并对每个最小环内的开关进行编号；所述编号为配网重 构的可行解对应的编码在该维度上的数值；
[0060] 若随机生成的粒子群不满足约束条件，则重新生成。
[0061] 本实施例中，选取IEEE 33节点作为配网算例；
[0062] 当IEEE 33节点所有联络开关闭合时，出现5个最小环，如图2所示。每个粒子即 为一个5维向量，第i维向量上的数值代表了第i个最小换开断编号为该数值的开关。这 种编码方式保证了约束条件(6)的成立，在检验网络辐射型的过程中，只需检验约束（7)。 在初始化的过程中，若随机生成的粒子不满足其他约束条件，则重新生成该粒子。
[0063] (4)计算各粒子的适应度，更新各粒子的位置和速度；所述步骤（4)中的粒子适用 度为该粒子对应的网络结构中网损的相反数；适用度越大则粒子越优。
[0064] 所述步骤（4)中更新各粒子的位置和速度包括：
[0065] V = w · v+cl · cor+c2 · rand · (pbest-present)+c3 · rand · (gbest-present) (8)
[0066] present = present+v (9)
[0067] 其中，v为粒子速度，w为惯性权重，cor为场景库中适用度对于粒子各维度的皮尔 森相关系数，present为当前粒子的位置，pbest为个体粒子最优值，gbest为粒子群的全局 最优值；rand为介于（0, 1)之间的随机数；cl、c2和c3皆为学习因子。
[0068] 所述皮尔森相关系数表达式如下式所示：
[0070] 式（10)中，G和L分别为维度为T的两个向量；G为场景库中由所有粒子适应度构 成的函数向量，L为所有粒子位置在各个维度上的值构成的向量；
[0071] 粒子更新过程中，若出现不满足约束条件（2)-(7)的粒子，则根据式（8)和式（9) 重新生成该粒子的速度和位置。
[0072] (5)优化场景库；若达到结束条件则更新结束，否则返回步骤（4)。
[0073] 实施例为：若迭代次数达到100次，则优化结束；否则回到步骤（4)。
[0074] 所述步骤（5)中优化场景库包括，若所述各粒子的当前位置在场景库中没有出 现，则将该粒子当前位置以及相应适应度添加至场景库；
[0075] 将各粒子的适应度与该粒子的历史最优值作比较，若优于历史最优值，则将其作 为个体最优值；
[0076] 将各粒子的个体最优值与全局最优值进行比较，若优于全局最优值，则更新全局 最优值，包括位置和速度。
[0077] 经过优化，得到最优网络结构如图3所示。分别将该优化过程与采用改进前的粒 子群优化运行20次，每次进行100轮迭代，将迭代过程中的目标函数取平均值，获得收敛曲 线的比较如图4所示。改进前后的粒子群优化在求解配网重构问题中表现出的性能的比较 如下表所示：
[0078] 重构前后不同结构运行状况对比
[0080] 从表中可以看出，改进后的粒子群算法在解决IEEE-33节点系统重构问题中，寻 优能力和收敛性得到一定提升，寻优时间变短，计算效率得到大大提高。
[0081] 最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽 管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然 可以对本发明的【具体实施方式】进行修改或者等同替换，而未脱离本发明精神和范围的任何 修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
【主权项】
1. 一种基于改进粒子群算法的配网重构方法，其特征在于，所述方法包括： (1) 建立以网损最小化为目标的配电网重构模型； (2) 构建场景库，用于存放粒子；所述场景库中的每个粒子对应一个配电网重构模型； (3) 随机生成粒子群，采用编码方式对各粒子进行定位； (4) 计算各粒子的适应度，更新各粒子的位置和速度； (5) 优化场景库；若达到结束条件则更新结束，否则返回步骤（4)。2. 如权利要求1所述的方法，其特征在于，所述步骤（1)中，以网损最小化为目标的配 电网重构模型为： 7=1其中，式⑴为优化目标，式⑵和式⑶为潮流约束；式⑷为节点电压约束；式 (5)为线路电流约束；式（6)和式（7)共同构成网络的辐射型约束；其中，Nc为闭合支路集 合，PiUm为支路k的有功损耗，Pk、QjPV及别为支路k首端有功、无功功率和电压幅值； /T' 6和片分别为节点i处配网注入的有功功率，分布式电源注入有功功率和负荷有功 功率，钇和g分别为节点i处配网注入的无功功率、分布式电源注入无功功率和负 荷无功功率；和Viniax分别为节点i处的电压幅值，电压幅值下限和电压幅值上限；Ik 为支路k经过的电流，Ik_为支路k电流上限；Nbus为网络节点数，Nlira为网络支路数;A'为 网络的邻接矩阵，E为NBus阶单位矩阵。3. 如权利要求1或2所述的方法，其特征在于，所述步骤（3)中采用编码方式对各粒子 进行定位包括；闭合所有联络线开关，获取与联络线开关数量相等的最小环，每个最小环对 应编码的一个维度；并对每个最小环内的开关进行编号；所述编号为配网重构的可行解对 应的编码在该维度上的数值； 若随机生成的粒子群不满足约束条件，则重新生成。4. 如权利要求1所述的方法，其特征在于，所述步骤（4)中的粒子适用度为该粒子对应 的网络结构中网损的相反数；适用度越大则粒子越优。5. 如权利要求1所述的方法，其特征在于，所述步骤（4)中更新各粒子的位置和速度包 括： v=w?v+cl?cor+c2 ?rand? (pbest-present)+c3 ?rand? (gbest-present) (8) present=present+v (9) 其中，v为粒子速度，w为惯性权重，cor为场景库中适用度对于粒子各维度的皮尔森相 关系数，present为当前粒子的位置，pbest为个体粒子最优值，gbest为粒子群的全局最优 值；rand为介于（0，1)之间的随机数；cl、c2和c3皆为学习因子。6. 如权利要求5所述的方法，其特征在于，所述皮尔森相关系数表达式如下式所示：式（10)中，G和L分别为维度为T的两个向量；G为场景库中由所有粒子适应度构成的 函数向量，L为所有粒子位置在各个维度上的值构成的向量； 粒子更新过程中，若出现不满足约束条件（2)-(7)的粒子，则根据式（8)和式（9)重新 生成该粒子的速度和位置。7. 如权利要求1所述的方法，其特征在于，所述步骤（5)中优化场景库包括，若所述 各粒子的当前位置在场景库中没有出现，则将该粒子当前位置以及相应适应度添加至场景 库； 将各粒子的适应度与该粒子的历史最优值作比较，若优于历史最优值，则将其作为个 体最优值；将各粒子的个体最优值与全局最优值进行比较，若优于全局最优值，则更新全局 最优值，包括位置和速度。
【专利摘要】本发明公开了一种基于改进粒子群算法的配网重构方法，包括：建立以网损最小化为目标的配电网重构模型；构建场景库，用于存放粒子；所述场景库中的每个粒子对应一个配电网重构模型；随机生成粒子群，采用编码方式对各粒子进行定位；计算各粒子的适应度，更新各粒子的位置和速度；优化场景库；若达到结束条件则更新结束，否则返回步骤(4)；通过该粒子群优化算法，提高了计算的利用度和算法寻优能力，从而有效地解决了以减小网损为目标的配网重构问题。
【IPC分类】G06N3/00, H02J3/00, G06F17/50
【公开号】CN105117517
【申请号】CN201510450305
【发明人】刘科研, 何开元, 贾东梨, 胡丽娟, 叶学顺, 刁赢龙, 唐建岗, 朱俊澎, 宋杉, 顾伟, 聂颖惠
【申请人】中国电力科学研究院, 国家电网公司, 国网北京市电力公司
【公开日】2015年12月2日
【申请日】2015年7月28日