[发明专利]基于R2指标多目标粒子群算法的配电网重构方法及装置

说明书

本发明涉及一种基于R2指标多目标粒子群算法的配电网重构方法及装置，所述方法包括以下步骤：S1、获取配电网的原始数据，根据网络结构进行粒子群编码；S2、采用粒子群算法迭代求解获得最优的重构网络拓扑；在所述迭代过程，基于R2指标对粒子群进行更新，具体地，将精英粒子群和更新粒子群集成为候选解集RR，采用均匀分布的权值向量Λ和理想点z^*对候选解集RR进行修剪，按候选解对所述权值向量Λ的R2贡献值从大到小排序，以前设定个数候选解组成下次迭代的粒子群。与现有技术相比，本发明具有收敛性高、多样性好等优点。

技术领域

本发明涉及配电网重构优化技术领域，尤其是涉及一种基于R2指标多目标粒子群算法的配电网重构方法及装置。

背景技术

配电系统是负责向最终消费者提供能量的重要部分，在这个阶段产生了大量的功率损耗和额外成本，配电网重构是指在满足系统电压、电流、线路容量等基本要求的前提下，通过改变配电网上开关的开合状态来优化配电网运行结构，从而达到平衡负荷、改善节点电压偏移、消除过载、降低网络有功功率损耗等一个或多个目标最优，是一个多约束、多目标、非线性组合优化关系。

配电网重构是一个复杂的大型的非指定多项式的组合优化问题，目前对于配电网重构的研究方法大致可以分为两类：一种是传统数学优化算法，即将配电网重构问题用数学模型来描述，得到不依赖网络初始结构的优化结果，但配电网重构问题是属于大规模网络的组合优化，占用计算机内存大，操作难度高；而是另一种是人工智能算法，其中粒子群优化算法是继遗传算法、蚁群算法之后的群体智能算法，模拟鸟群觅食过程中的迁徙和群集行为，在迭代过程中，粒子一致不断地向最优方向飞行，如果遇到局部最优，粒子速度会很快降为零，粒子停滞不前而出现早熟收敛现象，而且很难跳出局部极值点。在解决高维多目标优化问题上有很多算法被提出，一类基于评价指标的算法采用评价指标作为选择标准来衡量解的质量，选择机制通过比较解的质量选择更好的解，这类算法代表包括IBEA和HypE等，虽然上述算法都能很好处理一些高维多目标优化问题，但这些算法对于pareto前沿的形状十分敏感，导致不能很好地平衡收敛性和多样性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于R2指标多目标粒子群算法的配电网重构优化发方法。

本发明的目的可以通过以下技术方案来实现：

一种基于R2指标多目标粒子群算法的配电网重构方法，包括以下步骤：

S1、获取配电网的原始数据，根据网络结构进行粒子群编码；

S2、采用粒子群算法迭代求解获得最优的重构网络拓扑；

在所述迭代过程，基于R2指标对粒子群进行更新，具体地，

将精英粒子群和更新粒子群集成为候选解集RR，采用均匀分布的权值向量Λ和理想点z^*对候选解集RR进行修剪，按候选解对所述权值向量Λ的R2贡献值从大到小排序，以前设定个数候选解组成下次迭代的粒子群。

候选解对所述权值向量Λ的R2贡献值的计算过程为：

初始化候选解的R2贡献值C_a＝0；

计算候选解对权值向量的TCH效用值

式中，λ_j≥0，并且x表示候选解；

计算候选解对该组权值向量Λ的R2贡献值：

在所述迭代过程中，若连续设定代数个体最优pBest不变，则采用高斯学习策略对粒子的速度和位置信息进行重置，公式如下：