基于改进二进制粒子群算法的配电网重构

目录

1 算例

2 小结

---

1 算例

算例为上海某地区实际网络结构图，共 34 个节点，31 个分段开关和 5个联络开关。其中，一二三号节点为电源节点，分别源于其他的三个地区的变电站的10千瓦出线。配电网基准电压为 10千瓦，总负荷为 9.68+j6.05MVA。原始数据见附录 3，网络结构如图 1.1所示：

图 1.1 上海某地区实际网络结构图

初始种群粒子数量为50，惯性权重系数上限为1，惯性权重系数的下限位0.8，惯性权重系数上限为1，惯性权重系数的下限为0.8，学习因子基本相等约为2.0，最大速度为4.0，最低速度为-4.0，最大迭代次数限定为。

因为本文中的例子所涉及的优化对象处于离散状态，需要采用针对离散状态下的改进二进制粒子群算法。重构前，线路中断开的支路为 8-23、10-11、13-27、21-29、20-26。重构后，线路中断开的支路为：13-14、19-20、22-23、23-24、10-11。实验的结果：依照该方法，算法迭代的平均次数为 15.3次，速度非常快。改进之前的算法进行迭代，效率太慢，速度太慢，迭代平均次数超过两百，模型可解率较低。以下给出重构前后的数据，如表1.2 所示。

表 1.2  算例  重构前后的结果

项目	重构前	重构后
断开支路	8-23 10-11 13-27 21-29 20-26	13-14 19-20 22-23 23-24 10-11
网损(k W)	79.16	63.56
最低节点电压(p.u.)	0.98046	0.98363

重构前后各个节点的电压如表 1.3所示：

表 1.3  上海某地区重构前后各节点电压比较表

节点编号	重构前节点电压	重构后节点电压	节点编号	重构前节点电压	重构后节点电压
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17	1 1 1 0.99822 0.99686 0.99541 0.99453 0.99349 0.99328 0.99324 0.98302 0.98307 0.98311 0.98314 0.98385 0.99080 0.99589	1 1 1 0.99837 0.99712 0.99579 0.99498 0.99365 0.99345 0.99342 0.98619 0.98623 0.98627 0.99405 0.99429 0.99631 0.99825	18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34	0.99349 0.99148 0.99088 0.98046 0.98070 0.98109 0.98153 0.98216 0.98964 0.99092 0.99202 0.99374 0.99377 0.99393 0.99409 0.99444 0.99541	0.99438 0.99347 0.98363 0.98931 0.98919 0.99316 0.99406 0.99411 0.98456 0.98649 0.98836 0.98998 0.99053 0.99117 0.99146 0.99200 0.99403

根据上表的数据结果，将34组实验前后的节点电压绘制曲线图，根据图中的高低起伏状态，可以对二者进行对比。

图 1.3   上海某地区节点重构前后电压对比图

从图中的数据可知：对配电网进行重构优化之后，该电网的网络损耗大大降低，具体值达到了20%。电网的网络电压最低值得到了提高，虽然很微小，但是也属于有效提高，具体提高量为0.00317p.u.。从网络损耗的降低和最低电压的提高这两个因素的改变充分表明了，对配电网的重构有明显的效果。

2 小结

本章首先介绍了配电网重构的数学模型，基本的粒子群算法的来源及其模型设定，然后基于此，针对实际需求，在介绍了改进条件下的粒子群算法的原理及其模型设定。

对于重构的数学模型，本章主要是阐述了模型中的多个目标函数和函数的多个约束条件。

对于传统的粒子群算法，首先对其算法启迪和模型中的细节一一论述，在对该算法的计算公式和流程有一个详细的说明。对于改进的算法，及二进制粒子群算法，首先对算法的改进方面机器有点做了一个说明，对其模型中的参数变换和计算速度方面的性能，尤其是惯性权重系数的实时调整对整个算法性能的提高的贡献体现。其后，对该算法的适应度函数和收敛与否的处理、算法参数和程序的模块进行详细的说明。

本章中，改进的二进制粒子群算法性能更有，效率更高，运用更加方便。