[发明专利]一种基于多目标蚁群算法的微电网负荷分配方法

权利要求书

1.一种基于多目标蚁群算法的微电网负荷分配方法，其特征在于：所述方法的具体步骤如下：

Step1：输入微电网中微电源的输入功率函数以及负荷，构造出微电网中微电源的输出功率数学模型；

Step2：利用各微电源在负荷分配功率上计算功率差，判断是否和大电网有交易，若存在为并网模型，若不存在为孤岛模型，然后分别在并网模型和孤岛模型中列出目标函数；

Step3：根据蚁群算法设计微电网负荷分配的实现；

所述Step3的具体步骤如下：

Step3.1：初始化信息

在进行首次搜索前，需要为微电网模型初始化信息值，定义从当前节点向下一个状态转移的初始化信息素值如式(3-1)：

F_lab-P_s(t_h)代表任一节点a在时段t_h内，目标P_i所对应的向下一节点状态转移的信息素值，|R_k|代表节点P的邻接节点的数目；

Step3.2：求解路径转移概率

定义一个总体蚂蚁个数为S的群体，设在搜索过程中第k只蚂蚁，在目前的节点P转移到下一个节点时态时，选择概率的大小是根据在时间段里微电源的发电状况以及用户端的使用情况来定义的，具体表达式为(3-2)

在确定转移状态时移动到节点时，确定该微电源的分配功率选择概率是根据时段t_h的各路段上各目标的推荐功率来定义的；

其中，L代表优化的目标数目，代表了在时间段t_h从节点a到b+m状态的目标1所对应的信息素，a(b+m)_(th)代表了在时间段t_h从节点a到b+m状态所对应的启发信息，代表了时段t_h在线路时ab，目标1对应的推荐功率为p时的信息素值，若α代表在搜索过程中，蚁群对于信息素权重的大小，β代表搜索过程中，蚁群对于启发信息的权重大小；代表了第k只蚂蚁对于第1个目标的搜索偏好，搜索偏好满足条件：

Step3.3：搜索负荷分配方案：

设第k只蚂蚁从起点i在时刻t₀出发进行搜索，到达目的地j，设任意节点的邻接节点集为R_a,从节点a处向节点b移动的转移概率为根据转移概率的大小，利用轮盘赌的方式选择下一步转移状态；

当采用轮盘赌的方式选择从与前点a向下一节点b进行转移时，为该路段推荐分配方式，仍采用转移概率的方法，定义从点a点到b的各个分配功率选择概率推荐功率从最小功率到最大功率，再采用轮盘赌的方式决定路段I,节点q的推荐发电分配值；到达节点q后，按上述方法重复在节点p的状态转移和推荐功率，如此反复，直到找到分配值，则该蚂蚁的出行方案包括分配方式和推荐发电功率；

Step3.4：分配方案排序：

发电总成本与输出有效功率作为目标，根据所选目标作为优化目标，然后评价任意两只蚂蚁所对应的分配方案，具体情况分为3种：

第一种：蚂蚁1满足优解，蚂蚁2不满足优解，此时，蚂蚁1的分配方案优于蚂蚁2的分配方案；

第二种：蚂蚁1与蚂蚁2所均满足优解，情况又分为两种：

情况1)：蚂蚁1对应的各目标函数都强于蚂蚁2所对应的各目标，说明蚂蚁1优于蚂蚁2；

情况2)：当蚂蚁1对应的各目标函数并未全部优于蚂蚁2所对应的各目标函数，且蚂蚁2所对应的各目标也并未全部优于蚂蚁1所对应的各目标，说明蚂蚁2与蚂蚁1两种方案处于同等状态；

第三种：蚂蚁1与蚂蚁2对应的分配方案均不满足可行解.此情况下，比较蚂蚁1与蚂蚁2的超过约束限制的值的大小，分为两种情况：

情况1)：蚂蚁1对应分配方案的超限值都不大于蚂蚁2对应分配方案的超限值，并且至少存在一个约束，是蚂蚁1的超限值绝对小于蚂蚁2的超限值，在这种情况下，说明蚂蚁1对应的分配方案能够更少的违反约束限制，说明蚂蚁1优于蚂蚁2；

情况2)：蚂蚁1对应出行行方案的各超限值没有都小于蚂蚁2对应分配方案的各超限值，同时，蚂蚁2对应分配方案的各超限值没有都小于蚂蚁1对应分配方案的各超限值，在这种情况下，说明蚂蚁1所对应分配方案与蚂蚁2所对应的分配方案彼此不能分辩优劣，说明这个蚂蚁的分配方案属于同一类别；

对于所有蚂蚁进行上述评价，计算每个蚂蚁优于其他蚂蚁数目，记为H(k),将所有H(k)值相同的蚂蚁分为一类，共有n组，根据组值进行降序排序；

Step3.5：信息素更新：

首先定义各个蚂蚁对应的信息素更新值，然后为各分配方案的沿途的信息索进行更新信息素更新，定义各个蚂蚁对应的信息素更新值，对于分配方案中排序靠前的解，让该分配方案沿途的信息素值增强幅度大，对于排序靠后的解，让该分配方案沿途的信息素值增强幅度小，设定分配路径信息素更新权重大小为τ，分配路径的每组的权重更新大小为I(i)，

其中在(3-5)中i的取值范围为0—e，e是自然对数的底数。