[发明专利]一种基于蚁群算法实现降维的电力系统网架重构方法

摘要

本发明属于电力系统恢复与控制技术领域，具体涉及一种基于蚁群算法实现降维的电力系统网架重构方法，针对节点数、线路数较多的复杂大电力系统在系统恢复的网架重构阶段存在的寻优搜索维数过大的问题，在电力系统网架重构中，基于蚁群算法搜索主干线路，确定系统中部分线路的状态，减少了系统中未知状态线路的数量，降低了后续寻优问题的维数，加快了寻优计算的速度，提高了寻优的效率。

主权项

一种基于蚁群算法实现降维的电力系统网架重构方法，其特征在于，定义主干线路搜索的目标函数，以及蚁群算法的调节系数更新信息素和距离；其中，定义主干线路搜索的目标函数为：max y＝a×m‑n式中，y为表征主干线路中所含重要节点数和一般节点数的函数，a为节点重要度系数，m、n分别主干线路中重要节点和一般节点的数量；定义调节系数更新信息素为：考虑当前搜索所得目标函数值的大小，在蚁群算法的信息素更新公式中引入调节系数λ，以调节搜索速度；即信息素更新公式为：τij‾(t+n)=(1-δ)τij(t)+λΣk=1mΔτijk]]>λ=11+e-ykmaxymax]]>τij(t+n)=τminτij‾(t+n)≤τminτij‾(t+n)τmin<τij‾(t+n)<τmaxτmaxτij‾(t+n)≥τmax]]>式中，δ为信息素蒸发系数；Δτijk的值与蚂蚁k在本次迭代过程中是否经过路径(i,j)有关，若经过，Δτijk＝W/dij，否则其值为0，W为信息素强度，dij为节点i、j之间的距离；ykmax是本次迭代所得最优值，ymax为本次迭代之前得到的最优值，λ的取值范围为[0,1]，且λ的大小随ykmax/ymax比值的增大而增大，即如果本次迭代所得最优值比之前得到的最优值更大，λ的值就大，τij(t+n)在不超过的τmax前提下也会更大；而在信息素的相对重要程度α不为0的前提下，蚂蚁选择某一路径的概率Pij与对应的信息素τij(t)正相关，也就是如果本次迭代所得最优值比之前得到的最优值更大，蚂蚁在下一次迭代过程中选择本次迭代中所经过路径的概率会大一些，这样可以加快蚁群算法的寻优速度；定义距离为：具体表征为不考虑节点之间的物理距离，而考虑节点之间是否存在直接相连线路及节点是否为重要节点，将“距离”定义为：在基于蚁群算法搜索主干线路时，将蚁群算法的启发函数ηij(t)取为距离dij的倒数，在启发信息的相对重要程度β不为0时，蚂蚁选择某一路径的概率Pij与对应的启发函数ηij(t)正相关；即：Pij∝ηij(t)=1dij]]>距离l1、l2、l3的取值大小无数量级的差别；因此，对于两侧均为不重要节点的线路，避免了此路径被蚂蚁选择的概率在迭代过程中急剧减小而无法保证所得路径为全局最优；该电力系统网架重构方法包括以下步骤：步骤1、根据待重构电力网络建立n节点网络拓扑连接矩阵[aij]n×n、节点矩阵[busij]n×2和支路矩阵[branchij]l×3；步骤2、基于主干线路搜索的目标函数、调节系数更新信息素和距离，采用蚁群算法对主干线路进行搜索；步骤3、对电力系统剩余部分进行寻优搜索，以考虑重要负荷的综合负荷恢复量最大为目标函数，完成寻优过程；步骤4、得到指定目标函数下的最优电力系统网架结构。