[发明专利]一种基于拓扑降解的复杂配电网PQM优化方法

权利要求书

1.一种基于拓扑降解的复杂配电网PQM优化方法，其特征在于：简化复杂网络拓扑，将复杂配电网划分为几个独立的小型子网，基于降解后的网络拓扑实现对PQM的优化配置，具体实现步骤如下，

步骤1、给定配电网线路图，将其转化为节点与线路的网络拓扑图，降解拓扑结构，包括拓扑简化过程和拓扑划分过程，

所述拓扑简化过程，包括基于节点消去法将无分支节点消去，得到简化后的网络拓扑图；

所述拓扑划分过程，包括基于树搜索思想的网络转化过程和基于TLBO的最优拓扑划分过程；

步骤2、对于划分后的子网，进行PQM优化配置，包括PQM配置模型的构建过程和基于TLBO的优化配置求解过程；

所述基于树搜索思想的网络转化过程包括网络转化树形图过程和树的均衡偏差δ计算过程,其中，网络转化树形图过程包括：

步骤1、电力网络拓扑图由节点与线路以一定的连接方式连接而成具有层次结构的集合；树状图是由有限结点和树枝组成一个具有层次关系的集合；电力的传输将电能由电力网母线传输给母线连接的各个分支线路，这与树有相似的层次结构；因此将网络节点当作树的结点，线路即为树的树枝；

步骤2、将树结点和树枝连接起来形成树状图；

均衡偏差δ计算过程包括：

步骤1、针对所得的树形图，对各树枝进行编码；

步骤2、设每棵树的节点度的和为S，树的深度的和为D；在m棵树的集合中，用每棵树的节点度的和S、树的深度的和D，以及该集合中两个量的平均值计算出树的均衡偏差δ，即

所述基于TLBO的最优拓扑划分过程，包括以下步骤，

步骤1、设X为树形图划分位置集合，用X_i取值1或0分别表示是否在树枝i处对网络进行划分，为使网络划分均匀，建立拓扑划分模型f(X)＝min{δ}；

步骤2、基于拓扑划分模型，利用TLBO算法进行求解，TLBO算法求解过程包括以下步骤，

a)随机初始化树形图划分位置集合X并设置算法结束条件即训练次数，产生多组向量进行训练；

b)确定树形图划分位置集合X中最优的个体，将其定为老师，并计算X的均值X_mean，以及树形图划分位置集合X中最优的个体和均值X_mean之间的差异，即，

X_teacher＝X_best

Difference＝X_teacher-X_mean

c)进行教学过程，每个个体根据X_teacher和X_mean间差异进行学习，即，

d)对其进行择优更新，即，

e)进行学习过程，即每个个体随机选择一个学习对象X^j学习，即，

f)对其进行择优更新，即，

g)判断此时能否满足设定的算法结束条件，如果满足，输出最优个体，如果不满足，则继续循环步骤c-g；得到的最优个体即为网络拓扑最佳划分位置集合，将给定的复杂网络降解为几个独立的子网；

所述PQM配置模型的构建过程，包括系统不明确指数的计算过程和多目标模型的确立过程；

所述系统不明确指数的计算过程包括通过系统总体不明确指数λ_STA、局部最大不明确指数λ_SMA、以及确定平均不明确指数λ_SAA，以衡量系统的可监测程度，其计算过程如下：

式中λ_STA为系统总体不明确指数，λ_SMA为局部最大不明确指数，ND_i为区域i中未被监测的线路条数，N_i为节点i上连接的支路条数，由于监测器的设置，网络会被分为若干个区域，n为该系统配置PQM后的区域个数；

所述多目标模型的确立过程包括使得平均不明确指数λ_SAA和PQM数量N为最小，具体包括，设L为PQM安装位置集合，用L_i取值1或0分别表示是否在树枝i处安装，为使监测效果最佳，建立多目标模型f(L)＝min{λ_SAA,N}；

所述基于TLBO的优化配置求解过程包括利用TLBO算法求解PQM配置的多目标模型f(L)＝min{λ_SAA,N}，其具体步骤如下，

a)随机初始化PQM安装位置集合L并设置算法结束条件即训练次数，产生多组向量进行训练；

b)确定PQM安装位置集合L中最优的个体，将其定为老师，并计算L的均值L_mean，以及PQM安装位置集合L中最优的个体和均值L_mean之间差异，即，

L_teacher＝L_best

Difference＝L_teacher-L_mean

c)进行教学过程，每个个体根据L_teacher和L_mean间差异进行学习，即，

d)对其进行择优更新，即，

e)进行学习过程，即每个个体随机选择一个学习对象L^j学习，即，

f)对其进行择优更新，即，

g)判断此时能否满足设定的算法结束条件，如果满足，输出最优个体，如果不满足，则继续循环步骤c-g；

得到的最优个体即为网络安装PQM最佳位置集合。