基于量子遺傳算法的多目標(biāo)智能配電網(wǎng)自愈恢復(fù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于量子遺傳算法的多目標(biāo)智能配電網(wǎng)自愈恢復(fù)方法，特別涉及 一種智能配電網(wǎng)發(fā)生故障后，采用量子遺傳算法的進(jìn)行多目標(biāo)電網(wǎng)自愈恢復(fù)重構(gòu)的方法， 屬于電力系統(tǒng)控制技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 配電網(wǎng)是由架空線路、配電變壓器、開關(guān)等設(shè)施等組成的，在電力網(wǎng)中起重要分配 電能作用的網(wǎng)絡(luò)。配電網(wǎng)一般采用閉環(huán)設(shè)計(jì)、開環(huán)運(yùn)行，其運(yùn)行結(jié)構(gòu)呈輻射狀。由于配電線 的線徑比輸電線的小，導(dǎo)致配電網(wǎng)的R/X較大，使得在輸電網(wǎng)中常用的潮流算法在進(jìn)行配 電網(wǎng)的潮流計(jì)算時(shí)收斂性難以保證。
[0003] 智能配電網(wǎng)的主要特征為具有完備的自愈功能，需要盡量減少電網(wǎng)故障對用戶的 影響，同時(shí)保障配電網(wǎng)的經(jīng)濟(jì)運(yùn)行。在配電網(wǎng)發(fā)生故障后，通過調(diào)整分段開關(guān)和聯(lián)絡(luò)開關(guān)的 狀態(tài)，改變配電網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)，達(dá)到配電網(wǎng)自愈恢復(fù)和優(yōu)化運(yùn)行的目的。配電網(wǎng)自愈恢復(fù)重 構(gòu)問題是一個(gè)多目標(biāo)、多維數(shù)、多約束、多時(shí)段非線性的組合優(yōu)化問題。采用快速有效的方 法進(jìn)行故障后配電網(wǎng)的電網(wǎng)重構(gòu)是智能配電網(wǎng)自愈恢復(fù)控制的關(guān)鍵問題。
[0004]目前配電網(wǎng)自愈恢復(fù)重構(gòu)的方法眾多，基本可以分為四類：數(shù)學(xué)解析方法、最優(yōu) 流模式算法、支路交換法和人工智能算法。數(shù)學(xué)解析方法進(jìn)行的是貪婪式的搜索，非常耗 時(shí)，且該方法在應(yīng)用時(shí)把配電網(wǎng)問題當(dāng)成純數(shù)學(xué)問題來進(jìn)行處理，沒有考慮配電網(wǎng)重構(gòu)過 程中的實(shí)際問題需要。最優(yōu)流模式算法時(shí)間隨著網(wǎng)絡(luò)規(guī)模增大，且各環(huán)之間在求解最優(yōu)流 模式時(shí)會互相影響，開關(guān)的順序會影響結(jié)果，多次配網(wǎng)潮流計(jì)算才能確定一個(gè)待定開關(guān)的 狀態(tài)，計(jì)算效率從而大大降低。支路交換法在降低網(wǎng)損的過程中，不保證重構(gòu)方案達(dá)到最優(yōu) 或者近似最優(yōu)，缺乏數(shù)學(xué)意義上的全局最優(yōu)性，易收斂于局部最優(yōu)解。人工智能算法中的參 數(shù)難以確定，且尋找時(shí)間長。
[0005] 量子遺傳算法是一種量子計(jì)算與遺傳算法相結(jié)合的方法。量子計(jì)算利用量子疊加 性、糾纏性和相干性實(shí)現(xiàn)量子的并行計(jì)算。基于量子比特和量子態(tài)登加特性的量子遺傳算 法（QuantumGeneticAlgorithm，QGA)。QGA用量子位編碼來表示染色體，用量子門作用和 量子門更新來完成進(jìn)化搜索，從而實(shí)現(xiàn)了目標(biāo)的優(yōu)化求解。與傳統(tǒng)的遺傳算法相比，動態(tài)調(diào) 整旋轉(zhuǎn)角機(jī)制的量子遺傳算法能夠在較小的種群規(guī)模下，快速地收斂到全局最優(yōu)解，具有 全局尋優(yōu)能力強(qiáng)的特點(diǎn)。量子遺傳算法在多目標(biāo)智能配電網(wǎng)自愈恢復(fù)方面的應(yīng)用還是一片 空白。

【發(fā)明內(nèi)容】

[0006] 為了解決上述技術(shù)問題，本發(fā)明提供了一種基于量子遺傳算法的多目標(biāo)智能配電 網(wǎng)自愈恢復(fù)方法。
[0007] 為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：
[0008] 基于量子遺傳算法的多目標(biāo)智能配電網(wǎng)自愈恢復(fù)方法，包括以下步驟，
[0009] 步驟一，初始化；
[0010] 確定故障前的開關(guān)組合以及故障開關(guān)線路；
[0011] 確定種群大小n、量子位的數(shù)目m以及進(jìn)化代數(shù)gs，在配電網(wǎng)自愈恢復(fù)中，m代表 開關(guān)個(gè)數(shù)，即支路條數(shù)，η代表重構(gòu)方案個(gè)數(shù)，包含η個(gè)個(gè)體的種群Q= {qi，qi，…，qn}，其中 q_j為種群中的第j個(gè)個(gè)體，j= 1，2,…，η; _ 1 1
[0012] 第i個(gè)量子位是|0>的概率幅咚第i個(gè)量子位是|1>的概率幅爲(wèi)=$:， 表示在初始搜索時(shí)所有狀態(tài)以相同的概率進(jìn)行疊加；
[0013] 步驟二，定義進(jìn)化代數(shù)t= 1 ;
[0014] 步驟三，量子對塌；
[0015] 由種群Q(t)量子坍塌生成p(t)，即對Q(t)進(jìn)行一次觀測，以獲得一組確定的解
[0016] 其中，$ ，$即第t代第j個(gè)染色體的觀測值，共有m個(gè)量 子位，是一個(gè)長度為m的二進(jìn)制串；；
[0017] 步驟四，修改P(t)，使其滿足故障位為0以及無孤島的要求；
[0018] 步驟五，采用節(jié)點(diǎn)分層前推回代法進(jìn)行潮流計(jì)算，計(jì)算本代每一組的網(wǎng)損值，并保 存滿足約束條件的網(wǎng)損值；
[0019] 步驟六，以配電網(wǎng)網(wǎng)損和開關(guān)動作次數(shù)作為目標(biāo)，構(gòu)造多目標(biāo)綜合的適應(yīng)度函數(shù) FZ，對種群的所有個(gè)體進(jìn)行適應(yīng)值評價(jià)，并保存本代中FZ最小的重構(gòu)方案；
[0020] 步驟七，根據(jù)FZ的值，利用量子門更新種群；
[0021] 更新過程為：
[0022]
[0023] 其中，< 為第t代種群中的第j個(gè)個(gè)體，ff為第t+Ι代種群中的第j個(gè)個(gè)體，G(t) 為第t代的量子門，
[0024]
[0025] 其中，Θ為量子門的旋轉(zhuǎn)角，θ=ΔθXs(ai，β》，ΔΘ為與算法收斂速度有 關(guān)的系數(shù)，s(αβJ為量子旋轉(zhuǎn)的方向函數(shù)；
[0026] 步驟八，t=t+Ι;
[0027] 步驟九，判斷t<gs是否成立，如果是，則轉(zhuǎn)至步驟三，如果不是，則結(jié)束。
[0028] 觀測過程為，產(chǎn)生一個(gè)0~1之間的隨機(jī)數(shù)r，若<r，則取否則取 X,· = 0 ; 是第t代第j個(gè)染色體中第i個(gè)量子位觀測值為0的概率。。
[0029] 采用節(jié)點(diǎn)分層前推回代法進(jìn)行潮流計(jì)算的過程為，
[0030] 已知配電網(wǎng)的首端節(jié)點(diǎn)電壓和末端節(jié)點(diǎn)功率，以支路為計(jì)算單位；開始設(shè)定所有 節(jié)點(diǎn)電壓都為額定電壓，根據(jù)節(jié)點(diǎn)功率由末節(jié)點(diǎn)向首節(jié)點(diǎn)向后逐段推算，計(jì)算各支路的電 壓損耗和各個(gè)支路上的電流值，然后回代得到的第一個(gè)節(jié)點(diǎn)的功率，這是回代過程；再根據(jù) 首節(jié)點(diǎn)電壓、首節(jié)點(diǎn)功率以及各支路上的電壓損耗，由首節(jié)點(diǎn)向末節(jié)點(diǎn)逐段前推得到各節(jié) 點(diǎn)電壓值，這是前推過程；如此反復(fù)計(jì)算，計(jì)算一次迭代次數(shù)加一次，直到各個(gè)節(jié)點(diǎn)的電壓 偏差在允許范圍內(nèi)為止。
[0031] 孤島判斷可以借助潮流計(jì)算中的節(jié)點(diǎn)遍歷實(shí)現(xiàn)；潮流計(jì)算后，電壓值為初始電壓 的總的節(jié)點(diǎn)個(gè)數(shù)等于根節(jié)點(diǎn)數(shù)是重構(gòu)后網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)無孤島的充要條件。
[0032] 約束條件為，
[0033] 潮流計(jì)算約束：每當(dāng)結(jié)構(gòu)變化后的功率和電壓都要滿足潮流計(jì)算；
[0034]線路容量約束：Sk<s_;
[0035]節(jié)點(diǎn)電壓約束KVVΜΧ;
[0036] 網(wǎng)絡(luò)拓?fù)浼s束：重構(gòu)后配電網(wǎng)還是樹狀結(jié)構(gòu)，不允許有環(huán)網(wǎng)絡(luò)的產(chǎn)生；
[0037] 其中，&和s_分別為支路k流過功率的計(jì)算值和線路容量的最大允許值，V_和 乂_分別為節(jié)點(diǎn)電壓的下限值和上限值。
[0038] 多目標(biāo)綜合的適應(yīng)度函數(shù)FZ為，
[0039]FZ=KXsXf
[0040] 其中，K為權(quán)重因子，s為重構(gòu)方案中的開關(guān)動作次數(shù)，f為重構(gòu)方案中的網(wǎng)損值。
[0041] 本發(fā)明所達(dá)到的有益效果：本發(fā)明采用節(jié)點(diǎn)分層的前推回代法進(jìn)行潮流計(jì)算，采 用量子遺傳算法進(jìn)行配電網(wǎng)多目標(biāo)的自愈恢復(fù)重構(gòu)，具有實(shí)用價(jià)值；量子遺傳算法采用了 量子比特編碼染色體和量子旋轉(zhuǎn)門實(shí)現(xiàn)染色體的調(diào)整，使得在較小的種群規(guī)模下，快速收 斂到全局最優(yōu)解；重構(gòu)中的孤島判斷借助潮流計(jì)算，降低不可行解的維數(shù)；以配電網(wǎng)網(wǎng)損 和開關(guān)動作次數(shù)作為重構(gòu)目標(biāo)，實(shí)現(xiàn)多目標(biāo)的綜合優(yōu)化。
【附圖說明】
[0042] 圖1為本發(fā)明的流程圖。
[0043] 圖2為IEEE三饋線16節(jié)點(diǎn)輻射狀網(wǎng)絡(luò)圖
[0044] 圖3為5號線路故障后最優(yōu)自愈恢復(fù)重構(gòu)網(wǎng)絡(luò)結(jié)構(gòu)圖
【具體實(shí)施方式】
[0045] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明 的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。
[0046] 量子遺傳算法是一種基于量子計(jì)算原理的概率優(yōu)化算法，它使用一種新穎的基于 量子比特的編碼方式，即用一對復(fù)數(shù)來定義一個(gè)量子比特位。量子比特又稱為量子位，是量 子遺傳算法中最小的信息存儲單元，一個(gè)量子位不僅可以表示〇和1兩種狀態(tài)，而且可以表 示這兩種狀態(tài)之間的任意疊加態(tài)，即一個(gè)量子位可能處于|〇>或|1>，或者兩者之間的中間 態(tài)，S卩I〇>和11>的不同疊加態(tài)，量子位的狀態(tài)表示如下：
[0047]
[0048] 其中，|.供>_為量子位的狀態(tài)，α和β分別量子位是I〇>和I1>的概率幅，且滿足歸 一化條件：
[0049] |α; 12+ |β; 12= 1(i= 1，2,…，m)
[0050] 其中，Iα; 12表不量子態(tài)的觀測值為〇的概率，Iβ; 12表不量子態(tài)的觀測值為1的 概率，m為量子位的數(shù)目。
[0051] -個(gè)量子位的概率幅記為[α，β]τ，于是m個(gè)量子位的概率幅可表示為：
[0052]
[0053] 設(shè)種群大小為n，其染色體用量子位表示為Q= {q^qD……丄其中^為種群中 的第j個(gè)個(gè)體，j= 1，2, ···，!!，量子邏輯門選用量子門G來進(jìn)行種群的更新，SP:
[0054]
[0055] 其中，Θ為量子門的旋轉(zhuǎn)角，取值為：
[0056] Θ =A0Xs(ai, β;)
[0057] 其中，s( α β)為量子旋轉(zhuǎn)的方向函數(shù)，Δ Θ為與算法收斂速度有關(guān)的系數(shù)。
[0058] 量子門過程為：
[0059]
[0060] 其中，t為進(jìn)化代數(shù)，為第t代種群中的第j個(gè)個(gè)體，<+1為第t+Ι代種群中的 第j個(gè)個(gè)體，G(t)為第t代的量子門。
[0061] 量子遺傳算法將概率幅表示應(yīng)用于染色體的編碼，比傳統(tǒng)的遺傳算法更具并行性 與多樣性；而用量子門更新來完成進(jìn)化搜索，可實(shí)現(xiàn)任意疊加態(tài)之間的轉(zhuǎn)換，能更好地保持 種群多樣性，搜索效率更高。
[0062] 設(shè)計(jì)量子門的更新的查詢表如表一所示：
[0063] 表一量子門的查詢表
[0064]
[0065]
[0066] 表一的設(shè)計(jì)思路如下：量子門要保證算法快速收斂到具有更優(yōu)適應(yīng)度的染色 體，如：當(dāng)前染色體的第i位Xi= 0,群體中最優(yōu)個(gè)體相應(yīng)位為b;= 1，若適應(yīng)度函數(shù) f(Xl) 時(shí)，為收斂到更優(yōu)適應(yīng)度的染色體，則需要增大取1的概率，即減小| 〇1|2值， 增大值|β」2。此時(shí)如果在第一、三象限，那么Θ向逆時(shí)針旋轉(zhuǎn)；如果 在第二、四象限，那么Θ向順時(shí)針旋轉(zhuǎn)。同理可以分析出表一其他條件下旋轉(zhuǎn)角的取值。
[0067] 如圖1所示，基于量子遺傳算法的多目標(biāo)智能配電網(wǎng)自愈恢復(fù)方法，包括以下步 驟：
[0068] 步驟一，初始化；
[0069] 確定故障前的開關(guān)組合以及故障開關(guān)線路；
[0070] 確定種群大小η、量子位的數(shù)