粒子群优化算法在配电网网架优化规划中的应用 application of particle swarm optimization algorithm to distribution network planning.pdfVIP

第34卷第6期 继电器 V01．34No．6 2006年3月16日 RELAY Mar．16，2006 29 粒子群优化算法在配电网网架优化规划中的应用 徐珍霞，顾洁 (上海交通大学电气工程系，上海200240) 摘要：粒子群优化(PSO)算法已经成功地用于求解连续域问题，但是对于离散域问题的求解研究还很少。文 中使用模糊离散粒子群优化算法，用于求解配电网网架优化问题。采用模糊矩阵表示粒子的位置和速度。为 了处理配电网辐射性结构的约束条件，引入了图论中的最小生成树问题。最后对算例进行测试，检验该方法 的有效性及应用效果。 关键词：粒子群优化算法； 配电网； 电网规划；模糊矩阵；Prufer数 中图分类号：TM715 文献标识码：A 文章编号：1003-4897(2006)06-0029-05 规划中，以期为配电网优化规划提供一种新的方法 0引言 与思路。 城市配电网规划的最终目的是根据规划期内的 1粒子群优化算法 负荷水平及电源规划确定相应的最佳配电网结构， 以满足经济可靠的配电需求。 配电网网架优化涉及到馈线建设时间、建设地 1995年提出的一种优化算法J，是一种基于群智能 点和线径等的最优选择，以满足负荷增长的需求，同 方法的演化计算技术。 时服从馈线容量、电压降落、网络结构、可靠性等约 假设在一个D维的目标搜索空间中，有m个粒 束。因此，网架优化是一个大规模的组合优化问题。 子组成一个群落，其中第i个粒子表示成一个D维 常规的数学优化方法很难在合理时间内得到问 题的最优解。现代启发式方法(遗传算法GA(Ge—粒子在D维搜索空间中的位置是互i。换言之，每个 netic Search)、蚁群粒子的位置就是一个潜在的解。将互i代入一个目 Algorithm)、禁忌搜索法TS(Tabu 算法ACA(Ant 标函数就可以计算出其适应值，根据适应值的大小 ColonyAlgorithm)等)的应用为网架 优化提供了新的思路。但是，各类启发式算法都有 衡量互i的优劣。第i个粒子的飞翔速度也是一个D 一些不足之处¨圳，与其它智能启发式算法相比较， 维向量，计为；i=(秽n，秽也，…，口m)。计第i个粒子迄 Swarm 今为止搜索到的最优位置为P’i=(P以，P∞…，P。D)， 粒子群优化PSO(Particle Optimization)算法 具有计算简单、容易实现同时又有深刻的智能背景 整个粒子群迄今为止搜索到的最优位置为P’。= 等优点。但与此同时，国内对于PSO算法的研究还 (P91，P92，…，P驴)。 较少，尤其是将其运用于电力系统的研究起步较 粒子群优化算法一般采用下面的公式对粒子进 晚‘5I。 行操作： 文献[6]研究了PSO算法在输电网络扩展规划 (1) 中的应用，以投资回收效益、设备成本(包括传输 菇讨菇：：1=戈乞+1)‘id+1=戈坷+ Lz(2)J 线、铁塔、变电站、开关设备、变压器、补偿设备等) 其中：i=1，