一種基于改進(jìn)粒子群算法的配網(wǎng)重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種重構(gòu)方法，具體涉及一種基于改進(jìn)粒子群算法的配網(wǎng)重構(gòu)方法。
【背景技術(shù)】
[0002] 配電網(wǎng)絡(luò)重構(gòu)又稱配電網(wǎng)絡(luò)組態(tài)，或配電網(wǎng)絡(luò)饋線組態(tài)、配電網(wǎng)絡(luò)饋線重構(gòu)。配 電網(wǎng)絡(luò)重構(gòu)就是通過改變分段開關(guān)、聯(lián)絡(luò)開關(guān)的組合狀態(tài)，以改變網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和用戶 的供電路徑。傳統(tǒng)的配電網(wǎng)重構(gòu)目的主要有降低網(wǎng)損、消除過載、平衡負(fù)荷、提高電壓質(zhì)量 等。
[0003] 粒子群算法，也稱粒子群優(yōu)化算法（Particle Swarm Optimization)，縮寫為 PS0,是近年來發(fā)展起來的一種新的進(jìn)化算法（Evolutionary Algorithm-EA)。PSO算法屬 于進(jìn)化算法的一種，和模擬退火算法相似，它也是從隨機(jī)解出發(fā)，通過迭代尋找最優(yōu)解，它 也是通過適應(yīng)度來評價解的品質(zhì)，但它比遺傳算法規(guī)則更為簡單，它沒有遺傳算法的"交 叉"（Crossover)和"變異"（Mutation)操作，它通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局 最優(yōu)。這種算法以其實(shí)現(xiàn)容易、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視，并且在解決實(shí) 際問題中展示了其優(yōu)越性。粒子群算法是一種并行算法。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種基于改進(jìn)粒子群算法的配網(wǎng)重構(gòu)方法，在滿足配電網(wǎng)各種運(yùn)行約 束條件的前提下，通過網(wǎng)絡(luò)重構(gòu)減小系統(tǒng)網(wǎng)損；從而提高了計(jì)算效率和尋優(yōu)能力，快速有效 地獲取系統(tǒng)最優(yōu)結(jié)構(gòu)。
[0005] 本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：
[0006] -種基于改進(jìn)粒子群算法的配網(wǎng)重構(gòu)方法，所述方法包括：
[0007] (1)建立以網(wǎng)損最小化為目標(biāo)的配電網(wǎng)重構(gòu)模型；
[0008] (2)構(gòu)建場景庫，用于存放粒子；所述場景庫中的每個粒子對應(yīng)一個配電網(wǎng)重構(gòu) 豐旲型；
[0009] (3)隨機(jī)生成粒子群，采用編碼方式對各粒子進(jìn)行定位；
[0010] (4)計(jì)算各粒子的適應(yīng)度，更新各粒子的位置和速度；
[0011] (5)優(yōu)化場景庫；若達(dá)到結(jié)束條件則更新結(jié)束，否則返回步驟（4)。
[0012] 優(yōu)選的，所述步驟（1)中，以網(wǎng)損最小化為目標(biāo)的配電網(wǎng)重構(gòu)模型為：
CN 105117517 A 說明書 2/5 頁
[0022] 其中，式⑴為優(yōu)化目標(biāo)，式⑵和式⑶為潮流約束；式⑷為節(jié)點(diǎn)電壓約束；式 (5)為線路電流約束；式（6)和式（7)共同構(gòu)成網(wǎng)絡(luò)的輻射型約束；其中，Nc為閉合支路集 合，Pkllciss為支路k的有功損耗，P k、QdP V ^別為支路k首端有功、無功功率和電壓幅值； 巧和4分別為節(jié)點(diǎn)i處配網(wǎng)注入的有功功率，分布式電源注入有功功率和負(fù)荷有功 功率，奪和4分別為節(jié)點(diǎn)i處配網(wǎng)注入的無功功率、分布式電源注入無功功率和負(fù) 荷無功功率；Viniin和Viniax分別為節(jié)點(diǎn)i處的電壓幅值，電壓幅值下限和電壓幅值上限；I k為支路k經(jīng)過的電流，Ik _為支路k電流上限；Nbus為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)，N linJ%網(wǎng)絡(luò)支路數(shù);A為 網(wǎng)絡(luò)的鄰接矩陣，E為Nbus階單位矩陣。
[0023] 優(yōu)選的，所述步驟（3)中采用編碼方式對各粒子進(jìn)行定位包括；閉合所有聯(lián)絡(luò)線 開關(guān)，獲取與聯(lián)絡(luò)線開關(guān)數(shù)量相等的最小環(huán)，每個最小環(huán)對應(yīng)編碼的一個維度；并對每個最 小環(huán)內(nèi)的開關(guān)進(jìn)行編號；所述編號為配網(wǎng)重構(gòu)的可行解對應(yīng)的編碼在該維度上的數(shù)值；
[0024] 若隨機(jī)生成的粒子群不滿足約束條件，則重新生成。
[0025] 優(yōu)選的，所述步驟（4)中的粒子適用度為該粒子對應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)中網(wǎng)損的相反 數(shù)；適用度越大則粒子越優(yōu)。
[0026] 優(yōu)選的，所述步驟（4)中更新各粒子的位置和速度包括：
[0027] V = w · v+cl · cor+c2 · rand · (pbest-present)+c3 · rand · (gbest-present) (8)
[0028] present = present+v (9)
[0029] 其中，v為粒子速度，w為慣性權(quán)重，cor為場景庫中適用度對于粒子各維度的皮爾 森相關(guān)系數(shù)，present為當(dāng)前粒子的位置，pbest為個體粒子最優(yōu)值，gbest為粒子群的全局 最優(yōu)值；rand為介于（0, 1)之間的隨機(jī)數(shù)；cl、c2和c3皆為學(xué)習(xí)因子。
[0030] 進(jìn)一步地，所述皮爾森相關(guān)系數(shù)表達(dá)式如下式所示：
[0032] 式（10)中，G和L分別為維度為T的兩個向量；G為場景庫中由所有粒子適應(yīng)度構(gòu) 成的函數(shù)向量，L為所有粒子位置在各個維度上的值構(gòu)成的向量；
[0033] 粒子更新過程中，若出現(xiàn)不滿足約束條件（2)-(7)的粒子，則根據(jù)式（8)和式（9) 重新生成該粒子的速度和位置。
[0034] 優(yōu)選的，所述步驟（5)中優(yōu)化場景庫包括，若所述各粒子的當(dāng)前位置在場景庫中 沒有出現(xiàn)，則將該粒子當(dāng)前位置以及相應(yīng)適應(yīng)度添加至場景庫；
[0035] 將各粒子的適應(yīng)度與該粒子的歷史最優(yōu)值作比較，若優(yōu)于歷史最優(yōu)值，則將其作 為個體最優(yōu)值；
[0036] 將各粒子的個體最優(yōu)值與全局最優(yōu)值進(jìn)行比較，若優(yōu)于全局最優(yōu)值，則更新全局 最優(yōu)值，包括位置和速度。
[0037] 與現(xiàn)有技術(shù)相比，本發(fā)明達(dá)到的有益效果是：
[0038] 現(xiàn)有粒子群算法為一種基于群體迭代的優(yōu)化算法，在運(yùn)算過程中，會產(chǎn)生大量場 景和計(jì)算結(jié)果，其中絕大部分場景為中間過程，之后不再被利用，從而造成信息和計(jì)算的浪 費(fèi)。而本發(fā)明提供方法集合了歷史計(jì)算中出現(xiàn)的所有場景構(gòu)建場景庫，運(yùn)用大數(shù)據(jù)和統(tǒng)計(jì) 學(xué)的思想指導(dǎo)粒子進(jìn)化，提高了計(jì)算的利用度，減小計(jì)算總量，從而有效提高了工作效率。
[0039] 在滿足配電網(wǎng)各種運(yùn)行約束條件的前提下，通過網(wǎng)絡(luò)重構(gòu)減小系統(tǒng)網(wǎng)損；從而提 高了計(jì)算效率和尋優(yōu)能力，快速有效地獲取系統(tǒng)最優(yōu)結(jié)構(gòu)。
【附圖說明】
[0040] 圖1為本發(fā)明提供的基于改進(jìn)粒子群算法的配網(wǎng)重構(gòu)方法流程圖；
[0041] 圖2為本發(fā)明實(shí)施例的IEEE 33節(jié)點(diǎn)配網(wǎng)結(jié)構(gòu)示意圖；
[0042] 圖3為本發(fā)明提供的迭代次數(shù)達(dá)到100次的最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)示意圖；
[0043] 圖4為本發(fā)明提供的重構(gòu)前后收斂曲線的對比圖。
【具體實(shí)施方式】
[0044] 下面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】做進(jìn)一步的詳細(xì)說明。
[0045] 如圖1所示，一種基于改進(jìn)粒子群算法的配網(wǎng)重構(gòu)方法，所述方法包括：
[0046] (1)建立以網(wǎng)損最小化為目標(biāo)的配電網(wǎng)重構(gòu)模型；
[0047] 所述步驟⑴中，以網(wǎng)損最小化為目標(biāo)的配電網(wǎng)重構(gòu)模型為：
CN 105117517 A 說明書 4/5 頁
[0057] 其中，式⑴為優(yōu)化目標(biāo)，式⑵和式⑶為潮流約束；式⑷為節(jié)點(diǎn)電壓約束；式 (5)為線路電流約束；式（6)和式（7)共同構(gòu)成網(wǎng)絡(luò)的輻射型約束；其中，Nc為閉合支路集 合，Pkllciss為支路k的有功損耗，P k、QdP V ^別為支路k首端有功、無功功率和電壓幅值； \ ZT和片分別為節(jié)點(diǎn)i處配網(wǎng)注入的有功功率，分布式電源注入有功功率和負(fù)荷有功 功率，切《'^和試分別為節(jié)點(diǎn)i處配網(wǎng)注入的無功功率、分布式電源注入無功功率和負(fù) 荷無功功率；Viniin和Viniax分別為節(jié)點(diǎn)i處的電壓幅值，電壓幅值下限和電壓幅值上限；I k為支路k經(jīng)過的電流，Ik _為支路k電流上限；Nbus為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)，N linJ%網(wǎng)絡(luò)支路數(shù);A為 網(wǎng)絡(luò)的鄰接矩陣，E為Nbus階單位矩陣。
[0058] (2)構(gòu)建場景庫，用于存放粒子；所述場景庫中的每個粒子對應(yīng)一個配電網(wǎng)重構(gòu) 豐旲型；
[0059] (3)隨機(jī)生成粒子群，采用編碼方式對各粒子進(jìn)行定位；所述步驟（3)中采用編碼 方式對各粒子進(jìn)行定位包括；閉合所有聯(lián)絡(luò)線開關(guān)，獲取與聯(lián)絡(luò)線開關(guān)數(shù)量相等的最小環(huán)， 每個最小環(huán)對應(yīng)編碼的一個維度；