[发明专利]一种基于量子遗传算法的10kV配网无功优化方法

权利要求书

1.一种基于量子遗传算法的10kV配网无功优化方法，其特征在于，包括：

构建电能有功网损最小的模型，模型的约束条件为系统潮流约束，潮流约束中的变量约束包括控制变量的约束条件和状态变量的约束条件；

基于量子遗传算法对所述控制变量进行量子比特概率幅编码，构建模型的个体，控制变量的参数不同，个体也随之不同；

随机产生初始种群，将初始种群作为当前种群；

对当前种群中的每个个体进行测量，获得每个个体的测量值，对每个个体进行适应度计算获得适应值；获得种群中最优个体及最优适应值、局部最优个体及局部适应值；

判断是否达到终止进化条件；

当达到终止进化条件则输出最优个体及最优适应值；

当未达到终止进化条件，则以随机抽取当前种群中两个个体，及与两个个体对应的局部最优解，将两个个体的局部最优解互换，利用量子交叉方法产生新个体，将新个体加入当前种群获得新种群，将新种群作为当前种群，再对当前种群中的每个个体进行测量，直到达到终止进化条件。

2.如权利要求1所述的方法，其特征在于，基于量子遗传算法对所述控制变量进行量子比特概率幅编码，构建模型的个体包括：

采用k个量子比特来表示分布式电源发电机机端电压，k取决于分布式电源发电机机端电压的量化精度；

采用l个量子比特的有载可调变压器变比分接头档位，l取决于接头调控范围的最大值；

采用m个量子比特的无功补充装置投切组数，m取决于投切组数调控范围的最大值；

将k个量子比特的分布式电源发电机机端电压、l个量子比特的有载可调变压器变比分接头档位和m个量子比特的无功补充装置投切组数，组成一个控制变量的个体。

3.如权利要求1所述的方法，其特征在于，对每个个体进行适应度计算获得适应值包括：

对每个个体进行测量，得到二进制编码，获得二进制个体；

在所述约束条件下，将所述二进制个体解码为十进制个体；

对种群每个十进制个体利用潮流计算方法进行计算，获得所有变量的值；

利用变量值代入适应度函数，获得适应值。

4.如权利要求1所述的方法，其特征在于，将两个个体的局部最优解互换，利用量子交叉方法产生新个体包括：

将其中一个个体作为第一个体，另外一个作为第二个体，与第一个体对应的局部最优解为第一最优目标，与第二个个体对应的局部最优解为第二最优目标；

将第一最优目标作为第二个体的局部最优目标，对第二个体进行一次量子旋转门更新；

将第二最优目标作为第一个体的局部最优目标，对第一个体进行一次量子旋转门更新；

还原各自的局部最优目标，生成新个体。

5.如权利要求1所述的方法，其特征在于，终止进化条件包括：

当前种群达到预设代数、所有个体适应值均一致或预设数量代数的适应值没有得到改善。

6.如权利要求3所述的方法，其特征在于，还包括：

当达到终止进化条件后，还输出所有变量的值。