[发明专利]基于改进粒子群算法的配电网重构优化方法

摘要

本发明公开了一种基于改进粒子群算法的配电网重构优化方法，包括：配电网络简化并进行粒子群编码；粒子群解码，计算每个粒子对应的适应度函数；随机初始化粒子群，对每一粒子随机赋予一个可行解；对每个粒子所对应的简化网络进行拓扑检查，直至全部粒子符合配电网拓扑要求；对每个粒子通过算法迭代进行位置更新，并进行简化网络拓扑检查；计算每个粒子更新位置后的适应度值：如果粒子i的适应值优于此前个体极值位置P_i对应的适应值，则将其位置赋值给P_i；如果当前极值位置P_i的适应值优于此前全局极值位置P_g的适应值，则将其位置赋值给P_g，直到达到预设最大迭代次数，P_g即为最优解。本发明方法具有快速、高效的全局寻优能力。

主权项

基于改进粒子群算法的配电网重构优化方法，其特征在于：包括如下步骤：步骤一：配电网络简化并进行粒子群编码；步骤二：粒子群解码，并通过配电网潮流计算求得每个粒子对应的适应度函数fitness；步骤三：设定改进粒子群算法参数，包括粒子群规模为N、学习因子c₁和c₂、最大迭代次数k步骤四：随机初始化粒子群，对于种群中的每一粒子X_i在搜索空间中随机赋予一个可行解，其中i＝1，2…，N；步骤五：对每个粒子所对应的简化网络进行拓扑检查，直至全部粒子符合配电网拓扑要求，采用基于广度优先树搜索的配电网拓扑分析；步骤六：计算每个粒子的适应度值，设定每个粒子的当前位置为其个体极值位置P_i，取全局极值位置P_g为当前群体最优适应值对应的位置；步骤七：对每个粒子通过算法迭代进行位置更新，并进行简化网络拓扑检查；步骤八：计算每个粒子更新位置后的适应度值：如果粒子i的适应值优于此前个体极值位置P_i对应的适应值，则将其位置赋值给P_i；如果当前极值位置P_i的适应值优于此前全局极值位置P_g的适应值，则将其位置赋值给P_g；步骤八：进入下一次迭代过程，直到达到预设最大迭代次数k；步骤九：粒子解码并输出结果：P_g即为最优解，对其解码可得重构优化后的网络开关状态，最优目标函数值为fitness(P_g)。