CN109038575A - 基于改进物种生灭算法的含分布式电源配电网重构方法 - Google Patents

基于改进物种生灭算法的含分布式电源配电网重构方法 Download PDF

Info

Publication number
CN109038575A
CN109038575A CN201811031123.6A CN201811031123A CN109038575A CN 109038575 A CN109038575 A CN 109038575A CN 201811031123 A CN201811031123 A CN 201811031123A CN 109038575 A CN109038575 A CN 109038575A
Authority
CN
China
Prior art keywords
species
power distribution
distribution network
network
new
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811031123.6A
Other languages
English (en)
Other versions
CN109038575B (zh
Inventor
王安娜
李英俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201811031123.6A priority Critical patent/CN109038575B/zh
Publication of CN109038575A publication Critical patent/CN109038575A/zh
Application granted granted Critical
Publication of CN109038575B publication Critical patent/CN109038575B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种基于改进物种生灭算法的含分布式电源配电网重构方法，涉及配电网重构技术领域。该方法首先对配电网网络参数及改进物种生灭算法参数进行初始化，并将所有幸存物种作为初始主支物种；然后对幸存物种进行一次物种大爆发操作，衍生出新物种，并通过配电网网络辐射判断处理不满足辐射条件的新物种；对原幸存物种和所有新物种进行一次物种大灭绝操作，完成一次生灭周期；最后进行多个生灭周期，直至达到最大生命周期，得到最优解。本发明提供的基于改进物种生灭算法的含分布式电源配电网重构方法，将改进的生物生灭算法应用于含分布式电源的配电网重构中，具有良好的优化性能，进而可取得较好的重构结果。

Description

基于改进物种生灭算法的含分布式电源配电网重构方法
技术领域
本发明涉及配电网重构技术领域，尤其涉及一种基于改进物种生灭算法的含分布式电源配电网重构方法。
背景技术
从数学的角度看，配电网重构是指在满足配电网拓扑结构为辐射状等约束条件下，通过网络中开关的组合，得到配电网最优网络拓扑结构，使整个系统的功率损耗、节点电压偏差、负荷均衡率等一个或者多个目标达到最优。几十年来国内外学者尝试了多种算法，希望能够更加快速、准确地解决这一优化问题。其中人工智能算法发展迅速，应用较广。然而，几乎所有的群智能优化算法不可避免地会发生早熟收敛、容易陷入局部最优解等问题。现有的物种生灭算法从引入新物种的角度出发，通过物种大爆发和大灭绝操作来实现优化，克服了已有群智能算法在路径搜索中存在易于陷入局部极值，寻优精度不高等缺点。但是，这一物种生灭算法存在一些问题，包括在大灭绝操作中没有考虑原幸存物种；收缩系数为常值，不能随迭代过程变化而相应变化。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于改进物种生灭算法的含分布式电源配电网重构方法，实现配电网重构。
基于改进物种生灭算法的含分布式电源配电网重构方法，包括以下步骤；
步骤1、对配电网网络参数及改进物种生灭算法参数进行初始化；
步骤1.1、初始化配电网网络参数；
所述配电网网络参数包括支路阻抗参数和负荷参数；所述配电网采用IEEE33节点配电系统；
步骤1.2、初始化改进物种生灭算法参数；
a、设元生代物种的规模为N，每一个元生代物种的性状表示为S(s1、s2、…、sD)，D为元生代物种性状的维数，一种物种性状对应一种配电网网络拓扑结构；其中，s1、s2、…、sD为欲寻优的变量，代表配电网网络断开开关编号；
b、在上一次生灭周期中幸存下的物种为幸存物种，设所有元生代物种为最初的幸存物种；
c、物种的繁衍代数为生代数，用G表示；
d、物种的衍生能力变化范围为[Cmin，Cmax]；
e、收缩系数变化范围为[ηmin，ηmax]；
f、初始化物种的生灭周期t＝1，最大生灭周期为T；
所述生灭周期为物种完成大爆发和大灭绝的次数；一个生灭周期即一次物种大爆发和一次物种大灭绝，也就是一次迭代；
步骤1.3、初始化配电网中分布式电源接入位置与容量；
步骤2、将所有幸存物种作为初始主支物种；
步骤3、对幸存物种进行一次物种大爆发操作，衍生出新物种，具体方法为：
步骤3.1、每一个主支物种在其衍生能力范围之内按公式(1)随机衍生一个新的物种，得到N个衍生新物种；
S′i＝round(Si+r×Ci) (1)
其中，Si为第i个主支物种，S′i为第i个主支物种Si衍生的新物种，r为与Si同维且元素值∈(-1，1)的随机向量，Ci为第i个主支物种的衍生能力，round为取整函数；
步骤3.2、对衍生的新物种进行随机交叉变异操作：从N个衍生新物种中随机选择两个物种进行交叉变异，若N为偶数，反复进行N/2次随机交叉变异操作，若N为奇数，反复进行(N+1)/2次随机交叉变异操作；
步骤3.2.1、对衍生的新物种进行多点交叉操作；
从N个衍生新物种中随机选择两个物种Se和Sd，e和d为[1，N]之间的整数；随机产生一个[1，D]之间的整数n；再随机产生一个数值在(0，1)之间的随机数r1，当随机数r1小于设置的交叉率时，将Se和Sd的第n位及之后的寻优变量进行交换，得到交叉操作后的新物种Se′和Sd′；
步骤3.2.2、对交叉操作后的新物种进行单点变异操作；
随机产生一个[1，D]之间的整数m；再随机产生一个数值在(0，1)之间的随机数r2，当随机数r2小于设置的变异率时，将Se′和Sd′的第m位分别乘以数值在(0，1)之间的随机数r3和r4，得到新物种；
步骤3.3、新物种的生代数在衍生出它的物种的生代数的基础上加1，并根据式(2)获得新的衍生能力；
其中，C′i为新物种的衍生能力；Cmax为物种衍生能力的最大值；G为衍生出新物种的物种的生代数；
步骤4、通过配电网网络辐射判断处理不满足辐射条件的新物种；
步骤4.1、读取配电网网络支路参数；
步骤4.2、判断配电网网络中是否出现单个节点的孤岛情况，即判断各组开关中是否存在组中断开的开关数大于1的组，若存在，则执行步骤4.8，判断结果为该配电网为非辐射状配电网网络，否则执行步骤4.3；
步骤4.3、形成配电网网络的邻接矩阵；
步骤4.4、计算配电网网络的可达矩阵P；
步骤4.5、判断计算的可达矩阵P非对角元素是否全为1，如全为1则执行步骤4.6，否则，执行步骤4.8，判断结果为该配电网为非辐射状配电网网络；
步骤4.6、判断该配电网网络中闭合支路数是否等于节点数减1，如果相等，则执行步骤4.7，判断结果为该配电网为辐射状配电网网络，否则，执行步骤4.8，判断结果为该配电网为非辐射状配电网网络；
步骤4.7、得到判断结果满足辐射状配电网网络的物种，其适应度按公式(3)计算；
所述满足辐射状配电网网络的物种的适应度f采用如下公式进行计算：
f＝min(a×u1×pfloss′+b×u2×fh′+c×kg′) (3)
其中，f为适应度函数值；pfloss(0)为原始配电网网络有功损耗，pfloss为当前配电网网络有功损耗，L为配电网网络的支路数，Rj为第j个支路的电阻，Pj和Qj分别为第j个支路的有功功率和无功功率，Vj为第j个支路末端节点电压；fh(0)为原始配电网网络负荷均衡率，fh为当前配电网网络负荷均衡率，Ij为第j个支路的电流，Ijmax为第j个支路的最大允许电流；kg(0)为原始配电网网络开关操作次数的最大值，为常值，kg为当前配电网网络开关操作次数，yk和zl分别表示第k个分段开关和第l个联络开关的状态，当yk或zl取1时，表示开关处于闭合状态，当yk或zl取0时，表示开关处于断开状态，g和h分别表示配电网中分段开关的数量和联络开关的数量；a、b、c为权重系数，且a+b+c＝1；u1和u2为惩罚系数，u1根据pfloss′结果的不同取不同的常数值；u2根据fh′结果的不同取不同的常数值；
步骤4.8、得到判断结果为非辐射状配电网网络的物种，赋予其适应度值为无穷大；
步骤5、判断新物种的适应度是否优于当前主支物种的适应度，若优于，则将变异的新物种作为主支物种，否则原主支物种不变；
步骤6、重复执行步骤3-5，直到每一个幸存物种都爆发出W个新物种，则爆发后新物种的总数量将达到W×N；
步骤7、对原幸存物种和所有新物种进行一次物种大灭绝操作，完成一次生灭周期，将生灭周期数t加1，具体方法为：
依据原幸存物种和所有新物种的适应度进行排序，保存适应度最优的N个物种作为新幸存物种，灭绝操作后的物种总数量为N；
步骤8、判断物种的生灭周期数是否达到最大生灭周期T，如果达到，则输出最优解S(s1、s2、…、sD)，否则按以下公式收缩所有幸存物种的衍生能力，重新执行骤2，进行下一次生灭周期；
其中，Cmin为物种的最小衍生能力，η为当前收缩系数；p、q为常数；
步骤9、根据最优解S(s1、s2、…、sD)，把配电网网络中最优解对应的编号为s1、s2、…、sD的开关断开，其他开关闭合，即得到配电网的最优网络拓扑结构。
采用上述技术方案所产生的有益效果在于：本发明提供的基于改进物种生灭算法的含分布式电源配电网重构方法，将现有的物种生灭算法进行改进，在物种大灭绝操作中增加了原幸存物种，可保证优良物种性状的传递；对衍生新物种进行随机交叉变异，可进一步增加物种多样性；将常值收缩系数改为随迭代过程线性递减的收缩系数，可提高收敛速度；以配电网有功损耗、负荷均衡率和开关操作次数作为综合目标函数，可获得综合指标更好的配电网网络拓扑结构。将改进的物种生灭算法应用于含分布式电源的配电网重构中，具有良好的优化性能，进而可取得较好的重构结果。
附图说明
图1为本发明实施例提供的基于改进物种生灭算法的含分布式电源配电网重构方法的流程图；
图2为本发明实施例提供的IEEE 33节点配电网系统的开关连接示意图；
图3为本发明实施例提供的配电网网络辐射判断的流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例以IEEE33节点配电网为例，使用本发明的基于改进物种生灭算法的含分布式电源配电网重构方法对该配电网进行重构，得到该配电网的最优网络拓扑结构。
基于改进物种生灭算法的含分布式电源配电网重构方法，如图1所示，包括以下步骤；
步骤1、对配电网网络参数及改进物种生灭算法参数进行初始化；
步骤1.1、初始化配电网网络参数；
所述配电网网络参数包括支路阻抗参数和负荷参数；所述配电网采用IEEE33节点配电系统；
步骤1.2、初始化改进物种生灭算法参数；
a、设元生代物种的规模为N，每一个元生代物种的性状表示为S(s1、s2、…、sD)，D为元生代物种性状的维数，一种物种性状对应一种配电网网络拓扑结构；其中，s1、s2、…、sD为欲寻优的变量，代表配电网网络断开开关编号；
b、在上一次生灭周期中幸存下的物种为幸存物种，设所有元生代物种为最初的幸存物种；
c、物种的繁衍代数为生代数，用G表示；
d、物种的衍生能力变化范围为[Cmin，Cmax]；
e、收缩系数变化范围为[ηmin，ηmax]；
f、初始化物种的生灭周期t＝1，最大生灭周期为T。
所述生灭周期为物种完成大爆发和大灭绝的次数；一个生灭周期即一次物种大爆发和一次物种大灭绝，也就是一次迭代；
步骤1.3、初始化配电网中分布式电源接入位置与容量；
本实施例中，如图2所示，该IEEE33节点配电网中包括5个联络开关和32个分段开关，其中，联络开关用虚线表示，编号分别为33、34、35、36、37，分段开关用实线表示，编号分别为1-32。将编号为2、3、4、5、6、7、18、19、20、33的开关定义为1号环网，将编号为8、9、10、11、21、33、35的开关定义为2号环网，将编号为3、4、5、22、23、24、25、26、27、28、37的开关定义为3号环网，将编号为6、7、8、15、16、17、25、26、27、28、29、30、31、32、34、36的开关定义为4号环网，将编号为9、10、11、12、13、14、34的开关定义为5号环网。从环网1、环网2、环网3、环网4、环网5中各选择一个开关将其断开，形成辐射状配电网网络拓扑结构。本实施例中，物种的性状表示为S(s1、s2、s3、s4、s5)，其维数D为5，一种物种性状对应一种配电网网络拓扑结构。其中，s1、s2、s3、s4、s5为欲寻优的变量，具体代表配电网网络断开开关编号，分别取自环网1、环网2、环网3、环网4、环网5。配电网原始网络拓扑结构为断开联络开关33、34、35、36、37，其他开关闭合。
本实施例中，元生代物种的规模N＝30，物种的衍生能力变化范围Cmin＝1，Cmax＝10，收缩系数变化范围的ηmin＝0.1，ηmax＝0.5，最大生灭周期T＝50。
在IEEE33节点配电系统中的节点18，25，30，32处接入有功功率分别为100kW，200kW，400kW，200kW，功率因数为0.85的分布式电源。
步骤2、将所有幸存物种作为初始主支物种；
步骤3、对幸存物种进行一次物种大爆发操作，衍生出新物种，具体方法为：
步骤3.1、每一个主支物种在其衍生能力范围之内按公式(1)随机衍生一个新的物种，得到N个衍生新物种；
S′i＝round(Si+r×Ci) (1)
其中，Si为第i个主支物种，S′i为第i个主支物种Si衍生的新物种，r为与Si同维且元素值∈(-1，1)的随机向量，Ci为第i个主支物种的衍生能力，round为取整函数；
步骤3.2、对衍生的新物种进行随机交叉变异操作：从N个衍生新物种中随机选择两个物种进行交叉变异，若N为偶数，反复进行N/2次随机交叉变异操作，若N为奇数，反复进行(N+1)/2次随机交叉变异操作；
步骤3.2.1、对衍生的新物种进行多点交叉操作；
从N个衍生新物种中随机选择两个物种Se和Sd，e和d为[1，N]之间的整数；随机产生一个[1，D]之间的整数n；再随机产生一个数值在(0，1)之间的随机数r1，当随机数r1小于设置的交叉率时，将Se和Sd的第n位及之后的寻优变量进行交换，得到交叉操作后的新物种Se′和Sd′；
步骤3.2.2、对交叉操作后的新物种进行单点变异操作；
随机产生一个[1，D]之间的整数m；再随机产生一个数值在(0，1)之间的随机数r2，当随机数r2小于设置的变异率时，将Se′和Sd′的第m位分别乘以数值在(0，1)之间的随机数r3和r4，得到新物种；
步骤3.3、新物种的生代数在衍生出它的物种的生代数的基础上加1，并根据式(2)获得新的衍生能力；
其中，C′i为新物种的衍生能力；Cmax为物种衍生能力的最大值；G为衍生出新物种的物种的生代数；
步骤4、通过如图3所示的配电网网络辐射判断处理不满足辐射条件的新物种；
步骤4.1、读取配电网网络支路参数；
步骤4.2、判断配电网网络中是否出现单个节点的孤岛情况，即判断各组开关中是否存在组中断开的开关数大于1的组，若存在，则执行步骤4.8，判断结果为该配电网为非辐射状配电网网络，否则执行步骤4.3；
本实施例中，若编号为(18，19，20)，(3，4，5)，(22，23，24，37)，(21，35)，(6，7)，(25，26，27，28)，(9，10，11)，(29，30，31，32，36，15，16，17)，(12，13，24)的各组开关中任何一组开关存在组中断开的开关数大于1的情况，则执行步骤4.8，判断结果为该配电网为非辐射状配电网网络，否则执行步骤4.3；
步骤4.3、形成配电网网络的邻接矩阵；
步骤4.4、计算配电网网络的可达矩阵P；
步骤4.5、判断计算的可达矩阵P非对角元素是否全为1，如全为1则执行步骤4.6，否则，执行步骤4.8，判断结果为该配电网为非辐射状配电网网络；
步骤4.6、判断该配电网网络中闭合支路数是否等于节点数减1，如果相等，则执行步骤4.7，判断结果为该配电网为辐射状配电网网络，否则，执行步骤4.8，判断结果为该配电网为非辐射状配电网网络；
步骤4.7、得到判断结果满足辐射状配电网网络的物种，其适应度按公式(3)计算；
所述满足辐射状配电网网络的物种的适应度f，采用如下公式进行计算：
f＝min(a×u1×pfloss′+b×u2×fh′+c×kg′) (3)
其中，f为适应度函数值；pfloss(0)为原始配电网网络有功损耗，pfloss为当前配电网网络有功损耗，L为配电网网络的支路数，Rj为第j个支路的电阻，Pj和Qj分别为第j个支路的有功和无功功率，Vj为第j个支路末端节点电压；fh(0)为原始配电网网络负荷均衡率，fh为当前配电网网络负荷均衡率，Ij为第j个支路的电流，Ijmax为第j个支路的最大允许电流；kg(0)为原始配电网网络开关操作次数的最大值，为常值，kg为当前配电网网络开关操作次数，yk和zl分别表示第k个分段开关和第l个联络开关的状态，当yk或zl取1时，表示开关处于闭合状态，当yk或zl取0时，表示开关处于断开状态，g和h分别表示配电网中分段开关的数量和联络开关的数量；a、b、c为权重系数，且a+b+c＝1；u1和u2为惩罚系数，u1根据pfloss′结果的不同取不同的常数值；u2根据fh′结果的不同取不同的常数值；
步骤4.8、得到判断结果为非辐射状配电网网络的物种，赋予其适应度值为无穷大。
本实施例中，权重系数a，b，c的取值分别为0.5，0.25，0.25，u1和u2为惩罚系数，u1根据pfloss′结果的不同取不同的常数值，u2根据fh′结果的不同取不同的常数值，原始配电网网络开关操作次数的最大值kg(0)为常值，取值为10。
步骤5、判断新物种的适应度是否优于当前主支物种的适应度，若优于，则将变异的新物种作为主支物种，否则原主支物种不变；
步骤6、重复执行步骤3-5，直到每一个幸存物种都爆发出W个新物种，则爆发后新物种的总数量将达到W×N；
步骤7、对原幸存物种和所有新物种进行一次物种大灭绝操作，完成一次生灭周期，将生灭周期数t加1，具体方法为：
依据原幸存物种和所有新物种的适应度进行排序，保存适应度最优的N个物种作为新幸存物种，灭绝操作后的物种总数量为N；
步骤8、判断物种的生灭周期数是否达到最大生灭周期T，如果达到，则输出最优解S(s1、s2、…、sD)，否则按以下公式收缩所有幸存物种的衍生能力，重新执行骤2，进行下一次生灭周期；
其中，Cmin为物种的最小衍生能力，η为当前收缩系数；p、q均为常数，取值分别为0.5和0.4。
步骤9、根据最优解S(s1、s2、…、sD)，把配电网网络中最优解对应的编号为s1、s2、…、sD的开关断开，其他开关闭合，即得到配电网的最优网络拓扑结构。
本实施例中，得到的优化结果为S(7、34、11、28、36)，即断开编号为7、34、11、28、36的开关，其他开关闭合，得到该IEEE33节点配电网的最优网络拓扑结构。
最后应说明的是：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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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权利要求所限定的范围。

Claims (8)

1.一种基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：包括以下步骤；
步骤1、对配电网网络参数及改进物种生灭算法参数进行初始化；
步骤1.1、初始化配电网网络参数；
步骤1.2、初始化改进物种生灭算法参数；
步骤1.3、初始化配电网中分布式电源接入位置与容量；
步骤2、将所有幸存物种作为初始主支物种；
步骤3、对幸存物种进行一次物种大爆发操作，衍生出新物种；
步骤4、通过配电网网络辐射判断处理不满足辐射条件的新物种；
步骤5、判断新物种的适应度是否优于当前主支物种的适应度，若优于，则将变异的新物种作为主支物种，否则原主支物种不变；
步骤6、重复执行步骤3-5，直到每一个幸存物种都爆发出W个新物种；
步骤7、对原幸存物种和所有新物种进行一次物种大灭绝操作，完成一次生灭周期，将生灭周期数加1；
步骤8、判断物种的生灭周期数是否达到最大生灭周期T，如果达到，则输出最优解，否则，收缩所有幸存物种的衍生能力，重新执行骤2，进行下一次生灭周期；
步骤9、根据最优解，把配电网网络中最优解对应编号的开关断开，其他开关闭合，即得到配电网的最优网络拓扑结构。
2.根据权利要求1所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：步骤1.1所述配电网网络参数包括支路阻抗参数和负荷参数；所述配电网采用IEEE33节点配电系统。
3.根据权利要求1所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：步骤1.2所述改进物种生灭算法参数包括：
a、设元生代物种的规模为N，每一个元生代物种的性状表示为S(s1、s2、…、sD)，D为元生代物种性状的维数，一种物种性状对应一种配电网网络拓扑结构；其中，s1、s2、…、sD为欲寻优的变量，代表配电网网络断开开关编号；
b、在上一次生灭周期中幸存下的物种为幸存物种，设所有元生代物种为最初的幸存物种；
c、物种的繁衍代数为生代数，用G表示；
d、物种的衍生能力变化范围为[Cmin，Cmax]；
e、收缩系数变化范围为[ηmin，ηmax]；
f、初始化物种的生灭周期t＝1，最大生灭周期为T；
所述生灭周期为物种完成大爆发和大灭绝的次数；一个生灭周期即一次物种大爆发和一次物种大灭绝，也就是一次迭代。
4.根据权利要求3所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：所述步骤3的具体方法为：
步骤3.1、每一个主支物种在其衍生能力范围之内按公式(1)随机衍生一个新的物种，得到N个衍生新物种；
S′i＝round(Si+r×Ci) (1)
其中，Si为第i个主支物种，S′i为第i个主支物种Si衍生的新物种，r为与Si同维且元素值∈(-1，1)的随机向量，Ci为第i个主支物种的衍生能力，round为取整函数；
步骤3.2、对衍生的新物种进行随机交叉变异操作：从N个衍生新物种中随机选择两个物种进行交叉变异，若N为偶数，反复进行N/2次随机交叉变异操作，若N为奇数，反复进行(N+1)/2次随机交叉变异操作。
5.根据权利要求4所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：所述步骤3.2的具体方法为：
步骤3.2.1、对衍生的新物种进行多点交叉操作；
从N个衍生新物种中随机选择两个物种Se和Sd，e和d为[1，N]之间的整数；随机产生一个[1，D]之间的整数n；再随机产生一个数值在(0，1)之间的随机数r1，当随机数r1小于设置的交叉率时，将Se和Sd的第n位及之后的寻优变量进行交换，得到交叉操作后的新物种Se′和Sd′；
步骤3.2.2、对交叉操作后的新物种进行单点变异操作；
随机产生一个[1，D]之间的整数m；再随机产生一个数值在(0，1)之间的随机数r2，当随机数r2小于设置的变异率时，将Se′和Sd′的第m位分别乘以数值在(0，1)之间的随机数r3和r4，得到新物种；
步骤3.3、新物种的生代数在衍生出它的物种的生代数的基础上加1，并根据式(2)获得新的衍生能力；
其中，C′i为新物种的衍生能力；Cmax为物种衍生能力的最大值；G为衍生出新物种的物种的生代数。
6.根据权利要求5所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：所述步骤4的具体方法为：
步骤4.1、读取配电网网络支路参数；
步骤4.2、判断配电网网络中是否出现单个节点的孤岛情况，即判断各组开关中是否存在组中断开的开关数大于1的组，若存在，则执行步骤4.8，判断结果为该配电网为非辐射状配电网网络，否则执行步骤4.3；
步骤4.3、形成配电网网络的邻接矩阵；
步骤4.4、计算配电网网络的可达矩阵P；
步骤4.5、判断计算的可达矩阵P非对角元素是否全为1，如全为1则执行步骤4.6，否则，执行步骤4.8，判断结果为该配电网为非辐射状配电网网络；
步骤4.6、判断该配电网网络中闭合支路数是否等于节点数减1，如果相等，则执行步骤4.7，判断结果为该配电网为辐射状配电网网络，否则，执行步骤4.8，判断结果为该配电网为非辐射状配电网网络；
步骤4.7、得到判断结果满足辐射状配电网网络的物种，其适应度按公式(3)计算；
所述满足辐射状配电网网络的物种的适应度f，采用如下公式进行计算：
f＝min(a×u1×pfloss′+b×u2×fh′+c×kg′) (3)
其中，f为适应度函数值；pfloss(0)为原始配电网网络有功损耗，pfloss为当前配电网网络有功损耗，L为配电网网络的支路数，Rj为第j个支路的电阻，Pj和Qj分别为第j个支路的有功和无功功率，Vj为第j个支路末端节点电压；fh(0)为原始配电网网络负荷均衡率，fh为当前配电网网络负荷均衡率，Ij为第j个支路的电流，Ijmax为第j个支路的最大允许电流；kg(0)为原始配电网网络开关操作次数的最大值，为常值，kg为当前配电网网络开关操作次数，yk和zl分别表示第k个分段开关和第l个联络开关的状态，当yk或zl取1时，表示开关处于闭合状态，当yk或zl取0时，表示开关处于断开状态，g和h分别表示配电网中分段开关的数量和联络开关的数量；a、b、c为权重系数，且a+b+c＝1；u1和u2为惩罚系数，u1根据pfloss′结果的不同取不同的常数值；u2根据fh′结果的不同取不同的常数值；
步骤4.8、得到判断结果为非辐射状配电网网络的物种，赋予其适应度值为无穷大。
7.根据权利要求6所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：所述步骤7的具体方法为：依据原幸存物种和所有新物种的适应度进行排序，保存适应度最优的N个物种作为新幸存物种，灭绝操作后的物种总数量为N。
8.根据权利要求7所述的基于改进物种生灭算法的含分布式电源配电网重构方法，其特征在于：步骤8所述收缩所有幸存物种的衍生能力的公式如下所示：
其中，Cmin为物种的最小衍生能力，η为当前收缩系数；p、q均为常数。
CN201811031123.6A 2018-09-05 2018-09-05 基于改进物种生灭算法的含分布式电源配电网重构方法 Expired - Fee Related CN109038575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811031123.6A CN109038575B (zh) 2018-09-05 2018-09-05 基于改进物种生灭算法的含分布式电源配电网重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811031123.6A CN109038575B (zh) 2018-09-05 2018-09-05 基于改进物种生灭算法的含分布式电源配电网重构方法

Publications (2)

Publication Number Publication Date
CN109038575A true CN109038575A (zh) 2018-12-18
CN109038575B CN109038575B (zh) 2021-06-04

Family

ID=64623469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811031123.6A Expired - Fee Related CN109038575B (zh) 2018-09-05 2018-09-05 基于改进物种生灭算法的含分布式电源配电网重构方法

Country Status (1)

Country Link
CN (1) CN109038575B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014012246A1 (zh) * 2012-07-20 2014-01-23 北京大学深圳研究生院 用于分布式网络存储的自修复码的编码、重构和恢复方法
CN104734153A (zh) * 2014-12-18 2015-06-24 国家电网公司 一种含分布式电源的配电网络重构方法
CN105896528A (zh) * 2016-04-21 2016-08-24 国网重庆市电力公司电力科学研究院 基于隔离小生境遗传算法的配电网重构方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014012246A1 (zh) * 2012-07-20 2014-01-23 北京大学深圳研究生院 用于分布式网络存储的自修复码的编码、重构和恢复方法
CN104734153A (zh) * 2014-12-18 2015-06-24 国家电网公司 一种含分布式电源的配电网络重构方法
CN105896528A (zh) * 2016-04-21 2016-08-24 国网重庆市电力公司电力科学研究院 基于隔离小生境遗传算法的配电网重构方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨永健 等: "物种生灭算法", 《系统工程与电子技术》 *
胡雯 等: "基于改进的自适应遗传算法的智能配电网重构研究", 《电力系统保护与控制》 *

Also Published As

Publication number Publication date
CN109038575B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
Alonso et al. Artificial immune systems optimization approach for multiobjective distribution system reconfiguration
Rao et al. Optimization of distribution network configuration for loss reduction using artificial bee colony algorithm
Ahuja et al. An AIS-ACO hybrid approach for multi-objective distribution system reconfiguration
CN111416359B (zh) 一种考虑加权潮流熵的配电网络重构方法
CN106451439B (zh) 一种船舶综合电力推进系统配电网络的两阶段重构方法
CN109038545B (zh) 一种基于差分进化入侵杂草算法的配电网重构方法
CN108182498A (zh) 配电网故障恢复性重构方法
CN109409583A (zh) 低压配电网络降损重构方法
CN111463778A (zh) 一种基于改进郊狼优化算法的主动配电网优化重构方法
CN106777449A (zh) 基于二进制粒子群算法的配电网络重构方法
CN109861199A (zh) 一种直流配电网中的故障恢复方法
Dolatdar et al. A new distribution network reconfiguration approach using a tree model
Yang Research on optimized reconfiguration of distributed distribution network based on ant colony optimization algorithm
Emambocus et al. An optimized hybrid dragonfly algorithm applied for solving the optimal reactive power dispatch problem in smart grids
CN114094574A (zh) 一种基于非合作博弈的配电网优化重构方法
CN117439203A (zh) 一种基于多目标秃鹰搜索算法的主动配电网综合优化方法
CN109038575A (zh) 基于改进物种生灭算法的含分布式电源配电网重构方法
CN108334950A (zh) 一种应用单亲遗传算法的配电网络重构方法
Afzalan et al. Optimal DG placement and sizing with PSO&HBMO algorithms in radial distribution networks
Yang et al. Application of improve whale optimization algorithm to the distribution network reconfiguration with distributed generation
Ganesan et al. Regular paper distribution system reconfiguration for loss reduction using genetic algorithm
CN111082470A (zh) 含低风速分散式风电的配电网多目标动态鲁棒重构方法
CN115000984A (zh) 基于负荷平衡及负荷恢复的配电网重构策略
Pandiarajan et al. Fuzzy ranking based non-dominated sorting genetic algorithm-II for network overload alleviation
Mahdavi et al. Genetic algorithm application in distribution system reconfiguration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210604