[发明专利]基于高维多目标演化算法的配电网重构方法、装置及设备

权利要求书

1.一种基于高维多目标演化算法的配电网重构方法，其特征在于，包括：

确定与配电网对应的配电网多目标重构模型；

利用高维多目标演化算法对所述配电网多目标重构模型进行求解得到多个优质解；

以预定义规则从各所述优质解中选取最优解；

其中，所述利用高维多目标演化算法对所述配电网多目标重构模型进行求解得到多个优质解包括：

对所述配电网多目标重构模型进行初始化得到初始种群；

对所述初始种群中的个体进行交叉和变异以得到子代种群；

将所述子代种群与所述初始种群进行合并得到新一代种群；

从所述新一代种群中选取目标解并加入到下一代种群，直到得到与所述配电网多目标重构模型对应的多个优质解；

所述以预定义规则从各所述优质解中选取最优解包括：

确定各所述优质解与每个优化目标函数对应的目标方程的最大值和最小值；

根据各所述优质解的各最大值和各所述优质解的各最小值确定与各所述优质解对应的最大值点和最小值点；

对与所述最大值点和所述最小值点对应的各所述目标方程组成的目标向量进行归一化；

将经过所述归一化的目标向量对应的目标值进行累加得到累加目标值；

从各所述累加目标值中选取最小目标值，并将所述最小目标值对应的优质解作为所述最优解；

或，所述以预定义规则从各所述优质解中选取最优解包括：

从各所述优质解中选取满足与所述配电网对应的最小有功网损的优质解作为所述最优解。

2.根据权利要求1所述的基于高维多目标演化算法的配电网重构方法，其特征在于，所述确定与配电网对应的配电网多目标重构模型包括：

确定与所述配电网对应的优化目标函数和约束条件；

根据所述优化目标函数和所述约束条件确定所述配电网多目标重构模型；

其中，所述优化目标函数包括：与所述配电网对应的最小有功网损、与所述配电网对应的最小电压偏移和与所述配电网对应的最小开关操作次数；

所述约束条件包括：所述配电网中负载节点的电压约束、所述配电网中支路负载约束和所述配电网的网络拓扑约束。

3.根据权利要求1所述的基于高维多目标演化算法的配电网重构方法，其特征在于，所述对所述配电网多目标重构模型进行初始化得到初始种群包括：

对所述配电网中的联络开关和与所述联络开关对应的分段开关进行混合编码；

从经所述混合编码后的联络开关和经所述混合编码后的与所述联络开关对应的分段开关中，选取满足所述配电网多目标重构模型的联络开关和与满足所述配电网多目标重构模型的联络开关对应的分段开关；

将满足所述配电网多目标重构模型的联络开关的开关状态和与满足所述配电网多目标重构模型的联络开关对应的分段开关的开关状态作为个体以构成所述初始种群。

4.根据权利要求3所述的基于高维多目标演化算法的配电网重构方法，其特征在于，所述对所述配电网中的联络开关和与所述联络开关对应的分段开关进行混合编码包括：

对所述配电网中的联络开关进行二进制编码，并将经所述二进制编码后的联络开关作为第一基因；

对与所述配电网中的联络开关对应的分段开关进行整数编码，并将经所述整数编码后的分段开关作为第二基因。

5.根据权利要求4所述的基于高维多目标演化算法的配电网重构方法，其特征在于，所述对所述初始种群中的个体进行交叉和变异以得到子代种群包括：

预先设定交叉概率和变异概率；

随机产生与所述初始种群中的每个个体对应的第一随机数和第二随机数；

判断所述第一随机数是否小于所述交叉概率；

若小于所述交叉概率，则从所述初始种群中选取任意一个解，判断所述第二随机数是否小于所述变异概率；

若小于所述变异概率，则对任意一个所述解进行变异；

将变异后的任意一个所述解对应的第一基因的数值作为新解的第一基因的数值，和任意一个所述解对应的第二基因的数值作为所述新解的第二基因的数值；

若大于所述交叉概率，则将所述第一随机数作为所述新解；

将得到的所述新解作为新的个体以组成所述子代种群。