基于遗传算法配电网优化.pptVIP

基于遗传算法的配电网优化规划 学号：S100301001 姓名：陈诚 导师：朱伟 2.配电网网架优化问题 配电网网架优化渉及到馈线段建设时间、建设地点和线径等的最优选择，以满足负荷增长的需求，同时服从馈线容量、电压降落、网络结构、可靠性等约束。因此，网架优化是一个大规模的组合优化问题。 常规的数学优化方法很难在合理的时间内得到问题的最优解，而遗传算法不是对函数和它们的控制变量直接操作，所以不受函数约束条件的限制，能以较大的概率找到全局最优解。 2.1网架优化模型 2.11 目标函数 此模型中计及资金的时间价值，安等额分付资本回收计算，一年费用最小为目标函数为： （1） 式中 Z为方案的线路建设投资费用， 为方案第t年的运行费用。 当以水平年为目标时，设电气设备的使用寿命n为25a，贴现率i为0.1，并假定使用年限内运行费用相等，则式（1）细化为 式（2）如下： 2.12约束条件 a. 辐射网结构。 B. 电压降落限制 C. 负荷要求，AP=D 式中 A为节点关联弧矩阵，P为网络潮流，D为负荷要求。 d. 线路潮流限制， 式中 为支路潮流， 为满足某种条件的支路最大允许容量。 2.2 编码策略及初始解的产生 采用常规二进制编码策略，将新建可行线路的投运与否作为优化变量（投运为1，否则为0）。有随机产生的备选网络的生成树替代常规遗传算法随机产生的初始解作为遗传算法的初始解。 生成树的算法如下： 属于一个连通图的顶点的集合称为桶。 初始状态，所有各线条路都未标记，定义的若干个桶也都是空的。 第一步任意选择一条线路。将它的两个端点放入同一空桶内，并标记该线路。 第二部任意选择一条未标记的线路（如果没有这样的线路，则算法停止），判断两端点是否都在同一桶内。若是，返回第二步；否则，标记该线路，转向第三步。 第三步若两端点中的一个在桶内，另一个不在，将不在桶内的端点放入另一个端点所在桶内；若两端点在不同的桶内，将两桶合并，使另一个成为空桶。如果图的所有顶点都在一桶内，则所有已标记的线路构成一个生成树，算法停止。否则，返回第二步。 2.3适应值计算 遗传算法搜索的目标是找到适应值最大的解。右图为适应值的计算框图。 2.4遗传算子的设计 2.4.1 选择 应用竞争法则，每次按一定概率从群体中选出m个个体，作为双亲用于繁殖后代，产生新的个体加入下一代群体中，体现自然界优胜劣汰的思想。 2.4.2 杂交 采用单点杂交，即随机地在两个父染色体上选择一个杂交点，仅交换该点对应基因。因为原有父染色体均对应辐射形网络，经上述随机杂交后，辐射形结构可能被破坏，因此，需区别不同的情况进行处理： a. 若杂交后出现环路，则首先找出环路中的支路，再借鉴支路交换的思想，选择断开其中的一条支路，使染色体的适应值最大。 b。若出现孤立节点集，则首先找出该孤立节点集，再从与断开支路端点相连的备选支路中选择一条，将孤立节点集与有源节点连通，并使染色体的适应值最大。 2.4.3变异 将染色体中的某位基因按变异概率进行取反操作，检验网络的辐射性和连通性，合格后作为子代个体。变异算子的设计与杂交算子相似。 结论 遗传算法是一种有效的现代启发式方法。 结果表明，对于规模较大的系统，此算法的优势更为明显。 * 1 遗传算法简介 遗传算法是模拟生物在自然环境下的遗传和进化过程而形成的一种自适应全局 优化概率搜索方法。 它最早由美国密西根大学的H.Holland教授提出，起源于60年代对自然和人工 自适应系统的研究； 1967年，Bagley发表了关于遗传算法应用的论文，在其论文中首次使用“遗传算法（ Genetic Algorithm）”一词。 70年代 De Jong基于遗传算法的思想在计算机上进行了大量的纯数值函数优化 计算实验。 在一系列研究工作的基础上，80年代由Goldberg进行归纳总结，形成了遗传算法的基本框架。 1.11遗传算法概要： 在遗传算法中将n维决策向量X＝[x1,x2,…,xn]T用n个记号Xi(i=1,2,…,n))所组成的符号串X来去示： X＝xlx2…xn ? X＝[x1，x2， …,xn]T