[发明专利]一种基于改进遗传算法的多目标配电网故障重构方法

权利要求书

1.一种基于改进遗传算法的多目标配电网故障重构方法，其特征在于，包括如下步骤：

步骤一、获取配电网系统的数据，所述数据包括网络的拓扑结构，各支路的阻抗Z，各节点的有功负荷P和无功负荷Q；

步骤二、依据配电网系统的数据并以重构后网络损耗最小与开关动作次数最少为优化目标，建立多目标重构函数，且根据配电网结构特点、支路电压以及功率上下限，给出函数的约束条件；

所述多目标重构函数的建立过程如下：

以网络损耗最小为目标建立重构函数

式中，ΔP为重构后网损；ΔP_ij为支路ij损耗；n为网络节点数量；G为配电网拓扑图；

以开关动作次数最少为目标建立重构函数

式中，N为重构前后状态发生变化的开关数量；DSnum为网络中分段开关数量；TSnum为网络中联络开关数量；

将上述两重构函数加权构成多目标重构函数，

式中，C₁为目标函数minΔP的权重；C₂为目标函数min N的权重，且C₁+C₂＝1(C₁≥0,C₂≥0)；w为开关动作次数缩放比例，w∈(0,1)；

步骤三、通过以多目标重构函数的倒数作为适应度函数和对配电网络开关状态进行编码及初始化算法种群来构建精英保留的自适应遗传算法，并给定所述算法的迭代终止条件；

步骤四、利用所述算法对种群进行选择、交叉和变异操作得到新网络，然后利用前推回代法计算新网络的损耗，并将新网络与操作前网络比对得到开关动作次数，进而通过适应度函数计算适应度值；判断是否满足迭代终止条件，不满足则进行变异、交叉概率自适应更新，再重复上述操作，直到满足终止条件，得到问题最优解；

对种群选择过程为，

(1)进行适应度f与选择概率P(i)计算，然后挑选出这一代最优个体记录其基因与适应度值，将它和上一代中最优秀的个体对比，将两者间更优秀的保存下来；

(2)计算每个个体在该轮轮盘赌中的累积概率P_a(i)，计算公式如下：

(3)随机生成一个数pick，并判断是否pickP_a(i)，若是，则该个体被选中进入下一代，若否，则判断下一个个体，直到有满足条件的个体，重复该操作直到选择的个体数达到种群预设规模，之后用步骤(1)中的最优个体替换新种群的最差个体；

交叉操作采用两点交叉方式，每次交叉操作选取两个染色体，然后随机生成一个数P_pick，判断是否满足交叉概率P_cP_pick，若满足则进行交叉操作：随机确定染色体上两个位置，交换这对染色体这两个位置间的基因，然后检测得到的两个新染色体是否至少有一个可行解，如果不是则重新交叉直到为可行；若不满足则不进行交叉操作；重复上述操作一定次数，重复次数为种群预设规模值；

变异操作为以环路为单位，每次变异关闭环路中一个开关并打开一个开关，保证变异得到的解满足配电网无环路与孤立节点的约束条件，每次变异操作从种群中随机挑选一个染色体，序号为pick，随机生成一个数P_pick，判断是否满足变异概率P_mP_pick，若满足则进行一次变异，然后检测得到的新染色体是否满足约束条件，如果不是则重新变异直到为可行解；若不满足变异概率P_mP_pick，则不进行变异操作，重复上述操作一定次数，重复次数为种群预设规模值；

变异概率P_c、交叉概率P_m的自适应更新公式为：

式中，f_max为种群适应度最大值；f为交叉操作的两个个体中较大的适应度值；f_avg为种群适应度均值；f'为变异操作的个体适应度值；k₁、k₂、k₃、k₄、k₅、k₆为常数，且满足k₁+k₂≤k₃，k₃+k₅≤k₆，k₃≤1，k₆≤1。