本发明属于新能源电力系统，具体涉及一种基于混沌细菌觅食算法的配网重构方法。
背景技术：
1、配网重构是配电自动化领域中的重要任务，它旨在通过调整电网中的开关状态，以最小化电网的有功损耗，提高电网运行的经济性和可靠性。随着电力系统的复杂性和规模的不断增加，配网重构成为实现电网优化调度的关键环节。该技术在提高能源利用率、降低运行成本以及促进可再生能源的接入等方面具有重要意义。
2、目前，主流的配网重构方法存在一些限制和挑战。首先是确定性方法限制：一些方法采用确定性策略，如分支定界算法和混合整数二次锥优化，来确定配电网的开关状态。这些方法在处理中小规模系统时表现出良好的性能，但在大规模系统中计算速度较慢，并且容易陷入局部最优解。其次是进化优化算法挑战：进化优化算法，如遗传算法和粒子群算法，用于解决配网重构问题，虽然在一定程度上提高了计算效率，但仍然面临多目标优化、收敛性不稳定等挑战。此外，对于一些特定问题，这些方法可能需要长时间的参数调整和计算。最后，启发式算法局限：启发式算法通常采用规则和启发式规则来确定开关状态，虽然计算速度快，但往往只能获得局部最优解，且对于复杂的电网系统不够灵活。
3、本发明提出了一种基于混沌细菌觅食算法的配网重构方法，旨在克服现有方法的限制。首先，本方法引入混沌映射，如tent映射，以增加算法的随机性和多样性。混沌映射将与细菌的运动策略相结合，有助于跳出局部最优解，更全面地探索搜索空间。其次，本方法利用细菌觅食算法的特性，模拟了细菌在寻找食物时的行为，包括运动、感知和迁移过程。通过结合混沌映射和细菌觅食算法，实现了对配网重构问题的更全面和高效的求解。最后，本方法具备处理多目标优化问题的能力，旨在提高电网的经济性、稳定性和可靠性，为电力系统运行提供更好的解决方案。
技术实现思路
1、本发明的目的是为了克服现有技术的不足，而提供一种基于混沌细菌觅食算法的配网重构方法，可实现在多约束下得出全局最优配网拓扑，提高新型电力系统的经济型、稳定性。本发明采用的技术方案为：一种基于混沌细菌觅食算法的配网重构方法，包括如下步骤：
2、s1.数据采集和准备；搜集配电网络的必要数据，包括网络拓扑结构、电气参数(电阻、电抗、负载等)、电源信息、开关状态信息以及电流和电压测量数据。建立准确的电网模型，用于后续的优化和仿真。
3、s2.配网优化数学模型的建立；设计并建立适用于配网重构的数学模型，包括目标函数和约束条件。目标函数通常是最小化有功损耗，约束条件包括拓扑放射性约束、潮流平衡约束、支路传输功率约束和节点电压约束等。确保建立的数学模型能够准确地描述配网重构问题，包括考虑多约束条件。
4、s3.网络编码；设计和实施适当的网络编码方案，将电网中的设备状态(如开关状态)映射为可供算法处理的二进制编码。将电网设备状态表示成算法可识别的形式，以便后续的混沌细菌觅食算法优化。
5、s4.混沌细菌觅食算法优化；实施混沌细菌觅食算法，其中包括：细菌群体初始化、适应度计算、运动模拟、根据混沌映射和细菌行为模拟细菌的速度更新、趋化模拟、迭代重复上述步骤，直到满足停止条件。
6、具体的，步骤s2所述的配网重构优化数学模型包括：目标函数和约束条件两部分组成。其中，考虑网损最小化，配网重构的目标函数：
7、
8、其中，ploss为系统所有支路的配电线路电阻消耗的电能之和；nb为配电网络系统所有的支路数；i为配电网络系统具体某个支路的编号；ri为编号为支路i的电阻值；ii为流过该支路i的电流有效值；βi为支路i的开关状态，βi＝0表示支路i开关断，βi＝1表示支路i开关合。
9、约束条件为：
10、1)拓扑放射性约束：
11、t∈ts
12、其中，t为系统拓扑结构，ts为满足放射性且无孤立节点的系统集合；
13、2)潮流约束：
14、
15、其中，潮流约束需要满足有功功率和无功功率平衡。其中，pgi、qgi、分别为节点i的发电机注入系统的有功、无功功率；pdi、qdi为系统内负荷消耗的有功、无功功率；bij、gij、bsh，ij为支路ij的电导、电纳与等效对地电容；c(i)为与节点i有支路直接连接的节点集合；αij表示节点i、j间的支路开关状态，αij＝1表示支路开关闭合，αij＝0表示支路开关开断；
16、3)支路传输功率约束：
17、si≤si，max，i＝1，2，...，nb
18、其中，si、si，max分别为支路i的视在功率与最大允许值；
19、4)节点电压约束：
20、ui，min≤ui≤ui，max，i＝1，2，…，nb
21、其中，ui、ui，min和ui，max分别为节点i的节点电压值和节点电压上下限；n为配网系统的节点总数。
22、具体的，步骤s3所述的网络编码采用二进制编码。对于用于解决优化问题的群智能算法，使用每个个体表示潜在解空间中的一个可能解。在电网配电网络重构问题中，可以使用二进制编码来表示每个可能解的在解空间的位置，其中每个二进制位表示一个设备的状态(0表示关闭，1表示打开)。
23、设电网中有n个设备，用一个n维的二进制向量来表示电网的状态，其中每一维对应一个设备。对于每个个体的位置(表示一个潜在解)。
24、令xi表示第i个个体的位置向量，其中i＝1，2，...，m(m是种群中个体的数量)，n表示电网中的设备数量。那么，xi可以表示为一个n维的二进制向量：
25、
26、其中，表示第i个个体的第1个设备的状态，可以是0或1，表示关闭或打开。这个状态向量xi就是个体i的位置。
27、在算法中，个体的位置通过更新规则进行迭代，以寻找最优解。二进制编码用于表示电网中每个设备的状态，0表示关闭，1表示打开。这样，每个粒子都可以通过一个二进制向量来表示其在潜在解空间中的位置。在算法的迭代中，这些位置会根据算法的更新规则不断调整，以寻找最优的配电网络重构解。
28、具体的，步骤s4所述的混沌细菌觅食算法是本发明用于解决配网优化问题的优化算法。下面是混沌细菌觅食算法与配网重构问题的结合，详细的应用流程说明：
29、s4.1算法初始化：设置细菌群体的数量n，通常代表不同的配网重构方案。初始化每个细菌的位置xi，其中每个xi表示一个电网设备的状态，使用二进制编码(0表示关闭，1表示打开)，并且与配电支路的数目nb相对应。初始化每个细菌的趋化因子ci，用于模拟细菌在搜索过程中的趋化行为。趋化因子影响了细菌在更新位置时所考虑的信息，它可以看作是细菌对于最优解的偏好程度。较大的趋化因子将更强烈地引导细菌朝向全局最优解的方向移动，而较小的因子则更容易使细菌陷入局部最优解。
30、s4.2适应度计算：对于每个细菌xi，将其状态映射到配电网络中的开关状态(根据二进制编码)。然后计算当前方案的网损，使用以下目标函数：
31、
32、其中，ploss为系统所有支路的配电线路电阻消耗的电能之和；nb为配电网络系统所有的支路数；i为配电网络系统具体某个支路的编号；ri为编号为支路i的电阻值；ii为流过该支路i的电流有效值；βi为支路i的开关状态，βi＝0表示支路i开关断，βi＝1表示支路i开关合。
33、s4.3运动模拟：对于每个细菌xi，计算其速度vi，目标函数记为j(xi)，则
34、
35、速度计算公式：
36、
37、其中，δt是时间步长，u和d是外部吸引因子和扩散项。时间步长δt表示算法的迭代步长或时间步长。在混沌细菌觅食算法中，δt通常用来控制细菌在每次迭代中更新其位置和速度的时间间隔。它的具体值可以根据问题的复杂性和算法的需求来选择，通常需要进行参数调优以获得最佳的性能。外部吸引因子u代表了细菌在搜索过程中受到的外部环境引力或吸引力。它指示了细菌朝着优化问题的全局最优解方向移动的程度。较大的外部吸引因子将更强烈地引导细菌向全局最优解方向移动，而较小的因子则更容易使细菌陷入局部最优解。扩散项d代表了细菌在搜索过程中的扩散或随机性。较大的扩散项使细菌倾向于更随机地探索搜索空间，从而有助于逃离局部最优解。较小的扩散项则更倾向于保持方向性运动，以更快地收敛到局部最优解。和分别代表了目标函数j(xi)对于位置xi的梯度和二阶偏导数矩阵。梯度表示了目标函数j(xi)在某个位置xi处的变化率或斜率。具体而言，是一个向量，其中每个分量对应着目标函数j(xi)关于位置xi中相应维度的偏导数。梯度的方向指示了目标函数增加最快的方向，而梯度的大小表示了在该方向上的增加率。在速度计算中，细菌根据梯度信息调整其速度，朝着目标函数减小的方向移动，以找到更优的解。是目标函数j(xi)的二阶偏导数矩阵。它包含了目标函数的二阶导数信息，用于描述目标函数曲率的变化情况。二阶偏导数矩阵通常是一个方阵，其元素表示了目标函数在不同维度之间的交互关系。在速度计算中，二阶偏导数矩阵的作用是调整细菌的速度，以考虑目标函数的曲率信息。较大的曲率可能需要细菌减小速度，以避免越过目标函数的极小值点，而较小的曲率则允许细菌加速移动。
38、s4.4趋化模拟：更新每个细菌的位置xi，以模拟细菌的移动。位置更新公式：
39、xi＝xi+vi
40、s4.5引入混沌映射：引入混沌映射来增加算法的随机性。混沌映射可以用来改变细菌的运动和趋向行为，增加算法的多样性，有助于跳出局部最优解，更全面地探索搜索空间。本发明选择tent映射，也可根据问题的性质和算法的需求选择合适的映射函数。tent映射表达式如下：
41、
42、其中，chaost是当前的状态，chaost+1是下一个状态，p是映射的参数，通常在区间[0，2]内取值。
43、将混沌映射的输出与细菌的位置信息结合起来，以改变细菌的速度或位置更新。通常，混沌映射的输出可以被视为一个随机扰动，添加到细菌的速度或位置中。可以将混沌映射的输出添加到细菌的速度更新公式中，以增加细菌的随机性：加入混沌的速度计算公式：
44、
45、其中，chaost是混沌映射的输出，它在每个时间步t都会改变，增加了细菌的运动的随机性。引入混沌映射可以使细菌觅食算法更具探索性，有助于在搜索空间中更全面地寻找潜在的优化解。
46、s4.6.重复迭代：重复步骤s4.2到步骤s4.5，直到满足停止条件(例如达到最大迭代次数或网损满足一定要求)。
47、s4.7.输出结果：返回找到的最佳位置x*对应的配网方案，以及最小化的网损值ploss，即最优的配网重构解决方案。
48、细菌觅食算法结合了细菌的运动、感知和迁移行为，以搜索最佳的电网重构方案，从而最小化网损。该算法能够在不同的二进制编码状态中搜索，并不断优化解决方案，以满足约束条件并降低电网损失。
49、本发明的有益效果：本发明通过引入混沌细菌觅食算法，实现了电力配网重构的高效优化。与传统方法相比，本发明能够更快速地找到电网中设备状态的最优组合，从而降低了电网的有功损耗，提高了电网的经济性和可靠性。此外，混沌映射的引入增加了算法的随机性，有助于跳出局部最优解，全面地探索搜索空间。通过多目标优化，本发明还考虑了电网的多方面性能指标，为电力系统运行提供了更优化的解决方案。