[发明专利]一种采用基于无向生成树的并行遗传算法的配网重构方法

摘要

本发明涉及一种采用基于无向生成树的并行遗传算法的配网重构方法，包括步骤获取参数；进行蒙特卡洛模拟采样；随机产生拓扑可行的初始种群，设迭代次数n的初值为1；进行潮流计算；计算目标函数值，判断是否满足约束条件，若否则返回步骤重新产生初始种群，若是则对现有种群分为多个子种群进行并行遗传操作；产生一个1～Nsub的随机排列P＝[p1,p2,…,pNsub]，建立目标子种群i与源子种群pi间的映射关系；将各个目标子种群的最差个体替换为相应的源子种群的最优个体；判断迭代次数n是否达到要求，若否，则迭代次数n增加1，返回进行潮流计算，若是，则输出配电网重构方案。与现有技术相比，本发明具有计算效率高、整合性强、紧密结合实际等优点。

主权项

一种采用基于无向生成树的并行遗传算法的配网重构方法，其特征在于，该方法包括下列步骤：(1)获取配网参数、风机和光伏参数以及并行遗传算法参数；(2)根据步骤(1)中获取的参数对风速、辐射强度和负荷进行基于拉丁超立方的蒙特卡洛模拟采样；(3)随机产生包含Nind个拓扑可行的染色体的初始种群作为目标种群，并设置迭代次数n的初值为1；(4)根据步骤(2)中得到的采样值，对目标种群中的每个染色体所对应的网络拓扑进行潮流计算，得到系统网损期望、节点电压及支路潮流越限概率；(5)根据步骤(4)中潮流计算得到的结果计算目标函数值，判断是否满足约束条件，若是则进入步骤(6)，若否则返回步骤(3)；(6)对现有种群分为多个子种群，进行基于无向生成树的并行遗传操作，得到多个目标子种群；(7)产生一个1～Nsub的随机排列P＝[p1,p2,…,pNsub]，建立目标子种群i与源子种群pi间的映射关系；(8)将各个目标子种群的最差个体替换为相应的源子种群的最优个体，合并各个目标子种群作为目标种群；(9)判断迭代次数n是否达到要求，若是，则进入步骤(10)，若否，则迭代次数n增加1，返回步骤(4)；(10)根据得到的目标种群输出配电网重构方案。