[发明专利]基于多目标改进粒子群算法的配电网网架重构方法

摘要

本发明涉及一种基于多目标改进粒子群算法的配电网网架重构方法，包含以下步骤：采集全网原始数据，进行初始化处理，得到初始化粒子；将初始化粒子进行筛选处理，得到惩罚修正粒子和一级粒子；将一级粒子进行安全性约束处理，得到二级粒子；将惩罚修正粒子和二级粒子处理得到更新粒子；将更新粒子处理得到交叉粒子；将粒子进行指数递减的惯性权重改进，并改进粒子的速度计算方法；对交叉粒子进行变异操作得到变异粒子，循环至迭代次数或扰动次数达到最大值，得到最优解。本发明粒子群算法，使计算速度大幅提高，更短时间得到更高的收敛精度；减少了得到最优解的时间，大幅降低了决策的各项成本。

主权项

1.基于多目标改进粒子群算法的配电网网架重构方法，其特征在于：包含以下步骤：/nS100.采集全网原始数据，进行初始化处理，得到一组的基于随机生成的初始化粒子并输出；/nS200.将各初始化粒子逐一进行筛选处理，判断每个粒子是否连通，并根据结果做出如下操作：/n如果当前被判断的粒子不连通，则将其适应度设为惩罚因子，得到惩罚修正粒子并输出；/n或，/n如果当前被判断的粒子连通，则判断每个粒子是否过载，并根据结果做出如下操作：/n如果当前粒子过载，则将其适应度设为惩罚因子，得到惩罚修正粒子并输出；/n或，/n如果当前粒子不过载，则直接将其作为一级粒子其输出；/nS300.将来自S200的筛选得到的一级粒子逐一进行安全性约束处理，判断每个粒子是否满足“N-1”安全性约束，并根据结果做出如下操作：/n如果当前被判断的粒子不满足“N-1”安全性约束，则将其适应度设为过负荷量乘以惩罚因子，得到惩罚修正粒子并输出；/n或，/n如果当前被判断粒子满足“N-1”安全性约束，则对该粒子进行潮流计算操作，然后计算投资费用、网损费用和阻塞费用，得到二级粒子并输出；/nS400.逐一将惩罚修正粒子和二级粒子的个体极值提取出来，并和当前的全局极值根据预设条件进行对比，并根据对比结果做出如下操作：/n如果当前被判断的粒子的个体极值优于当前的全局极值，则将此个体极值作为新的全局极值，并更新至全网络共享；/n或，/n如果当前被判断的粒子的个体极值劣于当前的全局极值，则用全局极值替换此粒子的个体极值，并将此粒子作为更新粒子输出；/nS500.将更新粒子作为父代个体，进行交叉操作，得到为子代个体；将父代个体和子代个体根据预设的条件进行对比，并根据比较对比结果做出如下操作：/n如果子代个体优于父代个体，则将该子代个体标定为交叉粒子，并输出到变异操作；/n或，/n如果子代个体劣于父代个体，则将该父代个体标定为交叉粒子，并输出到变异操作；/n所述交叉操作中的交叉概率设为q_c，q_c的值由人工预设在所述交叉操作中；/nS600.变异操作对交叉粒子进行变异操作后得到变异粒子，并输出到权重优化操作；/nS700.权重优化操作接收来自S600的变异粒子，将变异粒子进行指数递减的惯性权重改进，以解决计算准确度和解决迭代过程中变异粒子一旦陷入局部最优而难以跳出的问题，按下式计算：/n /n其中，w_start为惯性权重的初始值，w_end为惯性权重的终止值，t为当前的迭代次数，k为用来控制w随迭代次数t变化曲线的平滑程度的控制因子，t_max为预设的最大迭代次数；/n变异粒子改进过后的速度公式按下式计算：/n /n其中，v_id为粒子的速度，c₁和c₂为学习因子，r₁和r₂为均匀随机数，P_id^t为粒子个体极值，P_gd^t为粒子全局极值；/nS800.判断迭代次数或扰动次数是否已达到预设的最大迭代次数或最大扰动次数，并根据判断结果做出如下操作：/n如果当前迭代次数或扰动次数都尚未达到预设的最大迭代次数或最大扰动次数，则将变异粒子标定为初始化粒子，并输入到S200中的筛选处理的输入端，重复S200到S500的处理步骤；/n或，/n如果当前迭代次数或扰动次数中有至少1个达到了预设最大值，则将当前的个体极值作为最优解输出。/n