[发明专利]基于混合人工智能的主动配电网动态拓扑重构方法

摘要

本发明公开了一种基于混合人工智能的主动配电网动态拓扑重构方法，采用多种改进的人工智能方法对于求解进行优化，可以综合各种算法的优越性，同时在结合各优化算法的过程中对各人工智能算法本身进行改进，进一步提高算法的收敛性，避免陷入局部最优解等弊端，优化过程综合了三种目标函数，兼顾了三种不同的优化目标，求得对应的Pareto最优解集，由于开关操作次数、供电量等指标的度量并不一致，为了建立统一的度量模型，将这些指标全部按照各自的折算关系换算成损失指标，最后提出动态层次分析法对Pareto最优解集中的解进行决策，得到代表着最优配电网结构的最优解。

主权项

基于混合人工智能的主动配电网动态拓扑重构方法，其特征在于：包括以下步骤：（1）确定配电网的支路数目，支路数目作为生成树的边数，同时确定所有生成树的边与所有支路的一一对应顺序；（2）产生粒子的初始种群，每个智能体代表一个粒子，所有智能体处于一个LSIZE×LSIZE的网格环境中；（3）利用Prim算法生成每个智能体对应的最小生成树；（4）对每个最小生成树相同结构的配电网采用电力系统中的牛顿拉夫逊潮流计算方法进行潮流计算；（5）根据步骤（3）得到的最小生成树结构和步骤（4）的潮流计算结果计算目标函数，得到每个智能体的对应于所有目标函数的能量，形成每个智能体的能量向量；（6）根据擂台赛法则构造智能体种群的非支配集，即Pareto最优解集；（7）对不在Pareto最优解集中的智能体进行竞争操作，得到赢家智能体集合和输家智能体集合；（8）对步骤（7）中得到的输家智能体集合中的智能体采用混沌粒子群算法修改其位置向量；（9）判断是否达到迭代次数，如果达到迭代次数，输出最终的Pareto最优解集，否则返回步骤（3）继续下一次迭代计算；（10）对步骤（9）中达到迭代次数后输出的Pareto最优解集进行动态层次分析法分析，得到代表最优配电网拓扑结构的唯一最优解。