一种改进北方苍鹰算法的配电网重构方法技术

本发明专利技术公开了一种改进北方苍鹰算法的配电网重构方法，包括：建立以最小网损为目标函数的重构模型；基于准反向学习方法与随机差分变异策略引入北方苍鹰算法；结合所述重构模型与所述北方苍鹰算法应用在配电网重构中，获得配电网重构的最优重构方案。本发明专利技术利用反向学习法来获取高质量与多样性的初始种群，并通过随机差分变异策略来对北方苍鹰算法进行改进，避免算法陷入局部最优，从而得到配电网最优重构方案。构方案。构方案。

【技术实现步骤摘要】
一种改进北方苍鹰算法的配电网重构方法


[0001]本专利技术涉及配电网重构
，尤其涉及一种改进北方苍鹰算法的配电网重构方法。

技术介绍

[0002]配电网作为电网与用户的“最后一公里”，配电网的安全稳定运行是保证用户生活，促进社会稳定发展的重要前提。近些年来，随着人民生活水平的提高，电力负荷的数量与种类逐年增加，电能的数量与质量的需求不断提高，配电网的结构也变得越来越复杂，导致了配电网网损逐年增加，严重降低了配电网的电压质量。
[0003]配电网重构通过调整配电网中的分段开关与联络开关状态，改变配电网的拓扑结构，使得配电网的潮流方向发生改变，可以有效降低网损，改善电压分布情况，有利于配电网的经济稳定运行。
[0004]配电网重构的方法主要包括传统的启发式算法与人工智能算法，支路交换法作为启发式算法的一种，实现简单，但容易收敛于局部最优解。作为广泛应用于配电网中的人工算法中，遗传算法、禁忌搜索算法、蚁群算法、粒子群算法都有一定的缺陷，遗传算法收敛速度较慢，局部搜索能力弱，蚁群算法计算时间长，禁忌算法与粒子群算法都易陷入局部最优解。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种改进北方苍鹰算法的配电网重构方法，将反向学习方法与随机差分变异策略引入算法之中，有效避免了算法陷入局部最优，能够快速改进寻优方向，获得全局最优解。
[0006]为实现上述目的，本专利技术提供了一种改进北方苍鹰算法的配电网重构方法，包括：
[0007]建立以最小网损为目标函数的重构模型；
[0008]基于准反向学习方法与随机差分变异策略引入北方苍鹰算法；
[0009]结合所述重构模型与所述北方苍鹰算法应用在配电网重构中，获得配电网重构的最优重构方案。
[0010]优选地，建立所述以最小网损为目标函数的重构模型，包括：
[0011]配电网经过重构后，获取新结构中节点i到i+1节点的支路网损，基于所述支路网损，计算所述配电网中总网络损失；
[0012]以所述配电网中总网络损失最小为目标函数，建立不等式约束，获取目标函数的网络约束，基于所述目标函数的网络约束建立所述以最小网损为目标函数的重构模型。
[0013]优选地，获取所述支路网损的方法为：
[0014][0015]式中，R
i
表示节点i与i+1之间的电阻，P
i
与Q
i
表示流过节点i与i+1之间支路的有功
功率与无功功率；U
i
表示节点i的电压值，P
Loos
(i,i+1)为节点i到i+1节点的支路网损。
[0016]优选地，所述配电网中总网络损失的计算方法为：
[0017][0018]式中，P
LoosT
表示配电网总网络损失，n为网络节点数。
[0019]优选地，所述目标函数的网络约束为：
[0020]g∈G
[0021]式中，g表示当前配电网的拓扑结构，G表示配电网辐射结构的集合。
[0022]优选地，所述北方苍鹰算法包括猎物识别与攻击阶段和追逐与逃逸阶段；
[0023]其中，所述猎物识别与攻击阶段的数学模型为：
[0024][0025]式中，表示第一阶段中第i只苍鹰在第j维的新位置；P
i,j
是猎物的位置；F
i
为第i只北方苍鹰的目标函数值；r是[0,1]之间的随机数；I是等于1或2的随机整数；
[0026]所述追逐与逃逸阶段的数学模型为：
[0027][0028]式中，为第二阶段中第i只苍鹰在第j维的位置，R表示攻击半径。
[0029]优选地，引入所述准反向学习法与所述随机差分变异策略，用于使算法随着时间的推移逃离局部最优，防止算法陷入局部最优；
[0030]其中，所述准反向学习法为：
[0031][0032]式中，第i只北方苍鹰在第j维空间中的位置；(a，b)代表a、b之间的随机数；
[0033]所述随机差分变异策略为：
[0034][0035]式中，r1和r2为[0，1]的随机数，X'
(i)
为种群中随机选取的个体。
[0036]优选地，结合所述重构模型与所述北方苍鹰算法应用在配电网重构中，包括：
[0037]S3.1、初始化所述北方苍鹰算法的基本参数，包括算法的种群大小数目、维度以及迭代次数；
[0038]S3.2、采用所述准反向学习方法，求解所述北方苍鹰算法的准方向解，并与原始种群进行合并，用于提高种群多样性最大化的个体；
[0039]S3.3、通过目标函数对每个个体进行计算，得到目标函数值最小的fbest并进行储存；
[0040]S3.4、更新北方苍鹰种群位置，对所述种群进行随机差分变异，重新计算种群适应度，选取最优适应度及其种群位置进行储存；
[0041]S3.5、若达到最大迭代次数，则输出最优解xbest与fitnessbest，分别为重构后的最优开关组合与最小网损值；否则转至S3.2进入下一轮迭代。
[0042]与现有技术相比，本专利技术具有如下优点和技术效果：
[0043]本专利技术提供的一种改进北方苍鹰算法的配电网重构方法，利用反向学习法来获取高质量与多样性的初始种群，并通过随机差分变异策略来对遗传算法进行改进，避免算法陷入局部最优，从而得到配电网最优重构方案；
[0044]通过在33节点的配电网络中进行实验验证，与未改进前的北方苍鹰优化算法和应用较广的粒子群算法进行对比，改进后的北方苍鹰算法具有较强的全局寻优能力，能够有效减少网络损失。
附图说明
[0045]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0046]图1为本专利技术实施例的改进北方苍鹰算法的配电网重构方法流程图；
[0047]图2为本专利技术实施例的IEEE33节点配电网结构图；
[0048]图3为本专利技术实施例的重构前后的电压曲线图。
具体实施方式
[0049]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0050]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0051]配电网重构通过调整配电网中的分段开关与联络开关状态，改变配电网的拓扑结构，使得配电网的潮流方向发生改变，可以有效降低网损，改善电压分布情况，有利于配电网的经济稳定运行。配电网重构的方法主要包括传统的启发式算法与人工智能算法，支路交换法作为启发式算法的一种，实现简单，但容易收敛于局部最优解。作为广泛应用于配电网中的人工算法中，遗传算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进北方苍鹰算法的配电网重构方法，其特征在于，包括：建立以最小网损为目标函数的重构模型；基于准反向学习方法与随机差分变异策略引入北方苍鹰算法；结合所述重构模型与所述北方苍鹰算法应用在配电网重构中，获得配电网重构的最优重构方案。2.根据权利要求1所述的改进北方苍鹰算法的配电网重构方法，其特征在于，建立所述以最小网损为目标函数的重构模型，包括：配电网经过重构后，获取新结构中节点i到i+1节点的支路网损，基于所述支路网损，计算所述配电网中总网络损失；以所述配电网中总网络损失最小为目标函数，建立不等式约束，获取目标函数的网络约束，基于所述目标函数的网络约束建立所述以最小网损为目标函数的重构模型。3.根据权利要求2所述的改进北方苍鹰算法的配电网重构方法，其特征在于，获取所述支路网损的方法为：式中，R
i
表示节点i与i+1之间的电阻，P
i
与Q
i
表示流过节点i与i+1之间支路的有功功率与无功功率；U
i
表示节点i的电压值，P
Loos
(i,i+1)为节点i到i+1节点的支路网损。4.根据权利要求3所述的改进北方苍鹰算法的配电网重构方法，其特征在于，所述配电网中总网络损失的计算方法为：式中，P
LoosT
表示配电网总网络损失，n为网络节点数。5.根据权利要求2所述的改进北方苍鹰算法的配电网重构方法，其特征在于，所述目标函数的网络约束为：g∈G式中，g表示当前配电网的拓扑结构，G表示配电网辐射结构的集合。6.根据权利要求1所述的改进北方苍鹰算法的配电网重构方法，其特征在于，所述北方苍鹰算法包括猎物识别与攻击阶...

【专利技术属性】
技术研发人员：陈超洋，刘成伟，贺悝，谭庄熙，吴晓文，李沛，陈祖国，邹莹，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：