路的负载最小为目标的负载优化模型；其中，所述负载优化模型对应的约束条件为：线路传输容量约束、节点负载约束以及线路负载约束；所述负载控制模块，用于在负载优化模型对应的约束条件下，对所述负载优化模型进行求解，在所有拥塞线路的负载最小时生成目标负载变量；其中，所述目标负载变量，包括：节点对应的负载量以及线路对应的负载量；根据目标负载变量，控制对应的待处理区域中各个节点的负载以及各个线路的负载。 9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的一种配电网的负载分配优化方法。 10.一种存储介质，其特征在于，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至7中任意一项所述的一种配电网的负载分配优化方法。