[发明专利]基于分布式计算平台的超大规模输电网络扩展规划方法

权利要求书

1.基于分布式计算平台的超大规模输电网络扩展规划方法，其特征在于，具体按照以下步骤实施：

S1，初始化：将电网规划问题转化为具体的数学模型，进行参数设定并输入每个粒子的初始化信息，初始化信息包括每个粒子的速度信息、位置信息、个体最优适应度值、个体最优适应度值的位置、全局最优适应度值以及全局最优适应度值的位置；

数学模型为电网规划优化的适应度函数，如式(1)所示；

式(1)中，f(x)为新建路线的投资总额，即适应度值，网络连通时f(x)由3部分组成：网络投资，其中A_i为支路i的投资(万元/回)，x_i为走廊i上新架线回数；网损，其中t为系统等效运行时间(小时/年)，B为网损电价(万元/度)，e_i为走廊i上的已有支路数，I_i为线路i上电流(kA)，r_i为线路电阻(Ω)，m为允许架线的走廊数；过负荷的惩罚项，是加到目标函数上的过负荷约束条件，p是电网节点的有功注入功率向量，p_i^max为线路i上允许的最大有功潮流，U为惩罚因子；网络不连通时直接给f(x)赋予一罚值W，罚值W为惩罚因子U的10倍；

S2，粗粒度推测并行：基于分布式计算平台并发执行确定任务和推测任务，其中确定任务是基于当前粒子的位置和速度计算的，推测任务是根据拓扑结构生成推测粒子信息，针对种群中更新的n个粒子分别生成的n个非推测任务；

S3：规划结果输出。

2.根据权利要求1所述的基于分布式计算平台的超大规模输电网络扩展规划方法，其特征在于，所述步骤S2中，具体步骤如下：

S201，主任务执行：更新粒子速度v_t和位置x_t分别如式(2)及式(3)所示；

v_t+1＝fix(ωv_t+c₁rand1()(Pb_t-x_t)+c₂rand2()(Gb_t-x_t))        (2)

x_t+1＝x_t+v_t+1              (3)

式(2)及式(3)中，fix()是取整函数，非负惯性权重ω表示上一轮迭代的粒子速度对当前粒子速度的影响；c₁和c₂为加速度常数，分别调节向个体最优适应度值Pbt的所在位置和全局最优适应度值Gbt的所在位置方向飞行的最大步长；rand1()和rand2()为均匀分布于[0,1]之间的随机数，用以增加子飞行的随机性；

S202，值预测：根据拓扑结构生成推测粒子信息，用以生成供推测任务独立执行的输入值；

具体步骤为：粒子的初始化以及根据当前解空间拓扑结构和粒子飞行轨迹，推测有可能下一轮飞行中粒子可能出现的点，进而生成推测粒子的信息；

S203，确定任务执行，即每个任务将根据当前粒子的位置和速度，计算粒子所表示的网络的潮流，再计算粒子的各自投资，根据潮流结果计算网损及过负荷惩罚值，进而求出各粒子的适应度值f(x)，在适应度值计算结束后，更新局部最优适应度值及其位置和个体最优适应度值及其位置；

S204，推测激发：用以激发推测任务，设置顺序激发策略，对并发参数进行设置，以保证确定任务和推测任务可以并发地在分布式计算上执行，包括参数设置和推测任务激发策略的选择，以及激发相应推测任务；

S205，推测并行：在收到推测粒子信息后，将预测值作为输入提供给推测任务，供推测任务同时执行；

S206：结果选择，即推测匹配验证，选择预测正确的粒子；

S207：结果更新，在步骤S206选择出正确的推测任务所对应的执行结果后，对该执行结果的粒子局部最优适应度值进行更新；

SQ：判断是否达到迭代条件，即判断是否达到最大迭代次数，或者已经得到最优解，如果是，则进入下一步骤，如果否，则返回继续进行下一轮迭代运算循环；循环终止的条件包括：达到最大迭代次数Tmax；计算精度达到所设置的值ε；所求最优解最大停滞步数Δt满足最小适应度阈值。