一種含分布式電源的配電網(wǎng)重構的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種含分布式電源的配電網(wǎng)重構方法及方法，該方法包括：建立含分布式電源的配電網(wǎng)重構模型，進行種群初始化；構建小世界初始網(wǎng)絡，獲得鄰接矩陣；智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒子種群，并計算新的粒子種群中各粒子的適應度；并利用鄰接矩陣對粒子種群中的粒子執(zhí)行交叉操作，使優(yōu)秀粒子擴散到全體種群；利用競爭算子淘汰掉50％的劣質(zhì)粒子；當滿足預設的最大迭代次數(shù)，輸出含分布式電源的配電網(wǎng)重構結果；提升了算法的整體性能和收斂能力，使得其能克服算法在搜索過程中陷入局部最優(yōu)的缺點。
【專利說明】
一種含分布式電源的配電網(wǎng)重構的方法及系統(tǒng)
技術領域
[0001] 本發(fā)明涉及電力系統(tǒng)領域，特別涉及一種含分布式電源的配電網(wǎng)重構的方法及系 統(tǒng)。
【背景技術】
[0002] 隨著分布式電源在能源領域的不斷興起，其研究與應用不斷的擴展。分布式電源 包括風能發(fā)電、小型水利發(fā)電、光伏發(fā)電和燃料電池等，由于其環(huán)境友好的特性，使得配電 網(wǎng)接入分布式電源的重構研究得到了廣泛的關注。
[0003] 配電網(wǎng)是連接輸電網(wǎng)絡和用戶端的橋梁，具有閉環(huán)設計和開關運行的特色，通過 分段開關和聯(lián)絡開關的通斷組合達到網(wǎng)絡輻射狀態(tài)。配電網(wǎng)重構是優(yōu)化配電系統(tǒng)的可行性 方案，方法是通過改變網(wǎng)絡拓撲結構以達到降低網(wǎng)損、均衡負荷和提升電壓質(zhì)量等目標。配 電網(wǎng)重構是一個多目標、非線性和高維度的優(yōu)化問題，當網(wǎng)絡中接入分布式電源后使得求 解難度增加，傳統(tǒng)算法在解決中大規(guī)模配電網(wǎng)重構問題受到了局限，使得人工智能算法得 到了不斷的發(fā)展。
[0004]目前布谷鳥搜索算法(Cuckoo Search Algorithm，CSA)算法已經(jīng)用于解決配電網(wǎng) 重構問題，但是由于模型對算法性能的要求使得算法在搜索過程中往往陷入局部最優(yōu)。因 此，如何提升該方法整體性能和收斂能力，使得其能克服算法在搜索過程中陷入局部最優(yōu) 的缺點，是本領域技術人員需要解決的技術問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種含分布式電源的配電網(wǎng)重構方法及系統(tǒng)，將小世界網(wǎng)絡 思想應用在粒子尋優(yōu)中，使得種群的所有粒子建立了連接，加速擴展了優(yōu)秀粒子的擴散范 圍，使得整體種群收斂能力得到了大大的提升。
[0006] 為解決上述技術問題，本發(fā)明提供一種含分布式電源的配電網(wǎng)重構方法，包括：
[0007] S1、確定優(yōu)化目標和約束條件，建立含分布式電源的配電網(wǎng)重構模型；
[0008] S2、根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)計算生成初始種群；
[0009] S3、利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒子進行計算，得到鄰接矩 陣；
[0010] S4、利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒子種群，并計算新 的粒子種群中各粒子的適應度；
[0011] S5、根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子進行交叉 操作，得到下一代粒子種群；
[0012] S6、利用競爭算子比較所述粒子種群和所述下一代粒子種群中對應粒子的適應 度，保留適應度優(yōu)的粒子形成父代粒子種群；
[0013] S7、判斷是否滿足迭代終止條件，若滿足，輸出含分布式電源的配電網(wǎng)重構結果； 否則返回步驟S3。
[0014] 其中，所述配電網(wǎng)重構模型具體為
[0015] 其中，λ為目標函數(shù)值，L為系統(tǒng)支路總數(shù)，kt表示支路的通斷情況，rt為支路的電 阻，Pt、Qt分別為有功功率和無功功率，U t為支路注入節(jié)點電壓幅值。
[0016] 其中，所述S2包括：
[0017]
形 成初始種群；
[0018] 其中，i = 1，2,.....,M； j = l,2,.....,M；di = l,2.....,D；d2 = l,2.....，D， 夂,(=沿匕）代表第i個粒子的第d維，k代表第k次迭代，且每個粒子的維度由配電網(wǎng)閉環(huán)時 形成的環(huán)路數(shù)量決定。
[0019] 其中，所述S3包括：
[0020] 將所述初始種群中的每個粒子與其周圍左右兩邊的粒子連接，并將所述初始種群 中的每個粒子以概率P連接其他粒子，形成具有N個區(qū)域的鄰接矩陣；
[0021]
'f j和fk分別是粒子Xj和Xk的適應度。
[0022] 其中，所述S4包括：
[0023] 利用布谷鳥搜索算法或縱橫交叉算法更新初始種群中粒子的位置，得到新的粒子 種群，并計算新的粒子種群中各粒子的適應度。
[0024] 其中，利用布谷鳥搜索算法更新初始種群中粒子的位置，得到新的粒子種群，并計 算新的粒子種群中各粒子的適應度，包括：
[0025] 利用夂仏/,./)=%%/,./) + ??/^)€新初始種群中粒子的位置，得到新的粒子種 群，并計算新的粒子種群中各粒子的適應度；
[0026] 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，α為步長控制量，符號④代表點對 點的乘法，L(A)為服從萊維概率分布隨機搜索路徑。
[0027] 其中，所述S5包括：
[0028] 根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子利用公式X(t， i，j) = r*X(t，i，j) + (l-r)*gbest(t，j)進行交叉操作，得到下一代粒子種群；
[0029] 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，r為隨機概率，gbest為經(jīng)過鄰接 矩陣選擇后產(chǎn)生的占優(yōu)解對應的粒子。
[0030] 本發(fā)明還提供一種含分布式電源的配電網(wǎng)重構系統(tǒng)，包括：
[0031 ]模型構建模塊，用于確定優(yōu)化目標和約束條件，建立含分布式電源的配電網(wǎng)重構 模型；
[0032] 初始化模塊，用于根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)計算生成初始 種群；
[0033] 鄰接矩陣計算模塊，用于利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒子進 行計算，得到鄰接矩陣；
[0034]尋優(yōu)計算模塊，用于利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒 子種群，并計算新的粒子種群中各粒子的適應度；
[0035] 交叉操作模塊，用于根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中 的粒子進行交叉操作，得到下一代粒子種群；
[0036] 競爭算子模塊，用于利用競爭算子比較所述粒子種群和所述下一代粒子種群中對 應粒子的適應度，保留適應度優(yōu)的粒子形成父代粒子種群；
[0037] 判斷模塊，用于判斷是否滿足迭代終止條件，若滿足迭代終止條件，輸出含分布式 電源的配電網(wǎng)重構結果。
[0038] 其中，所述鄰接矩陣計算模塊具體為將所述初始種群中的每個粒子與其周圍左右 兩邊的粒子連接，并將所述初始種群中的每個粒子以概率P連接其他粒子，形成具有N個區(qū) 域的鄰接矩陣的模塊；
[0039]
，fj和fk分別是粒子Xj和Xk的適應度。
[0040] 其中，所述交叉操作模塊具體為根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并 將各區(qū)域中的粒子利用公式x(t，i，j)=r*X(t，i, j) + (l-r)*gbest(t, j)進行交叉操作，得 到下一代粒子種群的模塊；
[0041] 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，r為隨機概率，gbest為經(jīng)過鄰接 矩陣選擇后產(chǎn)生的占優(yōu)解對應的粒子。
[0042] 本發(fā)明所提供的含分布式電源的配電網(wǎng)重構方法，該方法確定優(yōu)化目標和約束條 件，建立含分布式電源的配電網(wǎng)重構模型;根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參 數(shù)計算生成初始種群;利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒子進行計算，得 到鄰接矩陣;利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒子種群，并計算新 的粒子種群中各粒子的適應度;根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域 中的粒子進行交叉操作，得到下一代粒子種群;利用競爭算子比較所述粒子種群和所述下 一代粒子種群中對應粒子的適應度，保留適應度優(yōu)的粒子形成父代粒子種群;判斷是否滿 足迭代終止條件，若滿足，輸出含分布式電源的配電網(wǎng)重構結果；
[0043] 可見，該方法將小世界網(wǎng)絡思想應用在粒子尋優(yōu)中，使得種群的所有粒子建立了 連接，加速擴展了優(yōu)秀粒子的擴散范圍，使得整體種群收斂能力得到了大大的提升，提高了 含有分布式電源的重構效果；即提升了算法的整體性能和收斂能力，使得其能克服算法在 搜索過程中陷入局部最優(yōu)的缺點。
【附圖說明】
[0044] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0045] 圖1為本發(fā)明實施例所提供的含分布式電源的配電網(wǎng)重構方法的流程圖；
[0046] 圖2為本發(fā)明實施例所提供的鄰接矩陣的形成的示意圖；
[0047] 圖3為本發(fā)明實施例所提供的含分布式電源的配電網(wǎng)重構系統(tǒng)的結構框圖。
【具體實施方式】
[0048] 本發(fā)明的核心是提供一種含分布式電源的配電網(wǎng)重構方法及系統(tǒng)，將小世界網(wǎng)絡 思想應用在粒子尋優(yōu)中，使得種群的所有粒子建立了連接，加速擴展了優(yōu)秀粒子的擴散范 圍，使得整體種群收斂能力得到了大大的提升。
[0049] 為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員 在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0050] 請參考圖1，圖1為本發(fā)明實施例所提供的含分布式電源的配電網(wǎng)重構方法的流程 圖；該方法可以包括：
[0051] S1、確定優(yōu)化目標和約束條件，建立含分布式電源的配電網(wǎng)重構模型；
[0052]其中，為了輸出含分布式電源的配電網(wǎng)重構結果更加合理，需要合理建立含分布 式電源的配電網(wǎng)重構模型;配電網(wǎng)重構模型的建立要根據(jù)優(yōu)化目標以及運用環(huán)境中的具體 約束條件進行相應的建立。
[0053] 可選的，這里的配電網(wǎng)重構模型具體為
[0054] 其中，λ為目標函數(shù)值，π?ηλ為優(yōu)化目標即配電網(wǎng)重構模型，L為系統(tǒng)支路總數(shù)，kt 表示支路的通斷情況(例如可以用〇表示打開1表示閉合），rt為支路的電阻，Pt、Qt分別為有 功功率和無功功率，U t為支路注入節(jié)點電壓幅值。目標函數(shù)計算過程中可以采用前推回代 法進行潮流計算。
[0055] 這里的約束條件可以包括:潮流約束，支路約束，網(wǎng)絡拓撲約束;具體的約束條件 分別如下：
[0056] 潮流約束方程：
[0057] 式中：Pi、Qi分別是節(jié)點i的輸入有功功率、無功功率;Vi、Vj分別為節(jié)點i、j的電壓； GijUij分別為節(jié)點i、j之間的電導、電納和相角差。
[0058] 支路約束：Vimin彡Vi彡Vi腹；Si彡Si歷；St彡St腹
[0059] 式中：Vimin、Vimax分別代表i節(jié)點電壓的上下限，Si、Simax分別表示線路流過的功率 和最大容許值;St、Stmax分別為各變壓器流出的功率值和最大容許值。
[0060] 網(wǎng)絡拓撲約束：通過對網(wǎng)絡中開關組合的通斷設定，使得網(wǎng)絡重構后不出現(xiàn)"孤 島"和"環(huán)路"。
[0061] S2、根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)計算生成初始種群；
[0062] 其中，根據(jù)上一個步驟建立的配電網(wǎng)重構模型，以及電網(wǎng)系統(tǒng)輸入的預定初始化 參數(shù)，利用種群初始化算法計算生成初始種群，這里的種群初始化算法可以是Kent混沌映 射，也可以是布谷鳥搜索算法。這里并不對具體的初始化算法進行限定，只要可以得到初始 種群即可。
[0063] 具體的，利用布谷鳥搜索算法生成初始種群為：
[0064] 根據(jù)公式
形 成初始種群；
[0065] 其中，i = l，2,.....,M； j = l,2,.....,M；di = l,2.....,D；d2 = l,2.....，D， A匕(=)代表第i個粒子的第d維，k代表第k次迭代，其中每個粒子的每個維度要求滿足 目標函數(shù)中開關組合通斷的表達方式，即只能為1或〇(其中1代表分段開關或者聯(lián)絡開關處 于閉合，〇代表打開)且每個粒子的維度由配電網(wǎng)閉環(huán)時形成的環(huán)路數(shù)量決定。這種編碼方 式可以有效避免網(wǎng)絡規(guī)則中"環(huán)路"和"孤島"。
[0066] S3、利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒子進行計算，得到鄰接矩 陣；
[0067] 其中，NW小世界網(wǎng)絡初始構造是從一個均勻網(wǎng)絡開始，網(wǎng)絡中的每個節(jié)點代表種 群的每個粒子。初始網(wǎng)絡是一個閉環(huán)的鄰耦合網(wǎng)絡(擁有N個粒子），每個粒子與其周圍左右 兩邊的粒子產(chǎn)生連接，從而構成一個3粒子組成的最小區(qū)域，同時將種群中的每個粒子以概 率P連接其他粒子。即將所述初始種群中的每個粒子與其周圍左右兩邊的粒子產(chǎn)生連接，并 將所述初始種群中的每個粒子以概率P連接其他粒子，形成具有N個區(qū)域的鄰接矩陣；
[0068]
'fj和fk分別是粒子Xj和Xk的適應度。
[0069] 具體的，設X為初始種群，DS(z)為初始種群產(chǎn)生的初始解，Juzhen為構造的小世界 網(wǎng)絡，C為矩陣lbest每一列求和，B為矩陣lbest的行數(shù)，G為最小f itlbest對應的lbest。具 體執(zhí)行流程表示如下可以生成鄰接矩陣如圖2所示：
[0070] INPUT:DSdc，M，i;
[0071] LET fitpbest = DSdc；
[0072] LET Aa=X；
[0073] 其中，根據(jù)小世界網(wǎng)絡產(chǎn)生的小世界網(wǎng)絡矩陣流程如下：
[0074] LET J = Juzhen；
[0075] FOR z = l to Μ
[0076] FOR j = l to M;
[0077] IF J(z,j) = = l
[0078] 其中，根據(jù)小世界網(wǎng)絡產(chǎn)生的鄰接矩陣流程如下：
[0079] lbest=Aa( j ,:)；
[0080] fitlbest = fitpbest(l, j)
[0081] END IF
[0082] END FOR
[0083] mlbest = C/B
[0084] lgbest=G〇
[0085] S4、利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒子種群，并計算新 的粒子種群中各粒子的適應度；
[0086] 其中，這里的智能尋優(yōu)算法可以包括現(xiàn)有的任何智能尋優(yōu)方法，例如可以是布谷 鳥搜索算法，混沌粒子群算法，縱橫交叉算法或者是改進縱橫交叉算法。
[0087] 具體的，當利用布谷鳥搜索算法(CSA)時，更新初始種群中粒子的位置，得到新的 粒子種群，并計算新的粒子種群中各粒子的適應度，包括：
[0088] 利用/) = %(〇,./) + ?? 新初始種群中粒子的位置，得到新的粒子種 群，并計算新的粒子種群中各粒子的適應度；
[0089] 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，α為步長控制量，符號φ代表點對 點的乘法，作用時控制算法的搜索范圍，其所對應的數(shù)值服從正態(tài)分布。L(A)為服從萊維概 率分布隨機搜索路徑。例如L(s，A)~，其中，λ分布在[1，3]之間，s為萊維飛行得到的步長。
[0090] S5、根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子進行交叉 操作，得到下一代粒子種群；
[0091] 其中，當種群經(jīng)過搜索結束后，為了將優(yōu)秀的粒子擴散到全體種群中，對小世界網(wǎng) 絡中的各個區(qū)域的粒子進行交叉操作即不同鄰域的粒子可以進行交叉運算，具體過程如 下：
[0092] 根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子利用公式X(t， i，j) = r*X(t，i，j) + (l-r)*gbest(t，j)進行交叉操作，得到下一代粒子種群；
[0093] 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，r為隨機概率，gbest為經(jīng)過鄰接 矩陣選擇后產(chǎn)生的占優(yōu)解對應的粒子。
[0094] S6、利用競爭算子比較所述粒子種群和所述下一代粒子種群中對應粒子的適應 度，保留適應度優(yōu)的粒子形成父代粒子種群；
[0095] 其中，在根據(jù)目標函數(shù)的適應度計算方法計算更新后的種群的適應度之后，可以 采用競爭算子比較父代和子代的適應度，交叉操作前與操作之后的種群即粒子種群和下一 代粒子種群的適應度，將適應度更好的粒子的保留下來作為下一次迭代的父代。這里每一 次比較的對象都是進行交叉操作前后的兩代粒子種群中的對應粒子。
[0096] S7、判斷是否滿足迭代終止條件，若滿足，輸出含分布式電源的配電網(wǎng)重構結果； 否則返回步驟S3。
[0097] 其中，每次在采用競爭算子比較父代和子代粒子的適應度，確定下一次迭代的父 代之后，可以判斷計算的迭代次數(shù)是否達到預設的最大迭代次數(shù)。若達到則輸出含分布式 電源的配電網(wǎng)重構結果。這里的迭代終止條件即預設的最大迭代次數(shù)根據(jù)用戶的實際情況 進行設置。
[0098] 為驗證本申請所提出的NW小世界量布谷鳥搜索算法的有效性和優(yōu)越性，下面通過 參數(shù)的方式進行說明：
[0099] 其中含分布式電源的配電網(wǎng)重構具有3種場景如下所示，分布式電源的容量限制 在0~2麗內(nèi)；
[0100] 場景1:未接入分布式電源及網(wǎng)絡不重構；
[0101] 場景2:未接入分布式電源及網(wǎng)絡重構；
[0102] 場景3:網(wǎng)絡重構后接入分布式電源并定容。
[0103] 仿真系統(tǒng)由IEEE33和IEEE69配電系統(tǒng)組成，同時將負荷分為輕負荷(0.5)、常負荷 (1.0)和重負荷（1.6)。其中IEEE33具有32個分段開關和5個聯(lián)絡開關，總負荷是3715kW+ 2300kVAR; IEEE69具有68個分段開關和5個聯(lián)絡開關，總負荷是3802 . 19kW and 2694.60kVAR。算法的參數(shù)設置如下：種群數(shù)量是30;最大迭代次數(shù)50次。其中IEEE33節(jié)點系 統(tǒng)的分布式電源接入節(jié)點是30和31，IEEE69節(jié)點系統(tǒng)分布式電源接入節(jié)點是61和62,則兩 個系統(tǒng)的仿真結果表1和表2所示。
[0104] 表1 IEEE33重構結果
[0107] 表2 IEEE69重構結果
[0109]在本案例，采用SWCSA的重構結果如表1和表2所示，為了證明SWCSA算法的優(yōu)越性， 將NWQPS0算法的優(yōu)化結果和其他智能優(yōu)化算法進行了比較如表3所示。
[0110]表3常負荷情況下SWCSA的優(yōu)化結果和其他算法對比
[0113]由表1、表2和表3可以看出，采用SWCSA在IEEE33和IEEE69標準配電系統(tǒng)進行仿真， 得到的不同開關組合情況下的網(wǎng)損和最低節(jié)點電壓如表2和表3所示。從表1和表2可以看出 當配電網(wǎng)在重構后接入分布式電源可以減少系統(tǒng)的網(wǎng)損量和提升最低節(jié)點電壓，說明合理 的接入分布式電源有益于整體配電系統(tǒng)的。從表3中可以看出SWCSA比GA和PS0算法具有更 好的全局搜索能力和，因此，可以說NWQPS0算法在解決多含分布式電源的配電網(wǎng)重構問題 中表現(xiàn)更好。
[0114] 基于上述技術方案，本發(fā)明實施例提供的含分布式電源的配電網(wǎng)重構方法，即基 于NW小世界布谷鳥搜索算法的含分布式電源的配電網(wǎng)重構方法，步驟簡單，容易編碼，算法 具有收斂能力和穩(wěn)定性強;將NW小世界網(wǎng)絡模型引入到布谷鳥搜索算法中，NW小世界量布 谷鳥搜索算法通過將小世界以隨機加邊方式動態(tài)改變種群個體的鄰域拓撲結構的理念引 入到布谷鳥搜索算法中，使得小世界量子粒子群算法在優(yōu)化過程中提高種群的收斂能力， 同時加強了整體種群跳出局部最優(yōu)的能力，加速收斂到全局最優(yōu)。
[0115] 下面對本發(fā)明實施例提供的含分布式電源的配電網(wǎng)重構系統(tǒng)進行介紹，下文描述 的含分布式電源的配電網(wǎng)重構系統(tǒng)與上文描述的含分布式電源的配電網(wǎng)重構方法可相互 對應參照。
[0116] 請參考圖3,圖3為本發(fā)明實施例所提供的含分布式電源的配電網(wǎng)重構系統(tǒng)的結構 框圖；該系統(tǒng)包括：
[0117] 模型構建模塊100,用于確定優(yōu)化目標和約束條件，建立含分布式電源的配電網(wǎng)重 構模型；
[0118] 初始化模塊200，用于根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)計算生成 初始種群；
[0119] 鄰接矩陣計算模塊300,用于利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒 子進行計算，得到鄰接矩陣；
[0120] 尋優(yōu)計算模塊400,用于利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的 粒子種群，并計算新的粒子種群中各粒子的適應度；
[0121] 交叉操作模塊500,用于根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域 中的粒子進行交叉操作，得到下一代粒子種群；
[0122] 競爭算子模塊600,用于利用競爭算子比較所述粒子種群和所述下一代粒子種群 中對應粒子的適應度，保留適應度優(yōu)的粒子形成父代粒子種群；
[0123] 判斷模塊700,用于判斷是否滿足迭代終止條件，若滿足迭代終止條件，輸出含分 布式電源的配電網(wǎng)重構結果。
[0124] 可選的，所述鄰接矩陣計算模塊300具體為將所述初始種群中的每個粒子與其周 圍左右兩邊的粒子產(chǎn)生連接，并將所述初始種群中的每個粒子以概率P連接其他粒子，形成 具有N個區(qū)域的鄰接矩陣的模塊；
[0125]
'fj和fk分別是粒子Xj和Xk的適應度。
[0126] 可選的，所述交叉操作模塊500具體為根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū) 域，并將各區(qū)域中的粒子利用公式X(t，i，j)=r*X(t，i，j) + (l-r)*gbest(t, j)進行交叉操 作，得到下一代粒子種群的模塊；
[0127] 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，r為隨機概率，gbest為經(jīng)過鄰接 矩陣選擇后產(chǎn)生的占優(yōu)解對應的粒子。
[0128] 根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)，利用Kent混沌映射或布谷鳥搜 索算法計算生成初始種群。
[0129] 說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實 施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而 言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明 即可。
[0130] 專業(yè)人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元 及算法步驟，能夠以電子硬件、計算機軟件或者二者的結合來實現(xiàn)，為了清楚地說明硬件和 軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些 功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術方案的特定應用和設計約束條件。專業(yè) 技術人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應 認為超出本發(fā)明的范圍。
[0131] 結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí) 行的軟件模塊，或者二者的結合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存 儲器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動磁盤、CD-ROM、或技術 領域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。
[0132] 以上對本發(fā)明所提供的含分布式電源的配電網(wǎng)重構方法及系統(tǒng)進行了詳細介紹。 本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用 于幫助理解本發(fā)明的方法及其核心思想。應當指出，對于本技術領域的普通技術人員來說， 在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也 落入本發(fā)明權利要求的保護范圍內(nèi)。
【主權項】
1. 一種含分布式電源的配電網(wǎng)重構方法，其特征在于，包括： 51、 確定優(yōu)化目標和約束條件，建立含分布式電源的配電網(wǎng)重構模型； 52、 根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)計算生成初始種群； 53、 利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒子進行計算，得到鄰接矩陣； 54、 利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒子種群，并計算新的粒 子種群中各粒子的適應度； 55、 根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子進行交叉操作， 得到下一代粒子種群； 56、 利用競爭算子比較所述粒子種群和所述下一代粒子種群中對應粒子的適應度，保 留適應度優(yōu)的粒子形成父代粒子種群； 57、 判斷是否滿足迭代終止條件，若滿足，輸出含分布式電源的配電網(wǎng)重構結果；否則 返回步驟S3。2. 根據(jù)權利要求1所述的含分布式電源的配電網(wǎng)重構方法，其特征在于，所述配電網(wǎng)重 構模型具體為其中，λ為目標函數(shù)值，L為系統(tǒng)支路總數(shù)，kt表示支路的通斷情況，rt為支路的電阻，P t、 Qt分別為有功功率和無功功率，Ut為支路注入節(jié)點電壓幅值。3. 根據(jù)權利要求2所述的含分布式電源的配電網(wǎng)重構方法，其特征在于，所述S2包括： 根據(jù)公式』形成初 始種群；其中，i = l，2，···· ·，M;j = l，2，·····，M5Cl1=I，2·····，D;d2=l，2···· ·代 表第i個粒子的第d維，k代表第k次迭代，且每個粒子的維度由配電網(wǎng)閉環(huán)時形成的環(huán)路數(shù) 量決定。4. 根據(jù)權利要求2所述的含分布式電源的配電網(wǎng)重構方法，其特征在于，所述S3包括： 將所述初始種群中的每個粒子與其周圍左右兩邊的粒子連接，并將所述初始種群中的 每個粒子以概率P連接其他粒子，形成具有N個區(qū)域的鄰接矩陣； 其中，P的計算公：4和fk分別是粒子Xj和Xk的適應度。5. 根據(jù)權利要求4所還的谷分布式電源的配電網(wǎng)重構方法，其特征在于，所述S4包括： 利用布谷鳥搜索算法或縱橫交叉算法更新初始種群中粒子的位置，得到新的粒子種 群，并計算新的粒子種群中各粒子的適應度。6. 根據(jù)權利要求5所述的含分布式電源的配電網(wǎng)重構方法，其特征在于，利用布谷鳥搜 索算法更新初始種群中粒子的位置，得到新的粒子種群，并計算新的粒子種群中各粒子的 適應度，包括： 利用1仏/,./)=: + 更新初始種群中粒子的位置，得到新的粒子種群，并 計算新的粒子種群中各粒子的適應度； 其中，x(t，i，j)為區(qū)域t中第i個粒子的第j維度，α為步長控制量，符號Φ代表點對點的 乘法，L(A)為服從萊維概率分布隨機搜索路徑。7. 根據(jù)權利要求1至6任一項所述的含分布式電源的配電網(wǎng)重構方法，其特征在于，所 述S5包括： 根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子利用公式X(t，i，j) = r*X(t，i，j) + (l-r)*gbest(t，j)進行交叉操作，得到下一代粒子種群； 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，r為隨機概率，gbest為經(jīng)過鄰接矩陣 選擇后產(chǎn)生的占優(yōu)解對應的粒子。8. -種含分布式電源的配電網(wǎng)重構系統(tǒng)，其特征在于，包括： 模型構建模塊，用于確定優(yōu)化目標和約束條件，建立含分布式電源的配電網(wǎng)重構模型； 初始化模塊，用于根據(jù)所述配電網(wǎng)重構模型及各個預定初始化參數(shù)計算生成初始種 群； 鄰接矩陣計算模塊，用于利用NW小世界網(wǎng)絡模型算法對所述初始種群中的粒子進行計 算，得到鄰接矩陣； 尋優(yōu)計算模塊，用于利用智能尋優(yōu)算法更新初始種群中粒子的位置，得到新的粒子種 群，并計算新的粒子種群中各粒子的適應度； 交叉操作模塊，用于根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒 子進行交叉操作，得到下一代粒子種群； 競爭算子模塊，用于利用競爭算子比較所述粒子種群和所述下一代粒子種群中對應粒 子的適應度，保留適應度優(yōu)的粒子形成父代粒子種群； 判斷模塊，用于判斷是否滿足迭代終止條件，若滿足迭代終止條件，輸出含分布式電源 的配電網(wǎng)重構結果。9. 根據(jù)權利要求8所述的含分布式電源的配電網(wǎng)重構系統(tǒng)，其特征在于，所述鄰接矩陣 計算模塊具體為將所述初始種群中的每個粒子與其周圍左右兩邊的粒子連接，并將所述初 始種群中的每個粒子以概率P連接其他粒子，形成具有N個區(qū)域的鄰接矩陣的模塊； 其中，P的計算公式WPfk分別是粒子XjPXk的適應度。10. 根據(jù)權利要求8或9所述的含分布式電源的配電網(wǎng)重構系統(tǒng)，其特征在于，所述交叉 操作模塊具體為根據(jù)所述鄰接矩陣將新的粒子種群劃分區(qū)域，并將各區(qū)域中的粒子利用公 式X(t，i，j) = r*X(t，i，j) + (l-r)*gbest(t，j)進行交叉操作，得到下一代粒子種群的模塊； 其中，X(t，i，j)為區(qū)域t中第i個粒子的第j維度，r為隨機概率，gbest為經(jīng)過鄰接矩陣 選擇后產(chǎn)生的占優(yōu)解對應的粒子。
【文檔編號】H02J3/38GK106026187SQ201610651401
【公開日】2016年10月12日
【申請日】2016年8月10日
【發(fā)明人】李德強, 殷豪
【申請人】廣東工業(yè)大學