CN104102956B - 一种基于策略自适应差分进化的配电网络扩展规划方法 - Google Patents
一种基于策略自适应差分进化的配电网络扩展规划方法 Download PDFInfo
- Publication number
- CN104102956B CN104102956B CN201410352906.XA CN201410352906A CN104102956B CN 104102956 B CN104102956 B CN 104102956B CN 201410352906 A CN201410352906 A CN 201410352906A CN 104102956 B CN104102956 B CN 104102956B
- Authority
- CN
- China
- Prior art keywords
- individual
- strategy
- line
- branch road
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 238000011084 recovery Methods 0.000 claims abstract description 7
- 230000008439 repair process Effects 0.000 claims abstract description 6
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004513 sizing Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于策略自适应差分进化的配电网络扩展规划方法,考虑资金的时间价值,按等额分付资本回收计算,以年投资及运行维护费用最小为目标建立模型,并基于该模型提出一种基于策略自适应的差分进化算法,对算法得到的最优解进行解码,根据解码得到的线路编号在电力GIS平台上绘制出规划线路,对个体进行结构修复,使其满足辐射型网络结构。本发明利用迭代过程中不断更新自适应地进化策略,避免算法陷入局部最优,并借助以电力GIS***使配电网络线路的规划过程更具有交互性、规划结果更为直观、规划方案的调整更为灵活。
Description
技术领域
本发明涉及一种电力***中配电网络的扩展规划,尤其涉及的是,一种基于策略自适应差分进化的配电网络扩展规划方法。
背景技术
配电网络扩展规划是指在现状电网分析及未来负荷分布预测的基础上,从可能的变电站位置和容量、接线模式、馈线数目、路径和型号中,找出一个最优或者次优方案作为扩展改造方案,使投资、运行、检修、网损和可靠性损失费用之和最小。
根据对经济性和可靠性指标的不同处理方法,配电网络扩展规划的数学模型可分为经济型、可靠型和综合型3类。
经济型模型的目标函数只考虑经济性指标,可靠性分析通常只作为后验n-1校验。根据经济性指标的不同,可进一步分为运输模型和最小费用模型。前者认为所有负荷矩的综合最小时接线方式最短,以线路功率为控制变量;后者以投资回收费用、设备折旧费用和电能损耗费用之和为目标函数,该模型较前者更符合工程上经济性的要求。
可靠型模型是基于一定的经济水平,以可靠性为目标的规划模型。
综合型模型则是以一定的转换方式,将可靠性指标转换为可靠性效益并结合经济性模型的可靠性成本组成目标函数。
以上三种模型中,经济性模型具有一定的经济性价值,但可靠性一般较差。可靠性模型能够体现可靠性指标的改善与资金投入的关系,但实用性较差,一般只用于局部扩展规划。综合型模型寻求在可靠性成本和可靠性效益之间取得平衡,从而使配电网络扩展规划达到全局最优,具有较高的综合社会效益。
发明内容
针对配电网络扩展规划在运用进化算法求解时容易陷入局部最优、计算过程易产生大量不可行解等问题,本发明提出一种有效避免陷入局部最优、可靠性良好的基于策略自适应差分进化的配电网络扩展规划方法。
本发明解决其技术问题所采用的技术方案是:
一种基于策略自适应差分进化的配电网络扩展规划方法,所述配电网络扩展规划方法包括以下步骤:
A1、根据变电站选址定容与未来负荷分布预测的结果,在电力GIS平台上创建负荷点、变电站以及待选支路、已建支路要素信息,并建立相应的点-点、点-线、线-面的拓扑规则;
A2、对创建的要素信息进行预处理:将负荷点和变电站顺序编号,待选支路和已建支路顺序编号,并记录起点终点节点编号;针对地理障碍生成缓冲区,进行缓冲区分析,找出不适宜架设线路的线路走廊;
A3、考虑资金的时间价值,按等额分付资本回收计算,以年投资及运行维护费用最小为目标,目标函数如式(1):
式中:S1、S2、S分别为新建线路集、已建线路集和总线路集;ω是年等值回收系数,λ为维修、折旧占投资费用的百分比;li是线路i的长度,f(Di)为线径为Di的线路单位长度的造价,Xi为第i条线路的决策变量,选择该线路作为馈线支路,则Xi取1,反之取0;g(Di)为线径为Di的线路的电阻率;Pi为线路i的通过功率,UN为额定电压;τmax年最大损耗时间,d为单位电价;
差分进化算法中,维数D为待选支路数量Nline,种群数量NP=10*D,变异算子F为随机产生的二进制字符串,交叉算子CR取0.1,终止条件为经过禁忌搜索算法后的得到的最优个体与切换进入禁忌搜索算法前的最优个体适应度相同;进入禁忌搜索算法的切换条件为迭代超过若干代且最优个体连续若干代不发生变化;退出禁忌搜索算法的条件为步长超过若干步且最优个体连续若干代不发生变化;
A4、读取要素信息,生成算法初始种群,对初始种群进行评价,并令种群的第一个个体为全局最优个体;
A5、判断是否达到终止条件,若是,则进化终止,将最优个体作为解输出,转步骤A10;若否,则继续算法,进入步骤A6;
A6、判断是否需要更新策略选择概率,若是,则更新概率;
A7、根据不同策略的选择概率随机选择一种策略进行变异和交叉操作,并进行结构约束校验,若个体不满足约束,则转入步骤A11;若满足约束,则进入步骤A8;
A8、进行选择操作,若变异交叉后的新个体能替换旧个体进入下一代,则相应策略当前代成功次数累加1次,否则失败次数累加1次;
A9、遍历当前种群,找出最优个体,判断当前最优个体是否优于全局最优个体,若是则替换,否则保留,之后进入步骤A5;
A10、对算法得到的最优解进行解码,根据解码得到的线路编号在电力GIS平台上绘制出规划线路;
A11、对个体进行结构修复,使其满足辐射型网络结构,修复完成,转入步骤A8。
进一步,所述步骤A4中,读取负荷点的位置信息及负荷大小、变电站的位置信息、待选支路、已建支路。随机生成长度为Nline的二进制字符串,并确保字符串中的“1”的数量为Nnode(节点数量),套用(1)式的函数计算每个个体的目标函数值。
再进一步,所述步骤A6中,设置统计代数LP为10,更新代数为15,即每经历15代迭代,就统计当前代G往前逆推的10代的各个策略的失败、成功次数,并计算相应策略的选择概率,如式(2)、(3),其中Sk,G表示策略k第G代时的成功概率;nsk,g,nfk,g分别表示策略k第g代成功、失败的次数;ε为0.01,为了防止策略成功概率为0;pk,G表示策略k第G代的选择概率;
更进一步,所述步骤A7中,设置(4)、(5)、(6)3种变异策略。
vi,j=xr1,j+F·(xr2,j-xr3,j) (3)
vi,j=xi,j+F·(xbest,j-xi,j)+F·(xr1,j-xr2,j)+F·(xr3,j-xr4,j) (4)
vi,j=xi,j+F·(xr2,j-xr3,j)+F·(xr4,j-xr5,j) (5)
变异操作对每个目标个体Xi,G,i=1,2,…,NP,按照概率选择策略产生变异个体。其中,策略中随机选择的序号r1,r2,r3,r4,r5互不相同,且r1,r2,r3,r4,r5与目标个体序号i也不同;策略(5)中xbest,j为最优个体。三种策略中,算术运算符均为逻辑运算符,即"-"表示逻辑或,"·"表示逻辑异或,"+"表示逻辑与。
然后根据式(7)、(8)、(9)进行交叉操作,其中randb(j)为[0,1]之间随机生成的第j个估计值,rnbr(i)为一个随机选择的序列。
Ui,G+1=(U1i,G+1,U2i,G+1,L,UDi,G+1) (6)
(i=1,2,L,NP,j=1,2,L,D) (8)
对个体进行连通性、辐射性结构约束校验,若不满足约束则转入步骤A11进行结构修复。
所述步骤A13中,首先对不满足辐射性结构的个体进行支路数目修复,使Nbranch=Nnode-1;接着深度遍历个体树,记录个体孤立部分,若个体存在闭环,则记录下闭环支路;遍历完成之后,随机打断闭环中的一条支路,并将个体孤立部分连接起来。
本发明的有益效果主要表现在:本发明在进行配电网络扩展规划时应用策略自适应避免了求解过程陷入局部最优,并结合GIS的网络分析、缓冲分析优化算法过程,使规划过程更为直观,方便人工对结果进行调整。
附图说明
图1是基于策略自适应差分进化的配电网络扩展规划方法的流程图。
图2是变电站位置及负荷点分布。
图3是初始配电网络。
图4是执行算法后得到的优化配电线路。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图4,一种基于策略自适应差分进化的配电网络扩展规划方法,如图1所示,其中包含以下步骤:
A1、根据变电站选址定容与未来负荷分布预测结果,在电力GIS平台创建相关要素信息;
A2、对创建的要素信息进行预处理;
A3、确定目标函数,设置算法相应的控制参数和所采用的具体策略;
A4、读取要素信息,生成算法初始种群,对初始种群进行评价,并令种群的第一个个体为全局最优个体;
A5、判断是否达到终止条件,若是,则进化终止,将最优个体作为解输出,转步骤A10;若否,则继续算法,进入步骤A6;
A6、判断是否需要更新策略选择概率,若是,则更新概率;
A7、根据不同策略的选择概率随机选择一种策略进行变异和交叉操作,并进行结构约束校验,若个体不满足约束,则转入步骤A11;若满足约束,则进入步骤A8;
A8、进行选择操作,若变异交叉后的新个体能替换旧个体进入下一代,则相应策略当前代成功次数累加1次,否则失败次数累加1次;
A9、遍历当前种群,找出最优个体,判断当前最优个体是否优于全局最优个体,若是则替换,否则保留,之后进入步骤A5;
A10、对算法得到的最优解进行解码,根据解码得到的线路编号在电力GIS平台上绘制出规划线路。
A11、对个体进行结构修复,使其满足辐射型网络结构,修复完成,转入步骤A8;
其中,DE算法采用二进制编码,即字符串每一位上“1”表示相应编号的支路被选中,“0”表示相应编号的支路不选中。
所述的方法,其中在步骤A1中,根据变电站选址定容与未来负荷分布预测的结果,在电力GIS平台上创建负荷点、变电站以及待选支路、已建支路要素信息,并建立相应的点-点、点-线、线-面的拓扑规则。
所述的方法,其中在步骤A2中,将所有节点(包括负荷点及变电站)顺序编号,所有支路(包括待选支路及已建支路)顺序编号,并记录起点终点节点编号;针对地理障碍生成缓冲区,进行缓冲区分析,找出不适宜架设线路的线路走廊,降低算法维数空间,减少盲目搜索。
所述的方法,其中在步骤A3中,优化模型考虑资金的时间价值,按等额分付资本回收计算,以年投资及运行维护费用最小为目标,目标函数如式(6)。
式中:S1、S2、S分别为新建线路集、已建线路集和总线路集;ω是年等值回收系数,λ为维修、折旧占投资费用的百分比;li是线路i的长度,f(Di)为线径为Di的线路单位长度的造价,Xi为第i条线路的决策变量(选择该线路作为馈线支路,则Xi取1,反之取0);g(Di)为线径为Di的线路的电阻率;Pi为线路i的通过功率,UN为额定电压;τmax年最大损耗时间,d为单位电价。DE(Differential Evolution,差分进化)算法中,维数D为待选支路数量Nline,种群数量NP=10*D,变异算子F为随机产生的二进制字符串,交叉算子CR取0.1,终止条件为迭代达到200代;
所述的方法,其中在步骤A4中,读取负荷点的位置信息及负荷大小、变电站的位置信息、待选支路、已建支路。随机生成长度为Nline的二进制字符串,并确保字符串中的“1”的数量为Nnode(节点数量),套用(1)式的函数计算每个个体的目标函数值。
所述步骤A6中,设置统计代数LP为10,更新代数为15,即每经历15代迭代,就统计当前代G往前逆推的10代的各个策略的失败、成功次数,并计算相应策略的选择概率,如式(10)、(11),其中Sk,G表示策略k第G代时的成功概率;nsk,g,nfk,g分别表示策略k第g代成功、失败的次数;ε为0.01,为了防止策略成功概率为0;pk,G表示策略k第G代的选择概率;
所述步骤A7中,设置(12)、(13)、(14)3种变异策略。
vi,j=xr1,j+F·(xr2,j-xr3,j) (11)
vi,j=xi,j+F·(xbest,j-xi,j)+F·(xr1,j-xr2,j)+F·(xr3,j-xr4,j) (12)
vi,j=xi,j+F·(xr2,j-xr3,j)+F·(xr4,j-xr5,j) (13)
变异操作对每个目标个体Xi,G,i=1,2,…,NP,按照概率选择策略产生变异个体。其中,策略中随机选择的序号r1,r2,r3,r4,r5互不相同,且r1,r2,r3,r4,r5与目标个体序号i也不同;;策略(13)中xbest,j为最优个体。三种策略中,算术运算符均为逻辑运算符,即"-"表示逻辑或,"·"表示逻辑异或,"+"表示逻辑与。
然后根据式(15)、(16)、(17)进行交叉操作,其中randb(j)为[0,1]之间随机生成的第j个估计值,rnbr(i)为一个随机选择的序列。
Ui,G+1=(U1i,G+1,U2i,G+1,L,UDi,G+1) (14)
(i=1,2,L,NP,j=1,2,L,D) (16)
对个体进行连通性、辐射性结构约束校验,若不满足约束则转入步骤A11进行结构修复。
所述步骤A13中,首先对不满足辐射性结构的个体进行支路数目修复,使Nbranch=Nnode-1;接着深度遍历个体树,记录个体孤立部分,若个体存在闭环,则记录下闭环支路;遍历完成之后,随机打断闭环中的一条支路,并将个体孤立部分连接起来。
实施例
本实施例是一个具有25个节点和42条可扩建支路的10kv配电网的实际***,电力GIS平台采用电力线管理GIS信息***,该***已在山东烟台等地投入试用,运行反映良好。
节点数据如表1所示,容量0的为变电站;支路数据如表2所示。电压降落约束设置为5%,ω取0.105,λ取0.05,τmax取10000h,d取0.5。
在电力线管理GIS信息***平台上创建节点要素如图2,实心点为负荷,空心点为变电站,创建线路要素如图3。应用算法进行运算后,获得如图4的配电线路布线方案。表1为节点数据,表2馈线数据。
表1
支路号 | 起点 | 终点 | 电阻(Ω) | 电抗(Ω) | 造价(元) | 容量(A) | 长度(km) |
1 | 1 | 2 | 2.52 | 0.84 | 106500 | 90 | 2.1 |
2 | 1 | 3 | 1.98 | 0.66 | 99750 | 90 | 1.65 |
3 | 1 | 42 | 2.64 | 0.88 | 10800 | 90 | 2.2 |
4 | 2 | 5 | 4.2 | 0.8 | 30000 | 125 | 2 |
5 | 2 | 6 | 3.15 | 0.6 | 22500 | 125 | 1.5 |
6 | 3 | 6 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
7 | 3 | 7 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
8 | 4 | 7 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
9 | 4 | 8 | 2.1 | 0.4 | 15000 | 125 | 1 |
10 | 4 | 12 | 2.1 | 0.4 | 15000 | 125 | 1 |
11 | 5 | 9 | 2.63 | 0.5 | 18750 | 125 | 1.25 |
12 | 6 | 9 | 3.15 | 0.6 | 22500 | 125 | 1.5 |
13 | 6 | 10 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
14 | 7 | 10 | 4.2 | 0.8 | 30000 | 125 | 2 |
15 | 7 | 11 | 4.2 | 0.8 | 30000 | 125 | 2 |
16 | 7 | 8 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
17 | 9 | 15 | 2.63 | 0.5 | 18750 | 125 | 1.25 |
18 | 9 | 10 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
19 | 10 | 14 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
20 | 10 | 13 | 5.78 | 1.1 | 41250 | 125 | 2.75 |
21 | 11 | 13 | 3.68 | 0.7 | 26250 | 125 | 1.75 |
22 | 1 | 16 | 1.8 | 0.6 | 97500 | 90 | 1.5 |
23 | 2 | 16 | 2.21 | 0.42 | 15750 | 125 | 1.05 |
24 | 16 | 17 | 1.58 | 0.3 | 11250 | 125 | 0.75 |
25 | 2 | 17 | 2.21 | 0.42 | 15750 | 125 | 1.05 |
26 | 5 | 17 | 2.1 | 0.4 | 15000 | 125 | 1 |
27 | 17 | 18 | 3.15 | 0.6 | 22500 | 125 | 1.5 |
28 | 5 | 18 | 1.58 | 0.3 | 11250 | 125 | 0.75 |
29 | 15 | 18 | 2.63 | 0.5 | 18750 | 125 | 1.25 |
30 | 1 | 19 | 1.86 | 0.62 | 98250 | 90 | 1.55 |
31 | 4 | 19 | 2.1 | 0.4 | 15000 | 125 | 1 |
32 | 19 | 20 | 1.58 | 0.3 | 11250 | 125 | 0.75 |
33 | 12 | 20 | 1.58 | 0.3 | 11250 | 125 | 0.75 |
34 | 12 | 21 | 1.05 | 0.2 | 7500 | 125 | 0.5 |
35 | 21 | 22 | 1.05 | 0.2 | 7500 | 125 | 0.5 |
36 | 8 | 23 | 2.21 | 0.42 | 15750 | 125 | 1.05 |
37 | 11 | 23 | 1.05 | 0.2 | 7500 | 125 | 0.5 |
38 | 8 | 22 | 1.37 | 0.26 | 9750 | 125 | 0.65 |
39 | 3 | 24 | 1.58 | 0.3 | 11250 | 125 | 0.75 |
40 | 9 | 25 | 0.95 | 0.18 | 6750 | 125 | 0.45 |
41 | 14 | 25 | 1.05 | 0.2 | 7500 | 125 | 0.5 |
42 | 4 | 24 | 0.84 | 0.16 | 6000 | 125 | 0.4 |
表2
从布线结果可以看出,每回线路均有清晰且互不重叠的供电范围,每回线路挂接的负荷容量也满足线路最大容量的限制,可见其结果是合理的,并符合工程实际。本实施例表明本发明所述的方法是能在一定的计算规模下,较为有效的计算出一条可行布线方案,并在电力GIS平台上直观地反映出结果,从而提高规划人员工作效率的。
Claims (3)
1.一种基于策略自适应差分进化的配电网络扩展规划方法,其特征在于:所述配电网络扩展规划方法包括以下步骤:
A1、根据变电站选址定容与未来负荷分布预测的结果,在电力GIS平台上创建负荷点、变电站以及待选支路、已建支路要素信息,并建立相应的点-点、点-线、线-面的拓扑规则;
A2、对创建的要素信息进行预处理:将负荷点和变电站顺序编号,待选支路和已建支路顺序编号,并记录起点终点节点编号;针对地理障碍生成缓冲区,进行缓冲区分析,找出不适宜架设线路的线路走廊;
A3、考虑资金的时间价值,按等额分付资本回收计算,以年投资及运行维护费用最小为目标,目标函数如式(1):
式中:S1、S2、S分别为新建线路集、已建线路集和总线路集;ω是年等值回收系数,λ为维修、折旧占投资费用的百分比;li是线路i的长度,f(Di)为线径为Di的线路单位长度的造价,Xi为第i条线路的决策变量,选择该线路作为馈线支路,则Xi取1,反之取0;g(Di)为线径为Di的线路的电阻率;Pi为线路i的通过功率,UN为额定电压;τmax为年最大损耗时间,d为单位电价;
差分进化算法中,维数D为待选支路数量Nline,种群数量NP=10*D,变异算子F为随机产生的二进制字符串,交叉算子CR取0.1,终止条件为经过禁忌搜索算法后的得到的最优个体与切换进入禁忌搜索算法前的最优个体适应度相同;进入禁忌搜索算法的切换条件为迭代超过若干代且最优个体连续若干代不发生变化;退出禁忌搜索算法的条件为步长超过若干步且最优个体连续若干代不发生变化;
A4、读取要素信息,生成算法初始种群,对初始种群进行评价,并令种群的第一个个体为全局最优个体;
A5、判断是否达到终止条件,若是,则进化终止,将最优个体作为解输出,转步骤A10;若否,则继续算法,进入步骤A6;
A6、判断是否需要更新策略选择概率,若是,则更新概率;
设置统计代数LP为10,更新代数为15,即每经历15代迭代,就统计当前代G往前逆推的10代的各个策略的失败、成功次数,并计算相应策略的选择概率,如式(2)、(3),其中Sk,G表示策略k第G代时的成功概率;nsk,g,nfk,g分别表示策略k第g代成功、失败的次数;ε为0.01,为了防止策略成功概率为0;pk,G表示策略k第G代的选择概率;
A7、根据不同策略的选择概率随机选择一种策略进行变异和交叉操作,并进行结构约束校验,若个体不满足约束,则转入步骤A11;若满足约束,则进入步骤A8;
设置(4)、(5)、(6)3种变异策略,
vi,j=xr1,j+F·(xr2,j-xr3,j) (4)
vi,j=xi,j+F·(xbest,j-xi,j)+F·(xr1,j-xr2,j)+F·(xr3,j-xr4,j) (5)
vi,j=xi,j+F·(xr2,j-xr3,j)+F·(xr4,j-xr5,j) (6)
变异操作对每个目标个体Xi,G,i=1,2,…,NP,按照概率选择策略产生变异个体,其中,策略中随机选择的序号r1,r2,r3,r4,r5互不相同,且r1,r2,r3,r4,r5与目标个体序号i也不同;策略(5)中xbest,j为最优个体,三种策略中,算术运算符均为逻辑运算符,即"-"表示逻辑或,"·"表示逻辑异或,"+"表示逻辑与;
然后根据式(7)、(8)、(9)进行交叉操作,其中randb(j)为[0,1]之间随机生成的第j个估计值,rnbr(i)为一个随机选择的序列
Ui,G+1=(U1i,G+1,U2i,G+1,…,UDi,G+1) (7)
(i=1,2,…,NP,j=1,2,…,D) (9)
对个体进行连通性、辐射性结构约束校验,若不满足约束则转入步骤A11进行结构修复;
A8、进行选择操作,若变异交叉后的新个体能替换旧个体进入下一代,则相应策略当前代成功次数累加1次,否则失败次数累加1次;
A9、遍历当前种群,找出最优个体,判断当前最优个体是否优于全局最优个体,若是则替换,否则保留,之后进入步骤A5;
A10、对算法得到的最优解进行解码,根据解码得到的线路编号在电力GIS平台上绘制出规划线路;
A11、对个体进行结构修复,使其满足辐射型网络结构,修复完成,转入步骤A8。
2.如权利要求1所述的一种基于策略自适应差分进化的配电网络扩展规划方法,其特征在于:所述步骤A4中,读取负荷点的位置信息及负荷大小、变电站的位置信息、待选支路、已建支路,随机生成长度为Nline的二进制字符串,并确保字符串中的“1”的数量为Nnode,套用(1)式的函数计算每个个体的目标函数值。
3.如权利要求2所述的一种基于策略自适应差分进化的配电网络扩展规划方法,其特征在于:所述步骤A11中,首先对不满足辐射性结构的个体进行支路数目修复,使Nbranch=Nnode-1;接着深度遍历个体树,记录个体孤立部分,若个体存在闭环,则记录下闭环支路;遍历完成之后,随机打断闭环中的一条支路,并将个体孤立部分连接起来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410352906.XA CN104102956B (zh) | 2014-07-23 | 2014-07-23 | 一种基于策略自适应差分进化的配电网络扩展规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410352906.XA CN104102956B (zh) | 2014-07-23 | 2014-07-23 | 一种基于策略自适应差分进化的配电网络扩展规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104102956A CN104102956A (zh) | 2014-10-15 |
CN104102956B true CN104102956B (zh) | 2017-05-03 |
Family
ID=51671092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410352906.XA Expired - Fee Related CN104102956B (zh) | 2014-07-23 | 2014-07-23 | 一种基于策略自适应差分进化的配电网络扩展规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104102956B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680263B (zh) * | 2015-03-21 | 2018-03-23 | 西安电子科技大学 | 基于粒子群算法的电力运输网络拓扑结构设计方法 |
CN107730062A (zh) * | 2016-08-11 | 2018-02-23 | 中移(杭州)信息技术有限公司 | 一种配电线路规划方法及装置 |
CN106769992B (zh) * | 2016-12-05 | 2020-03-24 | 河南工业大学 | 基于差分进化的谷氨酰胺太赫兹谱波长选择方法及装置 |
CN106706551B (zh) * | 2016-12-05 | 2020-03-24 | 河南工业大学 | 基于差分进化的组氨酸太赫兹吸收谱波长选择方法及装置 |
CN106951615B (zh) * | 2017-03-09 | 2019-05-21 | 西安电子科技大学 | 基于密母算法的电力运输网络拓扑结构设计方法 |
CN107066709B (zh) * | 2017-03-29 | 2019-05-21 | 西安电子科技大学 | 基于多智能体遗传算法的电力运输网络拓扑结构设计方法 |
CN107730044A (zh) * | 2017-10-20 | 2018-02-23 | 燕山大学 | 一种可再生能源发电和负荷的混合预测方法 |
CN110334846A (zh) * | 2019-05-07 | 2019-10-15 | 国网湖南省电力有限公司 | 规划效果最优的最小投资测算方法 |
CN110197302B (zh) * | 2019-05-30 | 2021-06-08 | 华南理工大学 | 一种考虑接线模式拓扑约束的配电网规划方法 |
CN111327050B (zh) * | 2020-03-06 | 2022-04-15 | 西安建筑科技大学 | 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*** |
CN111597621B (zh) * | 2020-05-26 | 2022-06-21 | 西南交通大学 | 一种基于gis和差分进化算法的铁路线路双层优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254242A (zh) * | 2011-06-10 | 2011-11-23 | 华北电力大学 | 规划网络数据***及其快速智能生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8219477B2 (en) * | 2004-02-20 | 2012-07-10 | General Electric Company | Systems and methods for multi-objective portfolio analysis using pareto sorting evolutionary algorithms |
-
2014
- 2014-07-23 CN CN201410352906.XA patent/CN104102956B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254242A (zh) * | 2011-06-10 | 2011-11-23 | 华北电力大学 | 规划网络数据***及其快速智能生成方法 |
Non-Patent Citations (2)
Title |
---|
Combining Differential Evolution Algorithm with biogeography-based optimization algorithm for reconfiguration of distribution network;J Li 等;《IEEE International Conference on Power System Technology》;20121102;第1-6页 * |
基于混合微分演化算法的配电网架结构智能规划;刘军 等;《电力***自动化》;20070125;第31卷(第2期);第32-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104102956A (zh) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104102956B (zh) | 一种基于策略自适应差分进化的配电网络扩展规划方法 | |
CN104200263B (zh) | 一种基于禁忌差分进化和gis的配电网络线路规划方法 | |
de Quevedo et al. | Impact of electric vehicles on the expansion planning of distribution systems considering renewable energy, storage, and charging stations | |
Moradi-Sepahvand et al. | Integrated expansion planning of electric energy generation, transmission, and storage for handling high shares of wind and solar power generation | |
CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
CN105449713B (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
CN103034912B (zh) | 一种分布式电源选址定容的优化方法 | |
CN107025518A (zh) | 一种电动汽车充电站规划方法及装置 | |
CN103514570A (zh) | 一种含分布式电源的配电网扩展规划综合优化方法 | |
CN108122068A (zh) | 一种配电网风险规划方法及*** | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN108429257A (zh) | 基于负荷点聚类分区并计及地理因素的配电网网架规划方法 | |
CN101764407A (zh) | 一种基于模糊期望值模型的配电网的规划方法 | |
Gu et al. | Joint planning of electrical storage and gas storage in power-gas distribution network considering high-penetration electric vehicle and gas vehicle | |
CN105141464A (zh) | 一种输配电协调的网架结构规划方法 | |
Florez et al. | Multi-objective transmission expansion planning considering multiple generation scenarios | |
Shayeghi et al. | Studying effect of bundle lines on TNEP considering network losses using decimal codification genetic algorithm | |
CN107180303A (zh) | 一种基于全寿命周期成本管理的配电网规划方法 | |
CN111079972A (zh) | 一种主动配电网可靠性规划方法、设备及介质 | |
CN106503814B (zh) | 一种计及可靠性的配电变压器组年度检修计划生成方法 | |
CN105932690A (zh) | 一种综合无功优化与网络重构的配网运行优化方法 | |
CN106203710A (zh) | 一种考虑能效电厂的单阶段输电网二层规划方法 | |
Bagheri et al. | Evaluating the effects of renewable and non‐renewable DGs on DNEP from the reliability, uncertainty, and operational points of view by employing hybrid GA and OPF | |
CN107221929A (zh) | 基于市场利益的能效电厂优化配置与厂网协调规划方法 | |
CN103824122B (zh) | 基于两阶段双层多目标优化的输变电工程立项决策方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170503 Termination date: 20170723 |
|
CF01 | Termination of patent right due to non-payment of annual fee |