配电网络重构算法与研究1.pptVIP

配电网运行优化算法研究 本项目组在配电网运行优化中的总体思路 本项目组在配电网运行优化中的工作介绍 基于负荷模式的方法介绍 基于负荷模式的方法介绍 基于负荷模式的方法介绍 基于负荷模式的方法介绍 基于负荷模式的方法介绍 基于负荷模式的方法介绍 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————粒子群算法 基于基于最优流模式的方法介绍 ————遗传算法 基于基于最优流模式的方法介绍 ————遗传算法 基于基于最优流模式的方法介绍 ————遗传算法 基于基于最优流模式的方法介绍 ————遗传算法 基于基于最优流模式的方法介绍 ————从遗传算法到免疫算法 基于基于最优流模式的方法介绍 ————免疫算法 基于基于最优流模式的方法介绍 ————免疫算法 基于基于最优流模式的方法介绍 ————免疫算法 基于基于最优流模式的方法介绍 ————免疫算法 基于基于最优流模式的方法介绍 ————免疫算法 从目前流行的算法中，挑选出主要三种典型的算法进行研究： 改进二进制粒子群优化算法； 遗传算法和粒子群算法的混合智能算法； 二次电流矩法。 网络重构是一个复杂的多目标非线性整数组合优化问题，配电网络重构算法总体分为： 启发式方法(Heuristic Algorithm)，包括支路交换法(BEM)．最优流模式(OFP)算法等； 人工智能类算法，包括专家系统法(ES)和人工神经网络法(ANN)等； 随机优化方法，包括模拟退火法(SA)，遗传算法(GA)，进化规化法(EP)等。 中 国 电 机 工 程 学 报 2005年 第25卷 第15期 一种混合智能算法 在配电网络重构中的应用 刘自发，葛少云，余贻鑫 天津大学电力与自动化工程学院 算法的思想： 如何避免遗传算法（GA）的无继承性，提高计算效率，以及如何避免粒子群优化算法（PSO）极易收敛于局部最优解，提高计算满意度，这是混合智能算法要解决的一个难题。 混合智能算法在寻优过程中，采用部分个体以 PSO 方法迭代，其它个体进行GA中的交叉和变异操作，整个群体信息共享，同时采用自适应参数机制和优胜劣汰的思想进化。仿真实验表明， 该方法在解决配电网络重构问题上结合了遗传算法（GA）和粒子群优化算法（PSO）两者的优点，体现出较 GA 和 PSO 更好的寻优性能。 算法框图： 混合智能算法步骤 Step1: 设置初始参数：设定 GA种群数量NGA、PSO 种群数 Npso， 使 HGAPSO 种群数量 Nsum= NGA + Npso ；设置遗传算法中的各种参数；设置粒子群算法中的各种参数。 混合智能算法步骤 Step2: 随机初始化 GA和 PSO 的种群。 Step3: 计算当前种群的适应度，并找出当前种群中适应度最高的解作为当前全局最优解。 混合智能算法步骤 Step4: 根据Step3的计算结果，令适应度高的一半个体存活，淘汰其它适应度低的个体。 Step5: Step4中存活的个体分别进行遗传进化和粒子群搜索。 混合智能算法步骤 Step6: 如果满足收敛条件，则输出最终结果，如果不满足，则转到Step3 。 混合智能算法应用中的问题 问题1：编码问题 以网