[发明专利]基于多目标混合宇宙大爆炸算法的配电网无功优化方法

权利要求书

1.一种基于多目标混合宇宙大爆炸算法的配电网无功优化方法，其特征在于，包括：

获取原始数据；其中，所述原始数据包括种群规模、最大迭代次数和基于多目标混合宇宙大爆炸算法的更新公式的预设参数；

初始化产生包含所述种群规模的碎片解的当前种群，并计算获取所述当前种群中的每个碎片解的目标函数值，确定所述当前种群中的第一非支配集；

判断所述当前种群对应的迭代次数是否小于所述最大迭代次数；

若是，则利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群，并计算获取所述新种群中的每个碎片解的目标函数值；其中，所述新种群包含所述种群规模的碎片解；

合并所述当前种群和所述新种群，构成包含两倍所述种群规模的碎片解的组合种群，并确定所述组合种群中的第二非支配集；

更新所述第二非支配集，形成包含所述种群规模的碎片解的下一代种群，并将所述下一代种群作为所述当前种群，执行所述判断所述当前种群对应的迭代次数是否小于所述最大迭代次数的步骤；其中，所述下一代种群的对应的迭代次数为所述当前种群对应的迭代次数加1；

若否，则输出所述第一非支配集或所述第二非支配集中的最优非支配解。

2.根据权利要求1所述的基于多目标混合宇宙大爆炸算法的配电网无功优化方法，其特征在于，所述利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群，包括：

利用获取所述新种群中的每个碎片解；

其中，t为迭代次数，为在第t+1次迭代中第i个碎片解的第d维坐标分量，ε₁、ε₂、x_max、x_min和a₁均为所述预设参数中的系数，为在第t次迭代的收缩阶段的原子解的第d维坐标分量，为在第t次迭代第i个碎片解的全局最优碎片解的第d维坐标分量，为在第t次迭代第i个碎片解的个体最优位置的第d维坐标分量。

3.根据权利要求2所述的基于多目标混合宇宙大爆炸算法的配电网无功优化方法，其特征在于，所述利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群之前，还包括：

根据所述第一非支配集或所述第二非支配集确定所述当前种群中的每个碎片解对应的全局最优碎片解，更新所述当前种群中的每个碎片解的个体最优位置。

4.根据权利要求1至3任一项所述的基于多目标混合宇宙大爆炸算法的配电网无功优化方法，其特征在于，所述计算获取所述当前种群中的每个碎片解的目标函数值，包括：

利用含DG的配电网多目标无功优化模型，计算获取所述当前种群中的每个碎片解的目标函数值；其中，所述目标函数值包括最小化系统有功网损、最大化静态电压稳定裕度和最小化电压偏差。

5.根据权利要求4所述的基于多目标混合宇宙大爆炸算法的配电网无功优化方法，其特征在于，所述更新所述第二非支配集，包括：

利用循环拥挤距离排序策略，更新所述第二非支配集。

6.一种基于多目标混合宇宙大爆炸算法的配电网无功优化装置，其特征在于，包括：

获取模块，用于获取原始数据；其中，所述原始数据包括种群规模、最大迭代次数和基于多目标混合宇宙大爆炸算法的更新公式的预设参数；

初始化模块，用于初始化产生包含所述种群规模的碎片解的当前种群，并计算获取所述当前种群中的每个碎片解的目标函数值，确定所述当前种群中的第一非支配集；

判断模块，用于判断所述当前种群对应的迭代次数是否小于所述最大迭代次数；

迭代模块，用于若所述当前种群对应的迭代次数小于所述最大迭代次数，则利用所述更新公式对所述当前种群进行收缩爆炸，产生新种群，并计算获取所述新种群中的每个碎片解的目标函数值；其中，所述新种群包含所述种群规模的碎片解；

合并模块，用于合并所述当前种群和所述新种群，构成包含两倍所述种群规模的碎片解的组合种群，并确定所述组合种群中的第二非支配集；

更新模块，用于更新所述第二非支配集，形成包含所述种群规模的碎片解的下一代种群，并将所述下一代种群作为所述当前种群，执行所述判断所述当前种群对应的迭代次数是否小于所述最大迭代次数的步骤；其中，所述下一代种群的对应的迭代次数为所述当前种群对应的迭代次数加1；

输出模块，用于若所述当前种群对应的迭代次数不小于所述最大迭代次数，则输出所述第一非支配集或所述第二非支配集中的最优非支配解。