1.本发明实施例涉及配电网重构优化技术领域，具体涉及一种基于多目标优化的配电网重构优化方法。
背景技术：
2.随着经济全球化的发展和人民生活水平的不断提高，用电负荷量也在不断的增加，传统资源显得尤为匮乏，在此情况下，以风光新能源为主的分布式电源以其低污染、灵活方便的发电形式在电力网中起着至关重要的作用。近些年来分布式发电迅速发展，在配电网中接入分布式发电已然成为一种主流趋势，但随着分布式电源不断并入电网，使得配电系统负荷需求愈加复杂，同时配电网三相不平衡问题也变得不容忽视，甚至影响电网运行的可靠性和稳定性，导致现有基于配电网的重构优化技术存在以下缺陷：（1）现有的配电网的重构优化方法主要考虑减小网络损耗，未考虑配电网三相不平衡问题，尤其是大规模分布式电源并网之后，更是加剧了三相不平衡的程度，引起三相电压不对称、配电变压器出力下降等诸多问题，会很大程度上影响电网的安全稳定运行；（2）现有的配电网的重构优化方法在算法上用单个时间段的负荷数据去进行整体的优化重构，而在实际应用中，由于系统中各个节点的负荷数据时刻都是在发生变化的，所以同一种最优的网络结构无法满足各个时刻都是最优的情况。
技术实现要素：
3.为此，本发明实施例提供一种基于多目标优化的配电网重构优化方法，以解决现有技术中对于配电网三相不平衡引入的各个节点的负荷数据时刻变化，网络结构无法满足各个时刻都是最优解的问题。
4.为了实现上述目的，本发明的实施方式提供如下技术方案：一种基于多目标优化的配电网重构优化方法，包括以下步骤：步骤100、获取配电网网络损耗数据和电压偏移指数根据电网dg 消纳量最值生成对应的配电网连接模型，得到配电网连接图对应的支路开关数组；步骤200、对配电网重构图中的支路进行二进制编码，使用随机概率下的辐射式配电网络生成算法对集合支路进行初始化；步骤300、采用多目标粒子群算法简化配电网连接模型，获取电网重构图及配电网连接图与配电网重构图的支路对应数组；步骤400、依次对所有集合支路对应的待优化支路初始化以得到内圈粒子群，根据内圈粒子群中粒子对应的断开支路和支路开关数组，在配电网连接模型中将对应的开关打开，生成对应的配电网等值网络；步骤500、在配电网等值网络下重构数学模型更新目标粒子适应度函数值，作为等值网络最优解和支路开关对应数组。
5.作为本发明的一种优选方案，在骤100中，采用配电网系统中网络损耗最小数据、
电压偏移指数最小且电网dg 消纳量最大值作为配电网连接模型基础数据，依据所述基础数据根据配电网中连接节点、导电设备及连接端子之间的关系将配电网等效成对应的连接模型。
6.作为本发明的一种优选方案，将所述连接模型中的连接节点组成节点集，把存在于连接节点间的馈线段和开关等导电设备作为支路开关，以获取整个配电网络任意两个节点之间组成的支路开关数组。
7.作为本发明的一种优选方案，依据所述支路开关数组根据配电网支路负荷情况构建基于支路的目标函数： 其中，为配电网支路总数，为支路的电阻，为支路 的末端电压，为支路的有功功率，为支路 的无功功率，为支路上开关的状态，为0表示断开，为1表示闭合。
8.作为本发明的一种优选方案，依据所述支路的目标函数对支路进行二进制编码判断辐射式配电网络流程，步骤如下：步骤201、对配电网中所有的节点和支路进行编号，读取所有支路的两端节点编号和相应支路上的开关状态；步骤202、统计处于闭合状态的开关数量；步骤203、对配电网络进行连通性判断，删除所有支路开关状态为 0 的支路参数，形成闭合支路参数。
9.作为本发明的一种优选方案，采用多目标粒子群算法优化支路开关数组获取支路最优解，所述多目标粒子群算法步骤如下：步骤301、将支路开关数组元素作为目标粒子，设定目标粒子规模集和外部边缘粒子储备集，利用随机函数随机产生目标粒子的位置和速度，引入随机变量和非负加速因子；步骤302、对每个目标粒子的适应度函数值进行计算，并根据pareto支配关系对计算所得的适应度函数值进行排序，将非劣解保存到外部边缘粒子储备集中，从外部边缘粒子储备集中根据排序最优解选出粒子的全局引导者；步骤303、根据目标粒子的全局引导者不断更新目标粒子的位置和速度，重新计算目标粒子的适应度函数值和pareto支配关系；步骤304、对所述目标粒子的pareto支配关系进行筛选变异，输出最优解集作为支路对应数组。
10.作为本发明的一种优选方案，所述目标粒子的全局引导者通过逐步淘汰策略不断更新目标粒子的位置和速度，具体实现步骤为：步骤2031、对外部储备集中每个粒子的拥挤距离值进行计算，然后按照值的大小进行排序，并删除其中拥挤距离值最小的粒子；步骤2032、重新计算删除后剩余粒子的拥挤距离值，对拥挤距离值进行大小排序
并将拥挤距离最小的粒子删除；步骤2033、重复计算粒子的拥挤距离值，直到得到满足要求的外部边缘粒子储备集。
11.作为本发明的一种优选方案，所述逐步淘汰策略中采用自适应网格储备更新策略来维持外部边缘粒子储备集规模，动态划分目标空间，选出分布密度最大的网格随机删除粒子，所述网格随机删除粒子步骤如下：首先、根据支路目标函数公式计算代时粒子的目标函数的最大值和最小值；其次、计算网格的宽度：其中，表示网格数，为代时粒子的目标函数值；最后、计算粒子网格号坐标：其中，为代时粒子的目标函数值，为代时粒子 的目标函数最小值，为代时粒子的目标函数值，为 代时粒子的目标函数最小值，为 代时粒子到全局最优粒子的距离，为 代时粒子到全局最优粒子的距离。
12.作为本发明的一种优选方案，将目标粒子位置和速度协同进化，对位于不同等级的粒子采取不同的非负加速因子，将粒子分层进化。
13.作为本发明的一种优选方案，对分层进化后的目标粒子采用粒子均匀分布变异与高斯分布变异结合的策略，对相应的粒子采取变异操作产生新的种群，引导种群向最优解收敛。
14.本发明的实施方式具有如下优点：（1）本发明以减少开关操作次数和降低三相不平衡度为综合优化目标建立数学模型，包含对支路功率、节点电压以及网络辐射状等约束条件的处理，采用基于多目标粒子群算法策略对目标函数进行动态重构，得到不同时段最优解，该方案不仅缩小了各相节点电压差，降低了系统支路的各相平均电流值，从而减小了三相不平衡度，也大大降低了网络损耗；（2）本发明以改进多目标粒子群优化算法为核心，重新确定配电网开关或对应重构图支路开断，使配电网在动态运行时找到满足要求的实时最优开关开断组合方式，从而确定配电网络的结构，解决了在配电网重构过程中出现大量的重构组合不满足辐射状拓扑约束的问题，避免了复杂的网络编号工作，适用于网络拓扑变化较大的配电网网络。
附图说明
15.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
16.图1为本发明实施方式中的配电网重构优化方法的流程示意图。
具体实施方式
17.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.如图1所示，本发明提供了一种基于多目标优化的配电网重构优化方法，本实施方式以减少开关操作次数和降低三相不平衡度为综合优化目标建立数学模型，包含对支路功率、节点电压以及网络辐射状等约束条件的处理，采用基于多目标粒子群算法策略对目标函数进行动态重构，得到不同时段最优解，该方案不仅缩小了各相节点电压差，降低了系统支路的各相平均电流值，从而减小了三相不平衡度，也大大降低了网络损耗；以改进多目标粒子群优化算法为核心，重新确定配电网开关或对应重构图支路开断，使配电网在动态运行时找到满足要求的实时最优开关开断组合方式，从而确定配电网络的结构，解决了在配电网重构过程中出现大量的重构组合不满足辐射状拓扑约束的问题，避免了复杂的网络编号工作，适用于网络拓扑变化较大的配电网网络。
19.具体包括以下步骤：步骤100、获取配电网网络损耗数据和电压偏移指数根据电网dg 消纳量最值生成对应的配电网连接模型，得到配电网连接图对应的支路开关数组；步骤200、对配电网重构图中的支路进行二进制编码，使用随机概率下的辐射式配电网络生成算法对集合支路进行初始化；步骤300、采用多目标粒子群算法简化配电网连接模型，获取电网重构图及配电网连接图与配电网重构图的支路对应数组；步骤400、依次对所有集合支路对应的待优化支路初始化以得到内圈粒子群，根据内圈粒子群中粒子对应的断开支路和支路开关数组，在配电网连接模型中将对应的开关打开，生成对应的配电网等值网络；步骤500、在配电网等值网络下重构数学模型更新目标粒子适应度函数值，作为等值网络最优解和支路开关对应数组。
20.在骤100中，采用配电网系统中网络损耗最小数据、电压偏移指数最小且电网dg 消纳量最大值作为配电网连接模型基础数据，依据所述基础数据根据配电网中连接节点、导电设备及连接端子之间的关系将配电网等效成对应的连接模型。
21.本实施例中，在配电网络重构的过程中，网络拓扑结构不断变换，支路间的层次关系也在不断地变化，所述用配电网系统中网络损耗最小数据、电压偏移指数最小且电网dg 消纳量最大值作为配电网连接模型基础数据，均根据配电网络的动态变化而变化。
22.将所述连接模型中的连接节点组成节点集，把存在于连接节点间的馈线段和开关等导电设备作为支路开关，以获取整个配电网络任意两个节点之间组成的支路开关数组。
23.依据所述支路开关数组根据配电网支路负荷情况构建基于支路的目标函数：其中，为配电网支路总数，为支路的电阻，为支路的末端电压，为支路的有功功率，为支路 的无功功率，为支路上开关的状态，为0表示断开，为1表示闭合。
24.依据所述支路的目标函数对支路进行二进制编码判断辐射式配电网络流程，步骤如下：步骤201、对配电网中所有的节点和支路进行编号，读取所有支路的两端节点编号和相应支路上的开关状态；步骤202、统计处于闭合状态的开关数量，如果闭合支路数=节点数-1，则进行下一步判断；否则，表明该系统为非辐射状网络；步骤203、对配电网络进行连通性判断，删除所有支路开关状态为 0 的支路参数，形成闭合支路参数。
25.本实施例中，统计闭合支路矩阵中所有节点出现的次数，如果都能被找到，则进行下一步判断；若有些节点一次也没有出现，表明该节点为孤立节点，则系统为非辐射状结构。
26.本实施例中，由闭合支路参数形成节点关联矩阵，然后搜索除根节点外所有的节点与根节点的连通性，如果每个节点与根节点都连通，则该网络为辐射状结构；如果发现某些节点与根节点不连通，则系统存在孤立支路或者孤立子网，表明网络为非辐射状结构。
27.本实施例中，采用二进制编码判断辐射式配电网络结构，通过对闭合支路两端的节点参数进行相应的分析即可获得网络连通性的判别，继而可以判断配电网络是否为辐射状结构，由于配电网重构过程中存在大量的不可行解，即非树状结构的解，采用该方法后，可以快速地剔除非辐射状结构的解，提高了算法的搜索效率。
28.采用多目标粒子群算法优化支路开关数组获取支路最优解，所述多目标粒子群算法步骤如下：步骤301、将支路开关数组元素作为目标粒子，设定目标粒子规模集和外部边缘粒子储备集，利用随机函数随机产生目标粒子的位置和速度，引入随机变量和非负加速因子；步骤302、对每个目标粒子的适应度函数值进行计算，并根据pareto支配关系对计算所得的适应度函数值进行排序，将非劣解保存到外部边缘粒子储备集中，从外部边缘粒子储备集中根据排序最优解选出粒子的全局引导者；步骤303、根据目标粒子的全局引导者不断更新目标粒子的位置和速度，重新计算目标粒子的适应度函数值和pareto支配关系；
步骤304、对所述目标粒子的pareto支配关系进行筛选变异，输出最优解集作为支路对应数组。
29.本实施例中，在配电网重构优化过程中，采用所述目标粒子群算法循环求解最优解，每次重构循环生成辐射式网络的过程中，两次应用到多目标粒子群优化算法，第一次是重构图生成辐射式网络过程中，由多目标粒子群优化算法提供每条支路连入的概率，由重构图生成的辐射式网络的每条支路对应于连接图中的一条支路或者一组互斥支路，第二次是连接图与重构图对应的互斥支路组内部支路的选择过程中，由多目标粒子群优化算法提供互斥支路组内部每条支路接入网络的概率，得到一次重构优化结果。
30.本实施例中，重构图每条支路对应于连接图中一条支路或一组互斥支路组，将所有的互斥支路组成一个集合，利用多目标粒子群优化算法提供所有连接图组成的互斥支路集合中每条支路连入的概率，当粒子利用sigmoid函数计算后，并不对粒子进行处理，而是将概率值按大小进行排序，通过算法接口传输给辐射式网络生成算法进行支路连接，得到连接图对应的辐射式网络表达方式。
31.所述目标粒子的全局引导者通过逐步淘汰策略不断更新目标粒子的位置和速度，具体实现步骤为：步骤2031、对外部储备集中每个粒子的拥挤距离值进行计算，然后按照值的大小进行排序，并删除其中拥挤距离值最小的粒子；步骤2032、重新计算删除后剩余粒子的拥挤距离值，对拥挤距离值进行大小排序并将拥挤距离最小的粒子删除；步骤2033、重复计算粒子的拥挤距离值，直到得到满足要求的外部边缘粒子储备集。
32.本实施例中，为了防止外部边缘粒子储备集中非劣解过度膨胀，增加计算的复杂度，当外部储备集中的容量达到设定的容量时，采用自适应淘汰策略随机删除粒子，降低计算难度。
33.本实施例中，重构图生成辐射状网络过程不能直接判断粒子的适应度函数，在重构图应用粒子群算法过程中，粒子的个体引导者和全局引导者均随机选取，设定外部储备集的规模大小，若储备集中的粒子个数等于设定值时，则计算粒子的适应度函数。
34.所述逐步淘汰策略中采用自适应网格储备更新策略来维持外部边缘粒子储备集规模，动态划分目标空间，选出分布密度最大的网格随机删除粒子，所述网格随机删除粒子步骤如下：首先、根据支路目标函数公式计算代时粒子的目标函数的最大值和最小值；其次、计算网格的宽度：其中，表示网格数，为代时粒子的目标函数值；最后、计算粒子网格号坐标：
其中，为代时粒子的目标函数值，为代时粒子的目标函数最小值，为 代时粒子的目标函数值，为 代时粒子 的目标函数最小值，为代时粒子到全局最优粒子的距离，为代时粒子到全局最优粒子的距离。
35.将目标粒子位置和速度协同进化，对位于不同等级的粒子采取不同的非负加速因子，将粒子分层进化。
36.对分层进化后的目标粒子采用粒子均匀分布变异与高斯分布变异结合的策略，对相应的粒子采取变异操作产生新的种群，引导种群向最优解收敛。
37.因此本实施方式以减少开关操作次数和降低三相不平衡度为综合优化目标建立数学模型，包含对支路功率、节点电压以及网络辐射状等约束条件的处理，采用基于多目标粒子群算法策略对目标函数进行动态重构，得到不同时段最优解，该方案不仅缩小了各相节点电压差，降低了系统支路的各相平均电流值，从而减小了三相不平衡度，也大大降低了网络损耗。
38.因此作为本发明的另一创新点，本实施方式以改进多目标粒子群优化算法为核心，重新确定配电网开关或对应重构图支路开断，使配电网在动态运行时找到满足要求的实时最优开关开断组合方式，从而确定配电网络的结构，解决了在配电网重构过程中出现大量的重构组合不满足辐射状拓扑约束的问题，避免了复杂的网络编号工作，适用于网络拓扑变化较大的配电网网络。
39.虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。