一种基于量子遗传算法的10kV配网无功优化方法技术

本发明专利技术提供了一种基于量子遗传算法的10kV配网无功优化方法，首先构建有功网损最小的模型，对所述控制变量进行量子比特概率幅编码来构建模型解空间的个体，而不是直接采用控制变量数值本身进行编码，由于概率幅含义为全部可能状态的等概率相加，因此采用概率幅进行量子编码的长度，能够小于传统二进制编码的长度，从而提高算法的计算效率。并且本方法提出新的量子交叉的方法，进行量子旋转门更新的两个体的更新目标互相，能够改善种群多样性，避免个体收敛于自身的局部最优解的情况。因此本发明专利技术能够缩短运算周期，提高计算效率，有机会跳出局部最优解，进入新的搜索空间，使得算法最终收敛于全局最优解。

【技术实现步骤摘要】
-种基于量子遗传算法的1〇kV配网无功优化方法
本专利技术涉及电力
，尤其涉及一种基于量子遗传算法的l〇kV配网无功优 化方法。
技术介绍
配电网是直接向用电客户供电的电力网络，10KV配电线路的电压质量显得尤为重 要。作为影响电压的重要因素之一，解决好配电网络无功补偿的问题，对电网的安全性和降 损节能有着重要意义。 配网无功补偿主要通过调节有载调压分接头和无功补偿容量投切控制器来实现， 目前，无功优化方法主要是智能方法，智能方法的代表之一是遗传算法但遗传算法的计算 效率低、优化速度慢、但参数选取不当时，会过早收敛于局部最优解。 因此现在需要新型的遗传算法以缩短运算周期提高计算效率，有机会跳出局部最 优解，进入新的搜索空间，使得算法最终收敛于全局最优解。
技术实现思路
本专利技术提供了，本专利技术能够缩 短运算周期，提高计算效率，有机会跳出局部最优解，进入新的搜索空间，使得算法最终收 敛于全局最优解。 为了实现上述目的本专利技术提供了以下技术特征： -种基于量子遗传算法的10kV配网无功优化方法，包括： 构建电能有功本文档来自技高网...

【技术保护点】
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...

【技术特征摘要】
1. 一种基于量子遗传算法的lOkV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1个量子比特的有载可调变压器变比分接头档位，1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...

【专利技术属性】
技术研发人员：许家益，胡振斌，邵名声，程金松，汪宏华，李敏，吴哲，朱兵，
申请(专利权)人：国家电网公司，国网安徽省电力公司黄山供电公司，
类型：发明
国别省市：北京;11