[发明专利]基于教学和粒子群算法的主动配电网智能混合重构方法

权利要求书

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P_i和全局最优解P_g；

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P_i和全局最优解P_g；

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，N_branch为网络边的数量；I_b为b支路的电流；R_b为b支路的电阻；k_b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：

式中，Vel_i^k是粒子的速度；X_i^k是粒子的位置；P_i^k是个体最优值数组；P_g^k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：

T_F＝round[1+r_i]

如果f(X_new)<f(X_old)，用X_new代替X_old，否侧X_new＝X_old，X_new为教学阶段产生的新个体；X_old为原来的个体

式中，T_F是一个因子，可取1或2；为最好个体；r_i为为(0,1)区间内的随机数；M_i为个体的均值；

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：

For i＝1:nsw

随机选择X_j且i≠j

若f(X_i)<f(X_j)

X_new,i＝X_old,i+r_i(X_i-X_j)

否则

X_new,i＝X_old,i+r_i(X_j–X_i)

end

如果f(X_new)<f(X_old)，用X_new代替X_old，否侧X_new＝X_old；

式中，r_i为0到1之间的随机数，X_new为学习阶段产生的新个体；X_old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。