基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法及系统技术方案

本发明专利技术公开了一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法及系统，包括：建立配电网重构的数学模型，将配电网网损最小作为目标函数；确定分布式电源并入配电网后的节点类型；采用改进的二进制编码方式对配电网的可行解进行编码，进行种群的初始化；采用基于权重的当代最优个体与上代最优个体的比较方式选取不同的变异策略，并对变异操作后出现的无效解进行检测与修复；采用启发式的自适应交叉概率计算方式，采用和声搜索策略优化交叉操作，以二进制串作为个体的方式最终完成交叉操作；以和声搜索算法更新和声库的策略完成选择操作。与现有技术相比，本发明专利技术具有鲁棒性高，寻优性能好，收敛代数低等优势。

Method and system of distribution network reconfiguration with distributed generation based on binary differential evolution algorithm with hybrid strategy

【技术实现步骤摘要】
基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法及系统
本专利技术属于配电网重构
，特别涉及一种基于混合策略的二进制差分进化算法(BinaryDifferentialEvolutionbasedMixedStrategy，BDEMS)的含分布式电源的配电网重构方法及系统。
技术介绍
配电网是电力系统与用户连接的最后一环，在保证电力系统正常供电中承担着至关重要的角色。对发电方式的可持续、可再生性和供电技术的经济性、可靠性等方面的要求也越来越高。在发电方式中，分布式电源(DistributedGeneration，DG)可以借助风能、太阳能等可再生能源提供电力。虽然相对与传统的水力、火力集中发电而言，风能、太阳能等分布式电源的容量较小，但有着对环境污染小，经济性高，布置周期短，可开发区域多等优势。将DG并入集中供电的配电网中，联合使用清洁能源的分布式电源和集中供电，能够相互取长补短，是非常具有潜力的电力技术发展方向。然而，当DG并入配电网后，由于单电源供电变为多电源供电，会直接造成配电网的潮流分布发生改变，进而降低电压质量，增加网络损耗。公开资料显示，2016年我国电力的总线损率为5.32％，而由于配电网结构的不合理造成的电力损耗在总线损中的比例高达55％，极大的降低了包括DG在内的供电经济性和实用性。因此，通过研究配电网的重构，可以有效提升供电质量并减少网络网络损耗，具有重要的研究意义。配电网重构问题属于优化问题的一种，差分进化算法(DifferentialEvolution，DE)是一种优异的，主要用于解决连续函数组合优化问题的方法，算法的迭代步骤包含初始化种群、变异操作、交叉操作、选择操作。但配电网重构问题属于离散的组合优化问题，直接应用传统DE算法解决配电网重构问题存在解向量难以与目标函数对应的问题。进一步使用二进制编码优化的DE算法，即二进制差分进化算法(BinaryDifferentialEvolution，BDE)，虽然可以提升DE算法解决离散问题的能力，但传统的二进制编码初始化种群的方式也同样存在多个个体对应同一个解向量，使算法产生大量的冗余搜索；传统变异操作产生大量的无效解造成算法计算性能欠佳，以及变异操作全局搜索能力和局部搜索能力的不均衡导致的算法寻优性能低；传统二进制编码方式可能导致交叉操作后种群多样性减少等缺陷。综上，对传统的BDE算法进行改进以提升收敛速度、全局寻优能力并保证收敛精度，是亟待解决的问题。
技术实现思路
本专利技术的目的在于提供一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法及系统，以解决上述存在的一个或多个技术问题。本专利技术的方法计算性能好，收敛至全局最优解的概率高，在处理含分布式电源和节点较多的复杂配电网重构问题上表现效果良好。为达到上述目的，本专利技术采用以下技术方案：本专利技术的一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，包括以下步骤：步骤1，采集待重构配电网数据，包括：额定电压、节点与支路总数、联络开关、各支路阻抗以及母线终端负荷；确定并入待重构配电网的分布式电源类型；建立配电网重构的数学模型，将配电网网损最小作为目标函数；确定分布式电源并入配电网后的节点类型；步骤2，初始化种群，包括：采用基于环路的二进制编码方式，仅对配电网的可行解进行编码，用于降低算法的搜索空间，提升收敛速度；步骤3，变异操作，包括：基于步骤2获得的二进制编码，使用基于逻辑的算术表达式进行改进差分进化算法的变异操作，获得二进制变异向量；采用基于权重的当代最优个体与上代最优个体的比较方式选取不同变异策略，以提升算法的收敛速度；针对变异操作后可能出现的无效解进行检测，并提出一种异或运算的方式修复无效解，最终得到表示有效解的变异向量；步骤4，交叉与选择操作，包括：基于步骤3获得的二进制变异向量，采用启发式的自适应交叉概率计算方式，以二进制串的个体进行交叉操作；根据步骤3进行的变异策略，动态选取交叉概率CR，并提出一种基于和声搜索算法对个体进行微调的策略改进交叉操作，以克服所述步骤3修复无效解可能导致的种群多样性减小问题，通过交叉操作得到的测试向量，与种群最差向量对比替换的方式进行选择操作，确定种群中个体所代表的各回路中断开的支路开关，最终完成配电网的优化重构。本专利技术的进一步改进在于，步骤1中，将配电网网损最小作为目标函数，配电网重构的数学模型表示为，式中，N为待重构配电网中的节点总数，Pi、Qi、Ri、Ui分别表示流过支路i的有功功率、无功功率、支路i的电阻，支路i的末端节点电压值；待重构配电网的电压降约束表示为，Uimin≤Ui≤Uimaxi＝1,...,N；待重构配电网的线路电流值约束表示为，Ii≤Iimaxi＝1,...,N；待重构配电网的电源容量约束表示为，Si＜Simaxi＝1,...,N；式中，Ui、Uimin、Uimax分别表示节点i的电压幅值及其上限、下限；Iimax为支路的最大电流；Si、Simax分别表示各线路流过的功率值和支路容量最大容许值；其中，待重构配电网进行重构后，配电网络呈辐射状，无环路及孤岛存在。本专利技术的进一步改进在于，步骤1中，所述确定分布式电源并入配电网后的节点类型，包括：将接入配电网的分布式电源处理为两种模型：P、Q恒定型，P和Q的值均为已知；P、V恒定型，P和V的值均为已知；其中，P、Q、V分别为分布式电源的有功功率、无功功率、电压幅值；通过计算待重构配电网的潮流分布，获取当前配电网网损PLoss以及最低节点电压。本专利技术的进一步改进在于，步骤2中初始化种群，所述采用基于环路的二进制编码方式对配电网的可行解进行编码，包括：步骤2.1，确定待重构配电网拓扑结构，闭合所有的联络开关，同时基于拓扑结构确定配电网的环路，记为n；其中，环路的储存方式为[环路1；环路2；…；环路n]；步骤2.2，确定步骤2.1获得的n个环路中，每个环路中的有效支路的个数，并记为k(s)；其中，有效支路记为aall(n)＝[a1,a2,…aj,…,ak]，待重构配电网的拓扑网络储存矩阵A表示为：A＝[aall(1),aall(2),…,aall(n)]T，其中，A∈Rn×max[k(s)]；对于维度低于max[k(s)]的环路，通过补0操作使其余的环路维度为max[k(s)]，使其满足以矩阵的方式进行储存的要求，便于后续生成种群个体、校验无效解时进行索引；步骤2.3，根据拓扑网络储存矩阵A中每个环路aall(n)的维度，以有效支路最大索引的十进制数，并转换为二进制数的方式，确定一组二进制编码串来表示aall(n)中断开的节点，并将二进制编码记为mn，初始编码的总长度L为L＝m1+m2+…+mn，确定改进差分进化算法的初始搜索空间为2L，通过对无效解的剔除，还可进一步降低2L的初始搜索空间；步骤2.4，设置种群大小NP，种群X表示为，本文档来自技高网...

【技术保护点】
1.一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，包括以下步骤：/n步骤1，采集待重构配电网数据，包括：额定电压、节点与支路总数、联络开关、各支路阻抗以及母线终端负荷；确定并入待重构配电网的分布式电源类型；建立配电网重构的数学模型，将配电网网损最小作为目标函数；确定分布式电源并入配电网后的节点类型；/n步骤2，初始化种群，包括：采用基于环路的二进制编码方式，对配电网的可行解进行编码完成种群初始化，用于降低算法的搜索空间，提升收敛速度；/n步骤3，变异操作，包括：基于步骤2获得的二进制编码，使用基于逻辑的算术表达式进行差分进化算法的变异操作，获得二进制变异向量；其中，所述变异操作采用基于权重的当代最优个体与上代最优个体的比较方式选取变异策略，以提升算法的收敛速度；对变异操作后出现的无效解进行检测与修复，使变异操作后所得变异向量为有效解；/n步骤4，交叉与选择操作，包括：基于步骤3获得的二进制变异向量，采用启发式的自适应交叉概率计算方式，以二进制串作为个体的方式进行交叉操作；根据步骤3进行的搜索模式，动态选取交叉概率CR；采用和声搜索算法对个体进行微调的策略改进交叉操作；采用和声搜索算法更新和声库的策略完成选择操作，最终确定各回路断开的支路开关，完成配电网的优化重构。/n...

【技术特征摘要】
1.一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，包括以下步骤：
步骤1，采集待重构配电网数据，包括：额定电压、节点与支路总数、联络开关、各支路阻抗以及母线终端负荷；确定并入待重构配电网的分布式电源类型；建立配电网重构的数学模型，将配电网网损最小作为目标函数；确定分布式电源并入配电网后的节点类型；
步骤2，初始化种群，包括：采用基于环路的二进制编码方式，对配电网的可行解进行编码完成种群初始化，用于降低算法的搜索空间，提升收敛速度；
步骤3，变异操作，包括：基于步骤2获得的二进制编码，使用基于逻辑的算术表达式进行差分进化算法的变异操作，获得二进制变异向量；其中，所述变异操作采用基于权重的当代最优个体与上代最优个体的比较方式选取变异策略，以提升算法的收敛速度；对变异操作后出现的无效解进行检测与修复，使变异操作后所得变异向量为有效解；
步骤4，交叉与选择操作，包括：基于步骤3获得的二进制变异向量，采用启发式的自适应交叉概率计算方式，以二进制串作为个体的方式进行交叉操作；根据步骤3进行的搜索模式，动态选取交叉概率CR；采用和声搜索算法对个体进行微调的策略改进交叉操作；采用和声搜索算法更新和声库的策略完成选择操作，最终确定各回路断开的支路开关，完成配电网的优化重构。


2.根据权利要求1所述的一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，步骤1中，将配电网网损最小作为目标函数，配电网重构的数学模型表示为，



式中，NP为待重构配电网中的节点总数，Pi、Qi、Ri、Ui分别表示流过支路i的有功功率、无功功率、支路i的电阻，支路i的末端节点电压值；
待重构配电网的电压降约束表示为，
Uimin≤Ui≤Uimaxi＝1,...,N；
待重构配电网的线路电流值约束表示为，
Ii≤Iimaxi＝1,...,N；
待重构配电网的电源容量约束表示为，
Si＜Simaxi＝1,...,N；
式中，Ui、Uimin、Uimax分别表示节点i的电压幅值及其上限、下限；
Iimax为支路的最大电流；
Si、Simax分别表示各线路流过的功率值和支路容量最大容许值；
其中，待重构配电网进行重构后，配电网络呈辐射状，无环路及孤岛存在。


3.根据权利要求1所述的一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，步骤1中，所述确定分布式电源并入配电网后的节点类型，包括：将接入配电网的分布式电源处理为两种模型：P、Q恒定型，P和Q的值均为已知；P、V恒定型，P和V的值均为已知；其中，P、Q、V分别为分布式电源的有功功率、无功功率、电压幅值；
通过计算待重构配电网的潮流分布，获取当前配电网网损PLoss以及最低节点电压。


4.根据权利要求1所述的一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，步骤2中，所述采用基于环路的二进制编码方式对配电网的可行解进行编码，包括：
步骤2.1，确定待重构配电网拓扑结构，基于拓扑结构确定配电网的环路，记为n；其中，环路的储存方式为[环路1；环路2；…；环路n]；
步骤2.2，确定步骤2.1获得的n个环路中，每个环路中的有效支路的个数，并记为k(s)；其中，有效支路记为aall(n)＝[a1,a2,…aj,…,ak]，待重构配电网的拓扑网络储存矩阵A表示为：A＝[aall(1),aall(2),…,aall(n)]T，其中，A∈Rn×max[k(s)]；对于维度低于max[k(s)]的环路，通过补0操作使其余的环路维度为max[k(s)]，保证后续步骤满足生成种群个体的要求；
步骤2.3，根据拓扑网络储存矩阵A中每个环路aall(n)的维度，确定一组二进制编码串来表示aall(n)中断开的节点，并将二进制编码记为mn，编码的总长度L为L＝m1+m2+…+mn，确定初始的算法的搜索空间为2L；
步骤2.4，设置种群大小NP，种群X表示为，
Xi′(t)＝[x1,j(t),x2,j(t),…,xi′,j(t)]，
其中，x为种群中的个体，i′＝1,2,…,NP，t表示第t代种群，j表示当前个体的维度，种群个体x以随机十进制数转化的二进制数生成。


5.根据权利要求4所述的一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，步骤2.3中，以0至aall(n)中有效支路的最大索引值为区间，随机生成一个十进制数，并将十进制数转化为二进制数，作为种群中的个体，以防止步骤2.2的aall(n)中补0操作产生无效二进制编码，同时降低2L的搜索空间。


6.根据权利要求1所述的一种基于混合策略的二进制差分进化算法的含分布式电源的配电网重构方法，其特征在于，步骤3具体包括以下步骤：
步骤3.1，使用两种不同变异操作模式，包括：DE/rand/1/bin和DE/best/1/bin；
其中，“异或”用表示，“与”用表示，“或”用“+”表示；
DE/rand/1/bin变异模式计算表达式为，



DE/best/1/bin变异模式计算表达式为，



式中，F为缩放因子，采用随机的0或1生成；P1、P2、P3为种群X中个体x的索引，满足P1≠P2≠P3≠i′，两个个体之间的索引距离以海明距离的方式求得；
步骤3.2，将当代最优个体Xbest(t)与上代最优个体Xbest(t-1)进行比较；其中，若Xbest(t)-Xbest(t-1)＞0，则在t+1代使用DE/rand/1/bin进行全局搜索；反之则使用DE/best/1/bin进行局部搜索，并进入步骤3.3；
步骤3.3，记录当代最优个体与上代最优个体的差值α，α(t)＝Xbest(t)-Xbest(t-1)；当算法在逐代收敛至全局最优，其中Δt表示当代与某一上代之间的若干代数；当时，通过累加权重的方式决定是否在下一代更改变异...

【专利技术属性】
技术研发人员：邹锐，王超学，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61