[发明专利]一种放松管制环境下分布式发电投资及配网规划优化方法

权利要求书

1.一种放松管制环境下分布式发电投资及配网规划优化方法，包括模型构建和改进的多目标混合蛙跳算法，其特征在于：所述改进的多目标混合蛙跳算法包括混合蛙跳算法机理及步骤，所述混合蛙跳算法是一种新型的基于全局协同搜索的启发式群体进化算法，通过启发函数进行启发式搜索，从而找到组合优化问题的解，所述混合蛙跳算法包含的参数主要包括：F，蛙群的数量；m，种群的数量；n，种群中青蛙的数量；Smax，最大允许跳动步长；Px，全局最优解；Pb，局部最优解；Pw，局部最差解；q，子群中青蛙的数量；LS，局部元进化次数；SF，全局思想交流次数，所述标准蛙跳算法的步骤如下所示：

S0、初始化：在可行域内随机生成一个初始青蛙种群F，确定m和n，即整个种群中青蛙的数量F＝m×n；

S1、生成一个虚拟种群：在可行解空间生成F个青蛙U(1)，U(2)，……，U(F)，其中n为维变量，每一个青蛙在优化问题中表示解空间的一个候选解，第i个青蛙在n维空间中的坐标为U(i)＝(Ui1，Ui2，…，Uin)，计算出的U(i)的性能用f(i)表示；

S2、对青蛙划分等级：将F只青蛙按照性能好坏进行降序排列，生成数组X＝{U(i)，f(i)，i＝1，2，…，F}，i＝1表示这只青蛙的位置(性能)最好，记录下种群中最好青蛙的位置Px＝U(1)；

S3、对青蛙进行分组：分别放入不同的memeplex，将数组X分成m个memeplex:Y1，Y2，…，Ym，每个memeplex中有n只青蛙，即Yk＝[U(j)k，f(j)k∣U(j)k＝U(k+m(j-1))，f(j)k＝f(k+m(j-1))，j＝1，…，n]，其中k＝1，2，…，m；

S4、每组memeplex执行memetic进化：在每个种群中，每只青蛙都会受到其他青蛙的影响，通过memetic进化，使得每只青蛙朝着目标位置逐步逼近；

S5、青蛙在种群间跳跃移动：在每个memeplex中执行了一定的memetic进化后，将各个子群Y1，Y2，…，Ym合并到X，即X＝{Yk，k＝1，2，…，m}并对X重新进行降序排列，并更新种群中最好的青蛙Pg；

S6、终止条件：如果满足迭代终止条件，则停止搜索，否则重新执行step3，一般情况下，当执行了一定次数的循环进化后，代表最好解的青蛙不再发生变化时算法即停止，也可以通过定义最大的进化次数作为算法终止的标准。

2.根据权利要求1所述的一种放松管制环境下分布式发电投资及配网规划优化方法，其特征在于：所述S4的进化步骤包括：

S4-0、设im＝0，im表示对memeplex的计数，在0到m之间变化，与memeplex的数量m比较，设iN＝0，iN表示进化次数，与每个memeplex中允许的最大进化次数N比较，在每个memeplex中，Pb和Pw分别表示性能最好和最坏的青蛙，Pg表示整个种群中最好的青蛙，子种群每次进化只能改善最坏青蛙Pw的位置，并不能改善全局最差青蛙；

S4-1、im＝im+1；

S4-2、iN＝iN+1；

S4-3、调整最坏青蛙的位置，调整方法为：青蛙移动的距离Di＝rand()*(Pb-Pw)(14)，新的位置Pw＝Pw+Di，(Dmax≥Di≥-Dmax)(15)，其中rand()是0到1之间的随机数，Dmax为允许青蛙移动的最大距离；

S4-4、如果执行上述操作能够获得一个更好位置的青蛙，即能够产生一个更好的解，那么就用新位置的青蛙取代原来的青蛙，否则，就用Pg代替Pb，重复上述过程；

S4-5、如果上述方法仍不能生成更好位置的青蛙，那么就随机生成一个新解取代原来最坏位置的青蛙Pw；

S4-6、如果iN＜N，那么执行4-2；

S4-7、如果im＜m，那么执行4-1，否则青蛙跳跃，重新执行全局搜索。

3.根据权利要求1所述的一种放松管制环境下分布式发电投资及配网规划优化方法，其特征在于：所述模型构建包括目标函数、约束条件和不确定性处理。

4.根据权利要求3所述的一种放松管制环境下分布式发电投资及配网规划优化方法，其特征在于：所述约束条件包括常规约束和排放约束。

5.根据权利要求3所述的一种放松管制环境下分布式发电投资及配网规划优化方法，其特征在于：所述不确定性处理包括风电机组发电不确定性处理与市场需求和电机不确定性处理。