CN108063452A - 基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法 - Google Patents

Abstract

本发明提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法及装置，其中方法包括：S1、初始化配电网结构；S2、根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；S3、基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；S4、利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。本发明对配电网区域进行结构初始化，形成所需处理信息数据，并对数据进行预处理构建孤岛划分模型，采用自适应混沌果蝇优化算法进行寻优得到配电网最优孤岛划分方案，其中，自适应混沌果蝇优化算法具有全局收敛能力强，寻优精度高等优点，解决了寻找复杂配电网的最优孤岛划分问题。

Description

基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法

技术领域

本发明涉及电力系统技术领域，尤其涉及一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法及装置。

背景技术

随着现代电力系统技术的发展，智能电网的自愈功能建设在其体系构建中起着举足轻重的作用。其中，最优电力孤岛划分即为电网自愈环节的最关键技术之一。在配电网中，因为海量的分布式电源(Distributed Generation，简称DG)的广泛渗透，导致我国各地配电网中含有大量DG系统。当配电网发生故障时，由于DG可以主动发电，此时可以通过切断故障节点处的开关，将配电网与主网断开，形成以DG为供电电源的配电网电力孤岛，以孤岛运行的方式对部分供电等级高的负荷优先供电，此举一举提升了配电网的供电可靠性和充分提高了DG的利用效率。

因此，提出一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法及装置以寻找复杂配电网的最优孤岛划分方案的技术问题是本领域技术人员急需解决的。

发明内容

本发明提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法及装置，解决了寻找复杂配电网的最优孤岛划分问题。

本发明提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，包括：

S1、初始化配电网结构；

S2、根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

S3、基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

S4、利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

作为优选，步骤S1具体包括：

将配电网中与分布式电源连接的节点和分布式电源合并，将配电网中功率值为0的节点与相邻的节点合并，初始化配电网结构。

作为优选，步骤S2中的目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等；

(2)孤岛划分模型中的岛内的负荷与节点连通；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源。

作为优选，约束条件对应的约束公式分别为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG 的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合。

作为优选，步骤S4中的自适应混沌果蝇优化算法具体包括：

a：初始化果蝇群体规模SIZEPOP，果蝇群体位置X_axis，Y_axis，最大迭代数MAXGEN，味道浓度方差阈值δ，混沌遍历次数M和果蝇觅食距离 RANDOMVALUE；

b：定义果蝇个体的位置(X_i，Y_i)：

c：估计果蝇个体位置(X_i，Y_i)与原点之间的距离Dist_i，再计算味道浓度判断值S_i，S_i＝1/Dist_i；

d：将味道浓度判断值S_i代入味道浓度判定函数中，得到果蝇个体位置的味道浓度Smell_i，Smell_i＝Function(S_i)；

e：筛选出果蝇群体中味道浓度最佳的果蝇个体：

[bestSmell bestindex]＝min(Smell_i)；

f：保留最佳味道浓度值bestSmell与对应的X、Y坐标值，此时果蝇群体飞向该位置进行觅食：

g：分别计算该果蝇群体的平均味道浓度Smell_avg和味道浓度方差σ²：

h：若σ²＜δ且M＞0，则将果蝇个体位置(X_i，Y_i)通过Logistic映射混沌技术转化为搜索空间内果蝇个体新位置(X`<sub>i</sub>，Y`_i)，M＝M-1，否则，执行步骤l；

i：计算新位置(X`<sub>i</sub>，Y`_i)与原点之间的距离Dist'_i，再计算味道浓度判定值S'_i，S'_i＝1/Dist′_i；

j：将味道浓度判定值S'_i代入味道浓度判定函数中，得到果蝇个体新位置的味道浓度Smell'_i，Smell'_i＝Function(S'_i)；

k：若Smell'_i＜Smellbest，则Smellbest＝Smell'_i，X_axis＝X'_i，Y_axis＝Y'_i，并返回步骤h进行迭代更新，否则，直接返回步骤h；

l：进入迭代寻优，循环步骤b至步骤k，直至产生最优目标函数或迭代次数等于最大迭代数MAXGEN。

本发明还提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置，包括：

配电网初始化模块，用于初始化配电网结构；

模型构建模块，用于根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

孤岛获取模块，用于基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

寻优模块，用于利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

作为优选，配电网初始化模块包括：

第一节点合并子模块，用于将配电网中与分布式电源连接的节点和所述分布式电源合并；

第二节点合并子模块，用于将配电网中功率值为0的节点与相邻的节点合并；

配电网初始化子模块，用于初始化配电网结构。

作为优选，模型构建模块中的目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等；

(2)孤岛划分模型中的岛内的负荷与节点连通；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源。

作为优选，所述约束条件对应的约束公式分别为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG 的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合。

作为优选，寻优模块中的自适应混沌果蝇优化算法具体包括：

a：初始化果蝇群体规模SIZEPOP，果蝇群体位置X_axis，Y_axis，最大迭代数MAXGEN，味道浓度方差阈值δ，混沌遍历次数M和果蝇觅食距离 RANDOMVALUE；

b：定义果蝇个体的位置(X_i，Y_i)：

c：估计果蝇个体位置(X_i，Y_i)与原点之间的距离Dist_i，再计算味道浓度判断值S_i，S_i＝1/Dist_i；

d：将味道浓度判断值S_i代入味道浓度判定函数中，得到果蝇个体位置的味道浓度Smell_i，Smell_i＝Function(S_i)；

e：筛选出果蝇群体中味道浓度最佳的果蝇个体：

[bestSmell bestindex]＝min(Smell_i)；

f：保留最佳味道浓度值bestSmell与对应的X、Y坐标值，此时果蝇群体飞向该位置进行觅食：

g：分别计算该果蝇群体的平均味道浓度Smell_avg和味道浓度方差σ²：

h：若σ²＜δ且M＞0，则将果蝇个体位置(X_i，Y_i)通过Logistic映射混沌技术转化为搜索空间内果蝇个体新位置(X`<sub>i</sub>，Y`_i)，M＝M-1，否则，执行步骤l；

i：计算新位置(X`<sub>i</sub>，Y`_i)与原点之间的距离Dist'_i，再计算味道浓度判定值S'_i，S'_i＝1/Dist'_i；

j：将味道浓度判定值S'_i代入味道浓度判定函数中，得到果蝇个体新位置的味道浓度Smell'_i，Smell'_i＝Function(S'_i)；

k：若Smell'_i＜Smellbest，则Smellbest＝Smell'_i，X_axis＝X'_i，Y_axis＝Y'_i，并返回步骤h进行迭代更新，否则，直接返回步骤h；

l：进入迭代寻优，循环步骤b至步骤k，直至产生最优目标函数或迭代次数等于最大迭代数MAXGEN。

从以上技术方案可以看出，本发明具有以下优点：

本发明提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，包括：S1、初始化配电网结构；S2、根据所述配电网结构，构建孤岛划分模型，所述孤岛划分模型包括目标函数与约束条件；S3、基于所述孤岛划分模型，获取满足所述目标函数的全部孤岛划分方案；S4、利用自适应混沌果蝇优化算法，在所述全部孤岛划分方案中进行寻优，确定对所述配电网的最优孤岛划分方案。

本发明中，对配电网区域进行结构初始化，形成所需处理信息数据，并对数据进行预处理构建孤岛划分模型，采用自适应混沌果蝇优化算法进行寻优得到配电网最优孤岛划分方案，其中，自适应混沌果蝇优化算法具有全局收敛能力强，寻优精度高等优点，解决了寻找复杂配电网的最优孤岛划分问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的一个实施例的流程示意图；

图2为本发明提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的另一个实施例的流程示意图；

图3为本发明提供的一种自适应混沌果蝇优化算法的一个实施例的流程示意图；

图4为本发明提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置的一个实施例的结构示意图；

图5为本发明提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置的另一个实施例的结构示意图；

图6为本发明提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的一个应用例中的配电网结构图；

图7为本发明提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的一个应用例中的配电网最优孤岛划分得到的仿真结果示意图。

具体实施方式

本发明实施例提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法及装置，解决了寻找复杂配电网的最优孤岛划分问题。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的一个实施例包括：

101、初始化配电网结构；

需要说明的是，针对配电网区域，通过对配电网网络的故障信息进行采集，断开故障节点，形成与主网脱离的配电网区域，并对该配电网区域进行网格结构初始化。

102、根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

需要说明的是，已经进行了网格结构初始化的配电网区域，会形成所需处理信息的数据，对所需处理信息的数据进行预处理，构建孤岛划分模型。

103、基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

需要说明的是，基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案。

104、利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

需要说明的是，利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案，自适应混沌果蝇优化算法具有全局收敛能力强，寻优精度高等优点。

在本实施例中，对配电网区域进行结构初始化，形成所需处理信息数据，并对数据进行预处理构建孤岛划分模型，采用自适应混沌果蝇优化算法进行寻优得到配电网最优孤岛划分方案，其中，自适应混沌果蝇优化算法具有全局收敛能力强，寻优精度高等优点，解决了寻找复杂配电网的最优孤岛划分问题。

以上是一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的一个实施例的描述，下面将对一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的另一个实施例进行描述。

请参阅图2，本发明实施例提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的另一个实施例包括：

201、将配电网中与分布式电源连接的节点和所述分布式电源合并，将配电网中功率值为0的节点与相邻的节点合并，初始化配电网结构；

需要说明的是，初始化配电网结构的原则有两个：第一，将配电网中与分布式电源连接的节点和该分布式电源合并；第二，将配电网中功率值为0 的节点和与其相邻的节点合并。

202、根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

其中，目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG 的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)所述孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合；

203、基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

204、利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案；

请参阅图3中自适应混沌果蝇优化算法的流程图，其中，自适应混沌果蝇优化算法具体包括：

a：初始化果蝇群体规模SIZEPOP，果蝇群体位置X_axis，Y_axis，最大迭代数MAXGEN，味道浓度方差阈值δ，混沌遍历次数M和果蝇觅食距离 RANDOMVALUE；

b：定义果蝇个体的位置(X_i，Y_i)：

c：估计果蝇个体位置(X_i，Y_i)与原点之间的距离Dist_i，再计算味道浓度判断值S_i，S_i＝1/Dist_i；

d：将味道浓度判断值S_i代入味道浓度判定函数中，得到果蝇个体位置的味道浓度Smell_i，Smell_i＝Function(S_i)；

e：筛选出果蝇群体中味道浓度最佳的果蝇个体：

[bestSmell bestindex]＝min(Smell_i)；

f：保留最佳味道浓度值bestSmell与对应的X、Y坐标值，此时果蝇群体飞向该位置进行觅食：

g：分别计算该果蝇群体的平均味道浓度Smell_avg和味道浓度方差σ²：

h：若σ²＜δ且M＞0，则将果蝇个体位置(X_i，Y_i)通过Logistic映射混沌技术转化为搜索空间内果蝇个体新位置(X`<sub>i</sub>，Y`_i)，M＝M-1，否则，执行步骤l；

i：计算新位置(X`<sub>i</sub>，Y`_i)与原点之间的距离Dist'_i，再计算味道浓度判定值S'_i，S'_i＝1/Dist'_i；

j：将味道浓度判定值S'_i代入味道浓度判定函数中，得到果蝇个体新位置的味道浓度Smell'_i，Smell'_i＝Function(S'_i)；

k：若Smell'_i＜Smellbest，则Smellbest＝Smell′_i，X_axis＝X'_i，Y_axis＝Y'_i，并返回步骤h进行迭代更新，否则，直接返回步骤h；

l：进入迭代寻优，循环步骤b至步骤k，直至产生最优目标函数或迭代次数等于最大迭代数MAXGEN。

需要说明的是，本发明实施例采用一维非线性映射模型Logistic映射对果蝇种群进行混沌优化，其公式为：

y(t)＝μy(t-1)(1-y(t-1))；

其中，μ为控制变量，本发明实施例中取μ＝4；

将得到的混沌序列通过以下公式映射到原解空间内：

y(t)＝y_min+(y_max-y_min)·y(t)。

本发明提供了一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的一个应用例为：

步骤1：初始化配电网结构，对相应的配电网节点、负荷以及DG进行编号，得到如图6所示的配电网结构图；

表1、配电网中DG参数

表2、负荷节点类型

表3、配电网潮流信息

步骤2：构造配电网最优孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

其中，目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG 的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)所述孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合；

步骤3：进行仿真的具体参数设置，搜索空间维数为69，设置种群规模为100。算法的终止条件是精度达到要求或者计算达到最大迭代次数200，当节点2发生故障，断开节点2，配电网将与主网断开，配电网最优孤岛划分的仿真结果如图7所示，分析图7可得如下结论：

从图7中可以看出，经本发明实施例提供的最优孤岛划分方法，断开边 20—21、28-29、52-53、21—22、26—27、29—30，一共得到3个孤岛。其中孤岛1包含节点3～20、28、40～52、55～69，DGl、DG7包含于孤岛1中，满足CDG&SDG，孤岛总负荷为2427kW，有功裕量为-27kW，允许减载量为 47.58kW，因此孤岛1可以稳定运行。孤岛2包含节点22～26，其中分布式电源DG2满足CDG&SDG，孤岛总负荷为47.3kW，有功裕量为2.7kW，允许减载量为0.948kW，因此孤岛2亦可稳定运行。孤岛3包含节点30～35， DG3包含于孤岛3中并满足CDG&SDG，孤岛总负荷为39.5kW，有功裕量为0.5kW，允许减载量为0.79kW，所以孤岛3可以稳定运行。综上，通过本发明的最优孤岛划分方法，一共恢复2513.8kW负荷，占总负荷的66.11％，其中恢复的一级负荷恢复率高达89.89％。

以上是本发明实施例提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法的另一个实施例及应用例的说明，以下将对本发明实施例提供的基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置的一个实施例进行说明。

请参阅图4，本发明实施例基于自适应混沌果蝇优化算法的配电网最优孤岛划分系装置的一个实施例，包括：

配电网初始化模块301，用于初始化配电网结构；

模型构建模块302，用于根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

孤岛获取模块303，用于基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

寻优模块304，用于利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

以上是本发明实施例提供的一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分系统的一个实施例的说明，以下将对本发明实施例提供的基于自适应混沌果蝇优化算法的配电网最优孤岛划分系统的另一个实施例进行说明。

请参阅图4，本发明实施例基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置的另一个实施例，包括：

配电网初始化模块401，用于初始化配电网结构；

配电网初始化模块401具体包括：

第一节点合并子模块4011，用于将配电网中的分布式电源和与分布式电源连接的节点合并；

第二节点合并子模块4012，用于将配电网中功率值为0的节点与相邻的节点合并；

配电网初始化子模块4013，用于初始化配电网结构。

模型构建模块402，用于根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

其中，目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG 的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)所述孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合；

孤岛获取模块403，用于基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

寻优模块404，用于利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

其中，自适应混沌果蝇优化算法具体包括：

a：初始化果蝇群体规模SIZEPOP，果蝇群体位置X_axis，Y_axis，最大迭代数MAXGEN，味道浓度方差阈值δ，混沌遍历次数M和果蝇觅食距离 RANDOMVALUE；

b：定义果蝇个体的位置(X_i，Y_i)：

c：估计果蝇个体位置(X_i，Y_i)与原点之间的距离Dist_i，再计算味道浓度判断值S_i，S_i＝1/Dist_i；

d：将味道浓度判断值S_i代入味道浓度判定函数中，得到果蝇个体位置的味道浓度Smell_i，Smell_i＝Function(S_i)；

e：筛选出果蝇群体中味道浓度最佳的果蝇个体：

[bestSmell bestindex]＝min(Smell_i)；

f：保留最佳味道浓度值bestSmell与对应的X、Y坐标值，此时果蝇群体飞向该位置进行觅食：

g：分别计算该果蝇群体的平均味道浓度Smell_avg和味道浓度方差σ²：

h：若σ²＜δ且M＞0，则将果蝇个体位置(X_i，Y_i)通过Logistic映射混沌技术转化为搜索空间内果蝇个体新位置(X`<sub>i</sub>，Y`_i)，M＝M-1，否则，执行步骤l；

i：计算新位置(X`<sub>i</sub>，Y`_i)与原点之间的距离Dist'_i，再计算味道浓度判定值S'_i，S'_i＝1/Dist'_i；

j：将味道浓度判定值S'_i代入味道浓度判定函数中，得到果蝇个体新位置的味道浓度Smell'_i，Smell'_i＝Function(S'_i)；

k：若Smell'_i＜Smellbest，则Smellbest＝Smell'_i，X_axis＝X'_i，Y_axis＝Y'_i，并返回步骤h进行迭代更新，否则，直接返回步骤h；

l：进入迭代寻优，循环步骤b至步骤k，直至产生最优目标函数或迭代次数等于最大迭代数MAXGEN。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，其特征在于，包括：

S1、初始化配电网结构；

S2、根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

S3、基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

S4、利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

2.根据权利要求1所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，其特征在于，步骤S1具体包括：

将配电网中分布式电源连接的节点和所述分布式电源合并，将配电网中功率值为0的节点与相邻的节点合并，初始化配电网结构。

3.根据权利要求2所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，其特征在于，步骤S2中的目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

所述约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等；

(2)孤岛划分模型中的岛内的负荷与节点连通；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源。

4.根据权利要求3所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，其特征在于，约束条件对应的约束公式分别为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合。

5.根据权利要求4所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法，其特征在于，步骤S4中的自适应混沌果蝇优化算法具体包括：

a：初始化果蝇群体规模SIZEPOP，果蝇群体位置X_axis，Y_axis，最大迭代数MAXGEN，味道浓度方差阈值δ，混沌遍历次数M和果蝇觅食距离RANDOMVALUE；

b：定义果蝇个体的位置(X_i，Y_i)：

c：估计果蝇个体位置(X_i，Y_i)与原点之间的距离Dist_i，再计算味道浓度判断值S_i，S_i＝1/Dist_i；

d：将味道浓度判断值S_i代入味道浓度判定函数中，得到果蝇个体位置的味道浓度Smell_i，Smell_i＝Function(S_i)；

e：筛选出果蝇群体中味道浓度最佳的果蝇个体：

[bestSmell bestindex]＝min(Smell_i)；

f：保留最佳味道浓度值bestSmell与对应的X、Y坐标值，此时果蝇群体飞向该位置进行觅食：

g：分别计算该果蝇群体的平均味道浓度Smell_avg和味道浓度方差σ²：

h：若σ²＜δ且M＞0，则将果蝇个体位置(X_i，Y_i)通过Logistic映射混沌技术转化为搜索空间内果蝇个体新位置(X_i`，Y<sub>i</sub>`)，M＝M-1，否则，执行步骤l；

i：计算新位置(X_i`，Y<sub>i</sub>`)与原点之间的距离Dist_i'，再计算味道浓度判定值S_i'，S_i'＝1/Dist_i'；

j：将味道浓度判定值S_i'代入味道浓度判定函数中，得到果蝇个体新位置的味道浓度Smell_i'，Smell_i'＝Function(S_i')；

k：若Smell_i'＜Smellbest，则Smellbest＝Smell_i'，X_axis＝X_i'，Y_axis＝Y_i'，并返回步骤h进行迭代更新，否则，直接返回步骤h；

l：进入迭代寻优，循环步骤b至步骤k，直至产生最优目标函数或迭代次数等于最大迭代数MAXGEN。

6.一种基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置，其特征在于，包括：

配电网初始化模块，用于初始化配电网结构；

模型构建模块，用于根据配电网结构，构建孤岛划分模型，孤岛划分模型包括目标函数与约束条件；

孤岛获取模块，用于基于孤岛划分模型，获取满足目标函数的全部孤岛划分方案；

寻优模块，用于利用自适应混沌果蝇优化算法，在全部孤岛划分方案中进行寻优，确定对配电网的最优孤岛划分方案。

7.根据权利要求6所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置，其特征在于，配电网初始化模块包括：

第一节点合并子模块，用于将配电网中与分布式电源连接的节点和所述分布式电源合并；

第二节点合并子模块，用于将配电网中功率值为0的节点与相邻的节点合并；

配电网初始化子模块，用于初始化配电网结构。

8.根据权利要求7所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置，其特征在于，模型构建模块中的目标函数为：

其中， 为第i节点上的负荷功率值，C_n为节点总数；

约束条件为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等；

(2)孤岛划分模型中的岛内的负荷与节点连通；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源。

9.根据权利要求8所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置，其特征在于，约束条件对应的约束公式分别为：

(1)孤岛划分模型中岛内的分布式电源的输出功率与负荷的消耗功率相等：

其中，P_Gk为第K个DG的功率出力上限，N_G为DG的数量，为第i节点上的负荷功率值，N_L为孤岛内负荷节点的数量；

(2)孤岛划分模型中的岛内的负荷与节点连通：

使

使

使

其中， G表示DG的集合，I表示节点集合；

(3)孤岛划分模型中的每一个孤岛内必须存在既具有稳定功率输出，又能够与调度中心进行通信的分布式电源：

其中，G_p为既具有稳定功率输出，又能够与调度中心进行通信的分布式电源DG的集合。

10.根据权利要求9所述的基于自适应混沌果蝇优化算法的配电网最优孤岛划分装置，其特征在于，寻优模块中的自适应混沌果蝇优化算法具体包括：

a：初始化果蝇群体规模SIZEPOP，果蝇群体位置X_axis，Y_axis，最大迭代数MAXGEN，味道浓度方差阈值δ，混沌遍历次数M和果蝇觅食距离RANDOMVALUE；

b：定义果蝇个体的位置(X_i，Y_i)：

c：估计果蝇个体位置(X_i，Y_i)与原点之间的距离Dist_i，再计算味道浓度判断值S_i，S_i＝1/Dist_i；

d：将味道浓度判断值S_i代入味道浓度判定函数中，得到果蝇个体位置的味道浓度Smell_i，Smell_i＝Function(S_i)；

e：筛选出果蝇群体中味道浓度最佳的果蝇个体：

[bestSmell bestindex]＝min(Smell_i)；

f：保留最佳味道浓度值bestSmell与对应的X、Y坐标值，此时果蝇群体飞向该位置进行觅食：

g：分别计算该果蝇群体的平均味道浓度Smell_avg和味道浓度方差σ²：

h：若σ²＜δ且M＞0，则将果蝇个体位置(X_i，Y_i)通过Logistic映射混沌技术转化为搜索空间内果蝇个体新位置(X_i`，Y<sub>i</sub>`)，M＝M-1，否则，执行步骤l；

i：计算新位置(X_i`，Y<sub>i</sub>`)与原点之间的距离Dist_i'，再计算味道浓度判定值S_i'，S_i'＝1/Dist_i'；

j：将味道浓度判定值S_i'代入味道浓度判定函数中，得到果蝇个体新位置的味道浓度Smell_i'，Smell_i'＝Function(S_i')；

k：若Smell_i'＜Smellbest，则Smellbest＝Smell_i'，X_axis＝X_i'，Y_axis＝Y_i'，并返回步骤h进行迭代更新，否则，直接返回步骤h；

l：进入迭代寻优，循环步骤b至步骤k，直至产生最优目标函数或迭代次数等于最大迭代数MAXGEN。