基于教学和粒子群算法的主动配电网智能混合重构方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108491922A(43)申请公布日2018.09.04(21)申请号201810234451.X(22)申请日2018.03.21(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号华南理工大学电力实验楼申请人广州市微网智源科技有限公司广州市恒创智通信息技术有限公司(72)发明人董萍吴华仪吴光辉刘明波(74)专利代理机构广州科粤专利商标代理有限公司44001代理人黄培智(51)Int.Cl.G06N3/00(2006.01)G06Q50/06(2012.01)权利要求书2页说明书4页附图1页(54)发明名称基于教学和粒子群算法的主动配电网智能混合重构方法(57)摘要本发明公开了基于教学和粒子群算法的主动配电网智能混合重构方法，以网损最小为寻优目标。包括：随机初始化粒子群；计算每个粒子的适应度函数；利用粒子群算法对每个粒子的位置和速度进行更新；再利用教学算法对每个粒子的位置进行更新；求每个粒子群的适应度函数并排除不可行解；更新粒子群的最优解和全局最优解，直到到达最大迭代次数。本方法针将教学算法和粒子群算法与其结合，在保留粒子群算法全局寻优能力的同时，增强了算法的局部寻优能力和速度，从而实现算法在全局和局部寻优能力。本发明通过优化算法迭代更新网络结构，起到降低网损的作用。CN108491922ACN108491922A权利要求书1/2页1.基于教学和粒子群算法的主动配电网智能混合重构方法，其特征在于，所述方法包括：步骤1：设置教学算法和粒子群算法的初始参数，随机初始化粒子群；步骤2：对每个粒子用基于深度优先树搜索，进行拓扑分析；步骤3：采用目标函数来计算符合辐射结构约束个体的目标函数值，作为适应度函数；步骤4：更新相应个体的最优解Pi和全局最优解Pg；步骤5：利用粒子群算法和教学算法对种群进行更新迭代，检查网络拓扑，并计算个体的目标函数；步骤6：更新相应个体的最优解Pi和全局最优解Pg；步骤7：重复步骤5-6直到达到最大迭代次数；步骤8：输出结果。2.如权利要求1所述基于教学和粒子群算法的主动配电网智能混合重构方法，其特征在于，在步骤3中，以最小化网损为目标函数：其中，Nbranch为网络边的数量；Ib为b支路的电流；Rb为b支路的电阻；kb为支路b的开关状态，值为1表示开关闭合，值为0表示开关断开。3.如权利要求1所述基于教学和粒子群算法的主动配电网智能混合重构方法，其特征在于，在步骤5中，粒子群算法的迭代公式为：kkkk式中，Veli是粒子的速度；Xi是粒子的位置；Pi是个体最优值数组；Pg是全局最优值；nsw为每次迭代的个体数；c1和c2为加速因子；ρ为系数；r1和r2分别为(0,1)区间内的随机数。4.如权利要求1所述基于教学和粒子群算法的主动配电网智能混合重构方法，其特征在于，在步骤5中，所述教学算法分为教学阶段和学习阶段；利用教学算法对种群进行更新迭代的过程为：教学阶段在教学阶段中，每一次迭代，在群体中选择一个目标函数值最小的个体作为“老师”，其他个体向其靠近，迭代步骤如下：TF＝round[1+ri]如果f(Xnew)<f(Xold)，用Xnew代替Xold，否侧Xnew＝Xold，Xnew为教学阶段产生的新个体；Xold为原来的个体式中，TF是一个因子，可取1或2；为最好个体；ri为为(0,1)区间内的随机数；Mi为个体的均值；2CN108491922A权利要求书2/2页学习阶段在学习阶段中，个体通过互相学习提高自身，迭代步骤如下：Fori＝1:nsw随机选择Xj且i≠j若f(Xi)<f(Xj)Xnew,i＝Xold,i+ri(Xi-Xj)否则Xnew,i＝Xold,i+ri(Xj–Xi)end如果f(Xnew)<f(Xold)，用Xnew代替Xold，否侧Xnew＝Xold；式中，ri为0到1之间的随机数，Xnew为学习阶段产生的新个体；Xold为原来的个体。5.如权利要求2所述基于教学和粒子群算法的主动配电网智能混合重构方法，其特征在于，所述目标函数要满足最大电流约束，最大电压约束、潮流约束和辐射性网络结构的约束。3CN108491922A说明书1/4页基于教学和粒子群算法的主动配电网智能混合重构方法技术领域[0001]本发明涉及基于教学和粒子群算法的主动配电网智能混合重构方法。背景技术[0002]配电网重构就是通过改变分段开关、联络开关的组合状态，以改变网络拓扑结构和用户的供电路径。目前的求解算法可分为传统数学算法、启发式算法和人工智能算法等。其中，数学算法的计算时间长；启发式算法受网络的初始状态和网络规模的影响比较大，不一定能得到最优解；人工智能算法不受网络初始状态的影响，但是有些算法的收敛速度慢，容易陷