一種基于改進粒子群算法的配網重構方法
【技術領域】
[0001] 本發明涉及一種重構方法，具體涉及一種基于改進粒子群算法的配網重構方法。
【背景技術】
[0002] 配電網絡重構又稱配電網絡組態，或配電網絡饋線組態、配電網絡饋線重構。配 電網絡重構就是通過改變分段開關、聯絡開關的組合狀態，以改變網絡的拓撲結構和用戶 的供電路徑。傳統的配電網重構目的主要有降低網損、消除過載、平衡負荷、提高電壓質量 等。
[0003] 粒子群算法，也稱粒子群優化算法（Particle Swarm Optimization)，縮寫為 PS0,是近年來發展起來的一種新的進化算法（Evolutionary Algorithm-EA)。PSO算法屬 于進化算法的一種，和模擬退火算法相似，它也是從隨機解出發，通過迭代尋找最優解，它 也是通過適應度來評價解的品質，但它比遺傳算法規則更為簡單，它沒有遺傳算法的"交 叉"（Crossover)和"變異"（Mutation)操作，它通過追隨當前搜索到的最優值來尋找全局 最優。這種算法以其實現容易、精度高、收斂快等優點引起了學術界的重視，并且在解決實 際問題中展示了其優越性。粒子群算法是一種并行算法。
【發明內容】
[0004] 本發明提供一種基于改進粒子群算法的配網重構方法，在滿足配電網各種運行約 束條件的前提下，通過網絡重構減小系統網損；從而提高了計算效率和尋優能力，快速有效 地獲取系統最優結構。
[0005] 本發明的目的是采用下述技術方案實現的：
[0006] -種基于改進粒子群算法的配網重構方法，所述方法包括：
[0007] (1)建立以網損最小化為目標的配電網重構模型；
[0008] (2)構建場景庫，用于存放粒子；所述場景庫中的每個粒子對應一個配電網重構 豐旲型；
[0009] (3)隨機生成粒子群，采用編碼方式對各粒子進行定位；
[0010] (4)計算各粒子的適應度，更新各粒子的位置和速度；
[0011] (5)優化場景庫；若達到結束條件則更新結束，否則返回步驟（4)。
[0012] 優選的，所述步驟（1)中，以網損最小化為目標的配電網重構模型為：
CN 105117517 A 說明書 2/5 頁
[0022] 其中，式⑴為優化目標，式⑵和式⑶為潮流約束；式⑷為節點電壓約束；式 (5)為線路電流約束；式（6)和式（7)共同構成網絡的輻射型約束；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分別為節點i處配網注入的有功功率，分布式電源注入有功功率和負荷有功 功率，奪和4分別為節點i處配網注入的無功功率、分布式電源注入無功功率和負 荷無功功率；Viniin和Viniax分別為節點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經過的電流，Ik _為支路k電流上限；Nbus為網絡節點數，N linJ%網絡支路數;A為 網絡的鄰接矩陣，E為Nbus階單位矩陣。
[0023] 優選的，所述步驟（3)中采用編碼方式對各粒子進行定位包括；閉合所有聯絡線 開關，獲取與聯絡線開關數量相等的最小環，每個最小環對應編碼的一個維度；并對每個最 小環內的開關進行編號；所述編號為配網重構的可行解對應的編碼在該維度上的數值；
[0024] 若隨機生成的粒子群不滿足約束條件，則重新生成。
[0025] 優選的，所述步驟（4)中的粒子適用度為該粒子對應的網絡結構中網損的相反 數；適用度越大則粒子越優。
[0026] 優選的，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為慣性權重，cor為場景庫中適用度對于粒子各維度的皮爾 森相關系數，present為當前粒子的位置，pbest為個體粒子最優值，gbest為粒子群的全局 最優值；rand為介于（0, 1)之間的隨機數；cl、c2和c3皆為學習因子。
[0030] 進一步地，所述皮爾森相關系數表達式如下式所示：
[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度構 成的函數向量，L為所有粒子位置在各個維度上的值構成的向量；
[0033] 粒子更新過程中，若出現不滿足約束條件（2)-(7)的粒子，則根據式（8)和式（9) 重新生成該粒子的速度和位置。
[0034] 優選的，所述步驟（5)中優化場景庫包括，若所述各粒子的當前位置在場景庫中 沒有出現，則將該粒子當前位置以及相應適應度添加至場景庫；
[0035] 將各粒子的適應度與該粒子的歷史最優值作比較，若優于歷史最優值，則將其作 為個體最優值；
[0036] 將各粒子的個體最優值與全局最優值進行比較，若優于全局最優值，則更新全局 最優值，包括位置和速度。
[0037] 與現有技術相比，本發明達到的有益效果是：
[0038] 現有粒子群算法為一種基于群體迭代的優化算法，在運算過程中，會產生大量場 景和計算結果，其中絕大部分場景為中間過程，之后不再被利用，從而造成信息和計算的浪 費。而本發明提供方法集合了歷史計算中出現的所有場景構建場景庫，運用大數據和統計 學的思想指導粒子進化，提高了計算的利用度，減小計算總量，從而有效提高了工作效率。
[0039] 在滿足配電網各種運行約束條件的前提下，通過網絡重構減小系統網損；從而提 高了計算效率和尋優能力，快速有效地獲取系統最優結構。
【附圖說明】
[0040] 圖1為本發明提供的基于改進粒子群算法的配網重構方法流程圖；
[0041] 圖2為本發明實施例的IEEE 33節點配網結構示意圖；
[0042] 圖3為本發明提供的迭代次數達到100次的最優網絡結構示意圖；
[0043] 圖4為本發明提供的重構前后收斂曲線的對比圖。
【具體實施方式】
[0044] 下面結合附圖對本發明的【具體實施方式】做進一步的詳細說明。
[0045] 如圖1所示，一種基于改進粒子群算法的配網重構方法，所述方法包括：
[0046] (1)建立以網損最小化為目標的配電網重構模型；
[0047] 所述步驟⑴中，以網損最小化為目標的配電網重構模型為：
CN 105117517 A 說明書 4/5 頁
[0057] 其中，式⑴為優化目標，式⑵和式⑶為潮流約束；式⑷為節點電壓約束；式 (5)為線路電流約束；式（6)和式（7)共同構成網絡的輻射型約束；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和片分別為節點i處配網注入的有功功率，分布式電源注入有功功率和負荷有功 功率，切《'^和試分別為節點i處配網注入的無功功率、分布式電源注入無功功率和負 荷無功功率；Viniin和Viniax分別為節點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經過的電流，Ik _為支路k電流上限；Nbus為網絡節點數，N linJ%網絡支路數;A為 網絡的鄰接矩陣，E為Nbus階單位矩陣。
[0058] (2)構建場景庫，用于存放粒子；所述場景庫中的每個粒子對應一個配電網重構 豐旲型；
[0059] (3)隨機生成粒子群，采用編碼方式對各粒子進行定位；所述步驟（3)中采用編碼 方式對各粒子進行定位包括；閉合所有聯絡線開關，獲取與聯絡線開關數量相等的最小環， 每個最小環對應編碼的一個維度；