基于优化量子粒子群算法的配电网重构

发布时间：2020-09-17 14:04

　　随着社会经济的发展,用户对电力的需求日益增长,配电网的网络结构也日趋复杂。由于配电网主要以架空线路为主,且分支线路较多,因此,其故障率、线损率较高,电能质量较差。而配电网重构能有效帮助电力系统保持安全又经济的运行状态。一方面,能有效降低配电网的网络损耗,提高配电网运行的经济性,另一方面,配电网重构还能起到均衡负荷、消除过载以及提高电能质量的重要作用。配电网重构作为电力系统中难题,是一个非线性、多目标组合优化问题。本文介绍了量子粒子群优化算法和引力搜索法,由于量子粒子群优化算法较简单,并能收敛于全局最优解,但在离散空间难以取得理想的优化效果。引力搜索法由于参数设定等原因,容易陷入局部收敛,但其计算能力强,收敛速度快,本文介绍了量子粒子群优化算法的优化步骤及流程,以及引力搜索法的搜索步骤,并通过分析二者的基本原理和优缺点,将这两种算法相结合,形成了新型混合算法,该混合算法在提高收敛速度的同时,保证实现全局寻优且适用范围较广。通过对潮流计算方法和数学模型的分析,介绍了配电网辐射型的判断依据,并针对配电网网络结构的特点。本文采用分层分区、前推后代的方法对配电网进行潮流计算,并对两种算法的基本原理进行了较为深入的分析。本文所采用的混合算法以最小网损为目标函数,对IEEE33节点配电网系统和美国PGE69节点配电网系统,进行了重构验证,并通过与其他算法在配电网重构中的应用效果进行对比,体现出本文所采用的混合算法的优越性和在实际操作中的可行性,有效降低网损的同时,提高了电网运行稳定性。
【学位单位】：湖南工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TM73
【部分图文】：

流程图,量子粒子,优化算法,流程

硕士学位论文计算粒子群中粒子的适应值，每一个粒子都要将其适应值在最小化问题中，若当前值小于前面的值，便使用当前值则保留前面的值。计算粒子群当前的全局 [ ]1rg min{ ( ) }ii Mf P t≤ ≤，将当前全局最佳位置( )gP t与前一次迭代 1)进行比较，若满足 ( ) ( 1)g gf P t < f P t ，则保留gP 1)t ；根据式（2-4）计算每个粒子的随机点 ( )idPP t ；根据每个粒子i的新位置 ( 1)iX t +；判断计算是否达到迭代次就结束循环，否则，返回到第 2 步，继续计算粒子群的平均优化算法的流程图如 2-1 所示：

流程图,引力,搜索算法,流程图

图 2-3 引力搜索算法流程图引力搜索法搜索中种群粒子位置的更新，是自身的质量和其余可行域范围力，相互作用下的加速度决定的，其数值大小决定了搜索的速值就显得尤为重要。为了提高算法的准确度，避免陷入局部搜法收敛，提出了一些其他的改进引力搜索法。加权值的引力搜索法[40]值的引力搜索法的核心内容就是加快搜索速度，可以知道随着解的函数最适应值也在不停地更新，种群中的粒子根据万有粒子，其引力也越大，可行域中的其他粒子会朝向引力大的于某些对结果精确值要求不高，但是对计算速度要求高的算都添加一个加权值，让粒子的质量变大或者减小的趋势更快行搜索继而得到最优解。对于权值的引力搜索法中，每次算法将粒子的惯性质量 M(t)i增加一个加权值 a(t)i中， a(t)i公式如

前推法,潮流计算,配电网,支路

并通过不断地将在结果设定路负荷为各节点的负荷功率大小、于运行的原因，一般而言，终端拥有电压幅值都能很方便的求取读出，能够实时的对负荷数据进行采集和推后代的基本步骤如下：配电网系统中各节点的有功功率loaP 抗ijR 和ijX 数值，第一次进行潮流定电压。潮流计算前推：主要是从配电网中型网络最末端），前推的方向顾名小，通过简单的功率以及电压计算电源处的总功率大小。这也是前推后代法中求得各节点处电压。具体

【参考文献】