[发明专利]基于多智能体遗传算法的电力运输网络拓扑结构设计方法

说明书

本发明提出了一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，用于解决现有电力运输网络拓扑结构设计方法中存在的深度搜索能力弱和容易陷入局部最优解，导致电力运输网络在抵抗攻击或者扰动时鲁棒性差的技术问题，实现步骤为：设定多智能体遗传算法参数、初始化多智能体遗传算法种群、对初始化种群进行邻域竞争、对邻域竞争种群进行邻域交叉、对邻域交叉种进行变异、对变异种群进行群局部搜索产生局部搜索种群作为电力运输网络拓扑结构输出。本发明在设计电力运输网络拓扑结构的过程中，采用多智能体遗传算法框架，设计了邻域竞争算子、邻域交叉算子、变异算子和局部搜索算子，设计出具有高鲁棒性的电力运输网络拓扑结构。

技术领域

本发明是属于物理技术领域，涉及一种电力运输网络拓扑结构设计方法，具体涉及一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，可用于设计电力运输网络拓扑结构，便于当其受到攻击或者扰动时，能够使电力运输网络的功能最大程度地保持完整，同时还可以有效地抵抗受到的攻击或者扰动。

背景技术

在电力运输系统中，可以将发电站、变电站等抽象成复杂网络节点，将输电线看成连接边，那么电力运输系统就可以抽象成一个复杂网络模型，称为电力运输网络。电力运输网络拓扑结构设计就是，在保持电力运输网络度分布不变的情况下，调整电力运输网络拓扑结构，使其在遭受到攻击或扰动时，网络功能尽可能的保持完整，即最大化地提高电力运输网络的鲁棒性。网络鲁棒性(Network robustness)是网络的一个重要属性，它是指网络在遭受到攻击、破坏或者扰动的情况下，其能否继续保持功能完善或者能否继续工作的一个重要的衡量指标。

普遍的电力网络设计方法通过设计选择、交叉、变异等算子得到电力网络拓结构，但是方法中算子设计简单，导致深度搜索能力弱且容易陷入局部最优解。例如，申请公开号为CN104102956A、名称为“一种基于策略自适应差分进化的配电网络扩展规划方法”的专利申请，公开了一种基于策略自适应的差分进化的配电网络扩展规划方法，该方法设计过程中存在深度搜索能力弱、容易陷入局部最优解的问题，不能设计出鲁棒性高的电力运输网络拓扑结构，使该电力运输网络在遭受到攻击或者扰动时，不具有良好的电力运输网络鲁棒性。

C.M.Schneider等人发表了题目为“Mitigation of malicious attacks onnetworks”(Proceedings of the National Academy of Sciences.USA|108，3838-3841(2011))的论文，论文中中提出了基于最大连通子分量的鲁棒性衡量标准，并且设计了一种基于启发式算法的网络拓扑结构设计方法。论文中用到启发式算法来设计电力网络拓扑结构，其主要步骤包括：首先，对电力运输网络执行随机调整结构操作得到一个临时网络；其次，计算临时网络的鲁棒性；然后，判断鲁棒性是否提高，若提高，则用临时网络代替电力运输网络，否则，电力运输网络不变；再然后，判断迭代次数是否满足最大迭代次数，若满足，得到最终的电力运输网络，否则，返回起始重新执行；最后，输出电力运输网络。该方法的特点是简单易用，但是，该方法仍然存在的不足是，在优化过程中全局搜索能力弱，搜索过程类似于穷举搜索，随着网络规模的增大，时间增长过快，搜索效率会大大降低，从而影响了电力运输网络拓扑结构设计的效果。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提出了一种基于多智能体遗传算法的电力运输网络拓扑结构设计方法，用于解决现有电力运输网络拓扑结构设计方法中存在的深度搜索能力弱和容易陷入局部最优解，导致电力运输网络在抵抗攻击或者扰动时鲁棒性差的技术问题。

本发明实现的思路是，在电力运输网络拓扑结构调整的过程中采用多智能体遗传算法，设计有效的种群更新操作算子，充分利用多智能体遗传算法对成千上万维的函数，都能快速找到高质量的解的优点，并采用新的鲁棒性评价准则评价个体的好坏，进行种群全局最优的更新，最后得到具有高鲁棒性的电力运输网络拓扑结构。

根据上述技术思路，实现本发明目的采取的技术方案，包括如下步骤：