基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法，包括：配電網(wǎng)絡(luò)簡(jiǎn)化并進(jìn)行粒子群編碼；粒子群解碼，計(jì)算每個(gè)粒子對(duì)應(yīng)的適應(yīng)度函數(shù)；隨機(jī)初始化粒子群，對(duì)每一粒子隨機(jī)賦予一個(gè)可行解；對(duì)每個(gè)粒子所對(duì)應(yīng)的簡(jiǎn)化網(wǎng)絡(luò)進(jìn)行拓?fù)錂z查，直至全部粒子符合配電網(wǎng)拓?fù)湟?；?duì)每個(gè)粒子通過(guò)算法迭代進(jìn)行位置更新，并進(jìn)行簡(jiǎn)化網(wǎng)絡(luò)拓?fù)錂z查；計(jì)算每個(gè)粒子更新位置后的適應(yīng)度值：如果粒子i的適應(yīng)值優(yōu)于此前個(gè)體極值位置Pi對(duì)應(yīng)的適應(yīng)值，則將其位置賦值給Pi；如果當(dāng)前極值位置Pi的適應(yīng)值優(yōu)于此前全局極值位置Pg的適應(yīng)值，則將其位置賦值給Pg，直到達(dá)到預(yù)設(shè)最大迭代次數(shù)，Pg即為最優(yōu)解。本發(fā)明方法具有快速、高效的全局尋優(yōu)能力。
【專利說(shuō)明】基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法。

【背景技術(shù)】
[0002] 配電網(wǎng)系統(tǒng)具有閉環(huán)系統(tǒng)，開環(huán)運(yùn)行的特點(diǎn)。配電網(wǎng)重構(gòu)是優(yōu)化配電系統(tǒng)運(yùn)行的 有效手段，它主要通過(guò)切換聯(lián)絡(luò)開關(guān)和分段開關(guān)的開合狀態(tài)來(lái)改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，以改變 網(wǎng)絡(luò)中的潮流流動(dòng)。在正常的運(yùn)行條件下，根據(jù)運(yùn)行情況進(jìn)行開關(guān)操作以調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，一 方面能夠平衡負(fù)荷，消除過(guò)載，提高供電電壓質(zhì)量；另一方面，能夠提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。
[0003]配電網(wǎng)重構(gòu)是在保證配電網(wǎng)呈現(xiàn)輻射狀結(jié)構(gòu)、滿足饋線熱容、節(jié)點(diǎn)壓降和變壓器 容量等條件的前提下，使配電網(wǎng)某一指標(biāo)或者多重指標(biāo)最佳的配電網(wǎng)運(yùn)行方式。由于配電 網(wǎng)結(jié)構(gòu)復(fù)雜，存在著大量的分段開關(guān)和聯(lián)絡(luò)開關(guān)，因此配電網(wǎng)重構(gòu)是一個(gè)復(fù)雜的多目標(biāo)高 維數(shù)非線性混合優(yōu)化問(wèn)題。
[0004]目前的求解算法大致可分為以下幾類：1)傳統(tǒng)數(shù)學(xué)優(yōu)化算法：即直接利用現(xiàn)有的 數(shù)學(xué)優(yōu)化原理進(jìn)行配電網(wǎng)重構(gòu)。隨維數(shù)的增加，該方法將面臨"組合爆炸"問(wèn)題，難以實(shí)際應(yīng) 用；2)啟發(fā)式方法，主要有最優(yōu)流模式法和支路交換法，由于結(jié)合了配電網(wǎng)重構(gòu)問(wèn)題的物 理特性，計(jì)算速度有了很大提高，但重構(gòu)結(jié)果與打開開關(guān)的順序或網(wǎng)絡(luò)中開關(guān)的初始狀態(tài) 有關(guān)，每一次優(yōu)化計(jì)算只搜索了整個(gè)解空間的一部分子空間，缺乏數(shù)學(xué)意義上的全局最優(yōu) 性；3)人工智能算法，如模擬退火法、遺傳算法、禁忌算法等，這些方法中的某些參數(shù)隨著 網(wǎng)絡(luò)規(guī)模等因素的變化而變化，難以確定，并且存在收斂速度慢，容易出現(xiàn)大量不可行解， 不成熟收斂等問(wèn)題。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種基于改進(jìn)粒子群算法的配電 網(wǎng)重構(gòu)優(yōu)化方法，能夠提高重構(gòu)優(yōu)化的全局尋優(yōu)能力，解決配電網(wǎng)重構(gòu)中出現(xiàn)大量不可行 解的技術(shù)問(wèn)題。
[0006]為達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：基于改進(jìn)粒子群算法的配電網(wǎng)重 構(gòu)優(yōu)化方法，包括如下步驟：
[0007] 步驟一：配電網(wǎng)絡(luò)簡(jiǎn)化并進(jìn)行粒子群編碼；
[0008] 步驟二：粒子群解碼，并通過(guò)配電網(wǎng)潮流計(jì)算求得每個(gè)粒子對(duì)應(yīng)的適應(yīng)度函數(shù) fitness；
[0009] 步驟三：設(shè)定改進(jìn)粒子群算法參數(shù)，包括粒子群規(guī)模為N、學(xué)習(xí)因子C1和C2、最大迭 代次數(shù)k;
[0010] 步驟四：隨機(jī)初始化粒子群，對(duì)于種群中的每一粒子X(jué)i在搜索空間中隨機(jī)賦予一 個(gè)可行解，其中i= 1，2···，Ν;
[0011] 步驟五：對(duì)每個(gè)粒子所對(duì)應(yīng)的簡(jiǎn)化網(wǎng)絡(luò)進(jìn)行拓?fù)錂z查，直至全部粒子符合配電網(wǎng) 拓?fù)湟?，采用基于廣度優(yōu)先樹搜索的配電網(wǎng)拓?fù)浞治觯?br> [0012] 步驟六：計(jì)算每個(gè)粒子的適應(yīng)度值，設(shè)定每個(gè)粒子的當(dāng)前位置為其個(gè)體極值位置 Pi,取全局極值位置Pg為當(dāng)前群體最優(yōu)適應(yīng)值對(duì)應(yīng)的位置；
[0013] 步驟七：對(duì)每個(gè)粒子通過(guò)算法迭代進(jìn)行位置更新，并進(jìn)行簡(jiǎn)化網(wǎng)絡(luò)拓?fù)錂z查；
[0014] 步驟八：計(jì)算每個(gè)粒子更新位置后的適應(yīng)度值：如果粒子i的適應(yīng)值優(yōu)于此前個(gè) 體極值位置Pi對(duì)應(yīng)的適應(yīng)值，則將其位置賦值給Pi ;如果當(dāng)前極值位置Pi的適應(yīng)值優(yōu)于此 前全局極值位置Pg的適應(yīng)值，則將其位置賦值給Pg;
[0015] 步驟八：進(jìn)入下一次迭代過(guò)程，直到達(dá)到預(yù)設(shè)最大迭代次數(shù)k;
[0016] 步驟九：粒子解碼并輸出結(jié)果：Pg即為最優(yōu)解，對(duì)其解碼可得重構(gòu)優(yōu)化后的網(wǎng)絡(luò)開 關(guān)狀態(tài)，最優(yōu)目標(biāo)函數(shù)值為fitness(Pg)。
[0017] 步驟七所述的算法迭代中，第k+Ι次迭代時(shí)，粒子i的更新公式為：
[0018] xf+1=xf+[C1 (pf - xf) +c2(^-xl)]0Κβ)
[0019] 其中，?為點(diǎn)對(duì)點(diǎn)乘法；L(i3)為萊維飛行的隨機(jī)搜索路徑 [0020] 其中，L(i3)計(jì)算方法如下： -^
[0021] S=7W M
[0022] 式中：s為萊維飛行跳躍步長(zhǎng)；參數(shù)β取值范圍為0〈β〈2,參數(shù)μ、V為正態(tài)分 布隨機(jī)數(shù)，服從下式的正態(tài)分布：

【權(quán)利要求】
1. 基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法，其特征在于：包括如下步驟： 步驟一：配電網(wǎng)絡(luò)簡(jiǎn)化并進(jìn)行粒子群編碼； 步驟二：粒子群解碼，并通過(guò)配電網(wǎng)潮流計(jì)算求得每個(gè)粒子對(duì)應(yīng)的適應(yīng)度函數(shù) fitness ； 步驟三：設(shè)定改進(jìn)粒子群算法參數(shù)，包括粒子群規(guī)模為N、學(xué)習(xí)因子C1和C2、最大迭代次 數(shù)k 步驟四：隨機(jī)初始化粒子群，對(duì)于種群中的每一粒子X(jué)i在搜索空間中隨機(jī)賦予一個(gè)可 行解，其中i = 1，2…，N; 步驟五：對(duì)每個(gè)粒子所對(duì)應(yīng)的簡(jiǎn)化網(wǎng)絡(luò)進(jìn)行拓?fù)錂z查，直至全部粒子符合配電網(wǎng)拓?fù)?要求，采用基于廣度優(yōu)先樹搜索的配電網(wǎng)拓?fù)浞治觯? 步驟六：計(jì)算每個(gè)粒子的適應(yīng)度值，設(shè)定每個(gè)粒子的當(dāng)前位置為其個(gè)體極值位置Pi，取 全局極值位置Pg為當(dāng)前群體最優(yōu)適應(yīng)值對(duì)應(yīng)的位置； 步驟七：對(duì)每個(gè)粒子通過(guò)算法迭代進(jìn)行位置更新，并進(jìn)行簡(jiǎn)化網(wǎng)絡(luò)拓?fù)錂z查； 步驟八：計(jì)算每個(gè)粒子更新位置后的適應(yīng)度值：如果粒子i的適應(yīng)值優(yōu)于此前個(gè)體極 值位置Pi對(duì)應(yīng)的適應(yīng)值，則將其位置賦值給Pi ;如果當(dāng)前極值位置Pi的適應(yīng)值優(yōu)于此前全 局極值位置Pg的適應(yīng)值，則將其位置賦值給Pg ; 步驟八：進(jìn)入下一次迭代過(guò)程，直到達(dá)到預(yù)設(shè)最大迭代次數(shù)k ; 步驟九：粒子解碼并輸出結(jié)果：Pg即為最優(yōu)解，對(duì)其解碼可得重構(gòu)優(yōu)化后的網(wǎng)絡(luò)開關(guān)狀 態(tài)，最優(yōu)目標(biāo)函數(shù)值為fitness (Pg)。
2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法，其特征在于：步驟七所述的算法迭代中，第k+1次迭代時(shí)，粒子i的更新公式為： x；i+1 = xf + [Cl(pf - A-f) +C2(Pig-Xki )3 ? L(P) 其中，?為點(diǎn)對(duì)點(diǎn)乘法；L(P)為萊維飛行的隨機(jī)搜索路徑 其中，L(P)計(jì)算方法如下：
式中：s為萊維飛行跳躍步長(zhǎng)；參數(shù)0取值范圍為0〈 0〈2,參數(shù)ii、V為正態(tài)分布隨 機(jī)數(shù)，服從下式的正態(tài)分布：
3. 根據(jù)權(quán)利要求1所述的基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法，其特征在于：步驟五的具體操作步驟如下： S5-1 :初始化節(jié)點(diǎn)信息列表Node，分別存放節(jié)點(diǎn)編號(hào)、屬層和遍歷；初始化支路信息列 表Branch,分別存放支路首端節(jié)點(diǎn)編號(hào)、末端節(jié)點(diǎn)編號(hào)、遍歷和開關(guān)狀態(tài)； S5-2 :將Node和&'anch列表中的遍歷置0、Node中的屬層置I ; S5-3 :確定根節(jié)點(diǎn)，從根節(jié)點(diǎn)開始，由Branch列表逐個(gè)搜索與之相連的節(jié)點(diǎn)，即開關(guān)狀 態(tài)為1的節(jié)點(diǎn)，將搜索到的節(jié)點(diǎn)屬層加1，將搜索過(guò)的節(jié)點(diǎn)和支路的遍歷加1 ; S5-4 :從屬層為2的節(jié)點(diǎn)開始，逐個(gè)搜索與之相連的節(jié)點(diǎn)，將搜索到的節(jié)點(diǎn)屬層加1，將 搜索過(guò)的節(jié)點(diǎn)和支路的遍歷加1 ; S5-5 :重復(fù)第S54步，直到所有閉合支路遍歷均為1時(shí)，完成了整個(gè)網(wǎng)絡(luò)的拓?fù)浞治觯? S5-6 :檢查所有節(jié)點(diǎn)遍歷是否均為1，當(dāng)所有節(jié)點(diǎn)遍歷均為1時(shí)，表示滿足輻射狀拓?fù)?結(jié)構(gòu)要求；否則，表示不滿足配電網(wǎng)拓?fù)湟蟆?br> 4. 根據(jù)權(quán)利要求1所述的基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法，其特征在于：適應(yīng)度函數(shù)fitness的公式如下：
式中，Hnrtltjss為網(wǎng)損率；Pnrtltjss為網(wǎng)絡(luò)損耗；PlM(U為負(fù)荷節(jié)點(diǎn)i的有功功率；N為全網(wǎng) 負(fù)荷節(jié)點(diǎn)數(shù)；RL為第ij支路電阻；VL為第ij支路末端的電壓幅值；kh表示該支路是否 斷開，如果斷開則為〇,閉合為I ;PL和QL分別為流過(guò)第ij支路的有功和無(wú)功功率。
5. 根據(jù)權(quán)利要求1所述的基于改進(jìn)粒子群算法的配電網(wǎng)重構(gòu)優(yōu)化方法，其特征在于：步驟一的具體操作步驟如下： Sl-I :編碼不考慮不在環(huán)路上的支路； S1-2 :解環(huán)效果一樣的支路合并成一個(gè)支路組，稱之為廣義支路； S1-3 :用一個(gè)粒子代表網(wǎng)絡(luò)中的一條廣義支路，粒子的大小代表這條廣義支路對(duì)應(yīng)的 原始網(wǎng)絡(luò)中的支路編號(hào)。
【文檔編號(hào)】H02J3/00GK104332995SQ201410649037
【公開日】2015年2月4日 申請(qǐng)日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】何小棟, 張強(qiáng), 左智勇 申請(qǐng)人:南京工程學(xué)院