基于新型蚁群算法配电网络规划.docVIP

基于新型蚁群算法配电网络规划 　　摘 要:在基本蚁群算法的基础上引入分段函数及柔性伸缩机制,对蚁群算法中转移概率的调节因子 的取值以及信息素全局刷新方式加以改进,提高了蚁群算法搜索全局最优解的能力以及收敛到最优解的速度。将改进后的算法应用于配电网规划问题,通过具体的算例验证表明,在相同的情况下,新方法比基本蚁群算法在搜索全局最优解和收敛速度方面有所提高,说明了新方法的可行性与有效性。 　　关键词:蚁群算法 分段函数 信息素 配电网规划 　　中图分类号:TP301.6 文献标识码:A文章编号:1007-3973 (2010) 02-085-03 　　配电网规划是一个非常复杂的大规模组合优化问题,涉及变电站和馈线段的建设和容量大小的选择,以满足负荷增长的需要,同时满足相关其他具体的约束条件,求解相当复杂。传统的数学规划方法虽能从理论上保证规划方案的最优性,但当网络规模增大时,就很难求解此类复杂的组合优化问题。近几十年来,人们从自然现象中发现并总结出各种启发式算法比如模拟退火算法、遗传算法、蚁群算法等,逐步开始应用于电网规划。与传统的搜索方法相比,这类优化算法表现出了一定的优越性,为了进一步提高优化质量和搜索效率,往往采用将某些优化算法结合起来使用,如文献中的模式记忆并行蚁群算法、文献中的遗传算法与蚁群算法相结合等等。 　　蚁群算法是一种求解组合优化问题的通用新型启发式方法,该算法通过多个人工蚂蚁间的信息交互完成整个蚁群的复杂行为,本文在此基础上提出一种改进的蚁群算法,即改变蚁群算法中调节因子 的取值和全局信息素的刷新方式,将其应用于配电网络规划求解问题。 　　1配电网优化规划数学模型 　　配电网络规划是在已知电源水平及负荷需求情况下,确定满足各类用户要求及运行要求的经济网络方案。其中,运行要求是指满足辐射性约束、过负荷约束、电压约束等条件,并将投资、网络损耗、生产费用等最优作为经济目标。作为初步研究,本文只考虑过负荷约束和辐射形网络约束,以网络年综合费用和过负荷惩罚费用之和最小为目标函数。采用的配电网规划问题数学模型为: 　　(1) 　　式中,X为n维决策向量,代表问题的解;xi(i=1,2,…,n)是向量的元素,如果待选线路i被选中则xi=1,否则xi=0;, i是设备投资回收率, i是设备折旧维修率;C2i是电价(元/kWh);Zi是线路的总投资费用(元);Tmaxi是相应的年最大损耗时间(h);△Pi是线路i的有功损耗(kW);L是网络的过负荷(即超过线路最大允许负荷)的部分,其数值可以通过网络的负荷潮流求得;A1是过负荷惩罚系数;A2是一个很大的数,代表网络为非辐射网时的惩罚值。 　　2基本蚁群算法 　　首先列出待解空间即将n条待选线路从1到n编号,求出所有待选线路的信息素,然后根据路径上的信息素选择前方路径,进而调整所选路径上的信息素。具体过程为: 　　(1)定义m只人工蚂蚁。 　　(2)初始化各线路上的信息素,每条线路的初始信息素是相同的。 　　(3)计算第k只蚂蚁由节点i转移到节点j的转移概率,选择前进路径。 　　如果q≤q0,则 　　 (2) 　　否则 　　(3) 　　式中,q是一个在区间[0,1]上均匀分布的随机变量,q0是一常数且;Ak代表第k只蚂蚁已选节点集合;代表第k只蚂蚁未选节点集合;表示线路(i,j)上的信息素;,为节点i到节点j的期望程度;dij为线路(i,j)的投资费用; 、 分别为信息素和期望程度 ij的作用系数。 　　(4)每当一只人工蚂蚁完成一次搜索后,进行信息素的局部更新。如果线路(i,j)被蚂蚁选中,则按(4)式刷新信息素,否则不做修改。 　　 (4) 　　式中,为信息素局部挥发因子,取工 ;为蚂蚁k在线路(i,j)上释放的信息素。 　　(5)当蚁群完成一次迭代操作即所有蚂蚁均完成一次路径全程的搜索后,由式(1)求出本次迭代各只蚂蚁所得路径的目标函数值,并从中选取本次迭代局部最优路径的目标函数值 与本次迭代之前的历史全局最优路径目标函数值进行比较,把其中较小值所对应的路径作为到本次迭代为止所得到的全局最优路径即当前全局最优路径,相应的目标函数值记为。 　　(6)信息素的全局更新。 　　求出当前全局最优路径后,对所有线路按式(5)进行信息素全局更新。 　　 (5) 　　式中 1,为信息素全局挥发因子,取为在线路(i,j)上释放的信息量,其取值表达式为: 　　 (6) 　　式中,Q1为常数。 　　(7)重复步骤3~步骤6,直到满足给定的迭代终止条件。 　　3蚁群算法的改进 　　基本蚁群算法存在2个问题[10]:搜索容易陷入局部最优解;收敛到全局最优解的时间过长。本文将以下两个方面对其予以改进。 　　3.1调节因子取值的改进