《一种融合分布估计地离散粒子群优化算法地配电网重构》由会员分享，可在线阅读，更多相关《一种融合分布估计地离散粒子群优化算法地配电网重构（5页珍藏版）》请在金锄头文库上搜索。
1、word一种融合分布估计的离散粒子群优化算法的配电网重构李琴，杨栩沣某某阚山发电某某，某某某某，221000Distribution Network Reconfiguration based on discrete particle swarm optimization with Estimated of DistributionLI Qi，YANG Xu-FengJiangsu kanshan Power Co. Ltd. Jiangsu Xuzhou,221000Abstract： This paper will bebased onestimation of distribution
2、of discrete particle swarm optimization algorithm applied in distribution network reconfiguration, in order to reduce the network loss as objective function, For the new population ,starting from random probability model and has the global optimal solution of information items to obtain information,
3、simulation and experimental results show that the algorithm for distribution network reconfigurationg is superior to other several optimization algorithm.Key words：discrete particle swarm optimization,Estimated of Distribution,DistributionNetwork Reconfiguration,IEEE33摘要：本文将基于分布估计的离散粒子群优化算法运用于配电网重构，
4、以降低网损为目标函数，对于新的种群，随机从概率模型和至今全局最优信息项中获取解信息。仿真实验结果明确提出的关于配电网重构的新算法优于其它几种优化算法。关键词：离散粒子群算法；分布估计；配电网重构,IEEE331 引言随着电力工业的高速开展，城市建设和经济开展越来越离不开电力，电能需求量日益增加，电能的损耗也越来越大。配电网重构是降低配电网网损的主要途径之一，该方法在满足网络拓扑结构和配电网正常运行的前提下，通过调整配电网中联络开关和分段开关的状态，使用合理的供电路径，使整个配电网网损降低。配电网络重构包括了配电系统正常运行时的网络重构与故障情况下的网络重构。本文将离散粒子群与分布估计相结合运用
5、于配网重构，得出最优解。2粒子群优化算法粒子群优化PSO算法1最早是在1995年由美国社会心理学家James Kennedy和电气工程师Russel Eberhart共同提出的。它将鸟群运动模型中的栖息比作所求问题空间中可能位置，通过个体间信息的传播使整个群体向解的方向移动。其迭代公式2如下：，1 2式中：c1和c2是学习因子， r1、r2是介于0和1之间的随机数，为惯性权重，粒子在搜索空间中不断通过更新个体极值和全局极值来确定运动的速度和方向，向目标点运动。离散粒子群优化算法基于根本二进制离散粒子群优化算法的思想，应用了DPSO算法3-4算法利用根本粒子群算法中“粒子依赖自身经验与粒子群全体
6、经验的思想，改良了粒子的更新运动公式。在量子理论中，传递信息的最小单元叫量子位。它的取值可能是0,1的某个状态。定义这样一个量粒子向量： ， 3M代表粒子的维数，N代表种群的数量。代表了第个粒子的第位取0的概率。下面将量子粒子群算法中的粒子离散化，使其成为离散的粒子矢量。离散量子粒子群算法的粒子群可表述为， (4)其中表示粒子的相应离散粒子值。对于每个，产生一个0,1X围的随机数。如果这个随机数大于，那么，否如此。QPSO算法如下描述： 5 6 7 8公式中，为分布在0,1X围内的随机数。为控制参数，代表了算法对速度的控制。速度更多表示为位置取值判断概率的阀值，其取值X围为0,1。3 分布估计
7、算法选择所有个体历史最优信息，建立反映优质解分布的概率模型这个概率模型标识解空间中最具潜力解区域分布信息。对于新种群，随机从概率模型和至今全局最优项获取信息。图1 概率模型图 9 10其中P为概率向量，Xs表示选择后的优势群体，b为任意解。对于现有的粒子群算法存在容易陷入局部极小值等缺点，我们把分布估计算法5-6思想引入到离散粒子群算法中，引入一种基于分布估计的离散粒子群优化算法(EDPSO)，利用粒子群算法简单有效的特性，将其运用于配电网重构。4混合算法通过组合改良粒子群优化算法和分布估计算法，得到一种新的算法EDPSO算法7。这种算法使得每个粒子具有更全面的学习能力，使粒子脱离局部最小值的
8、缺陷，同时此新算法又具有搜索全局最优的能力。其算法的运行过程如下： 11 (12) 13基于上述设计思想，我们给出EDPSO算法的具体流程和步骤，描述如下:第一步:初始化种群，并保存所有粒子的个体历史极值和全局最优值；第二步:根据10初始化概率向量P；第三步:根据算法结合公式生成新个体粒子；第四步:进展变异操作，生成新一代种群；第五步:评价新种群中所有粒子的适应度；第六步:比拟适应度值更新当前的个体历史极值和全局最优值；第七步:根据式(11)更新概率向量P；第八步:判断是否满足终止条件，假如满足如此退出；否如此转至第三步。5算例分析本课题以IEEE单馈线33节点系统算例来验证算法的可行性和有效
9、性。算法在在优化过程中，设定种群规模为30，最大迭代次数为50次，取值为0.3，取值为0.7，为0.2，为0.3，为0.5，为50，为0.9。表1和表2为重构后的优化结果。图2 IEEE33节点系统图3 适应度曲线表1 IEEE33节点配电系统重构结果重构前文献7重构后打开开关集合21-828-296-722-1232-3311-129-159-1514-1533-1821-831-3225-296-726-27网损/kW0.938 7 表2与其他优化算法结果比拟：优化算法平均迭代次数网损/kW节点最低电压PSO环形结构算法遗传算法本文算法通过重构前后的比照与与其他算法比拟结果，明确无论是迭代
10、次数、网损还是节点电压，应用本文算法都取得了较优的结果，证明了本文优化算法的合理性和有效性。6结论配电网网络重构8-9是一种非线性组合优化问题，本文提出采用离散粒子群法作为主算法，由于粒子群算法在屡次迭代后粒子种群多样性逐渐降低从而导致“早熟现象，因此本文引进分布估计算法耗最小和提高供，使得每个粒子更具有学习功能，因此将离散粒子群算法和该算法相结合称为EDPSO。在以网络有功损电电压质量为多目标函数下，以美国PG&E的33节点系仿真得出此算法优于其它两种算法。致谢本论文是在王林川教师的悉心指导下完成的。教师渊博的专业知识，严谨的治学态度，人格魅力对我影响深远。还要感谢我的同事和我的同学，是你们
11、在我平时设计中和我一起探讨问题，使我能与时的发现问题把设计顺利的进展下去，没有你们的帮助我不可能这样顺利地结稿，在此表示深深的谢意。参考 文献:1 郭文忠，陈国龙，陈振离散粒子群优化算法研究综述某某大学学报，2011,395：2 Kennedy J，Eberhart R CA discrete binary version of the particle swarm algorithmProceedings of the World Multi conference on Systemic,Cybernetics and Informatics.Piseatawya，NJ，IEEESevrie
12、eCenter.1997，5：410441083 沈广，陈允平，X栋改良离散粒子群算法在冷负荷启动的配电网馈线恢复中的应用电网技术，2006,307：55-584 J.Kennedy,R.C.Eberhart.Particle swarm optimization.Proceedings of theIEEE International Conference on Neural Networks.1995,4:19421948.5 周树德，孙增圻分布估计算法综述自动化学报，2007,332：112-1246 某某，常会友，徐俊，衣杨一种新的融合分布估计的蚁群优化算法计算机科学，2010,37(2)：186-2117 周树德，孙增圻分布估计算法综述自动化学报，2007,33(2)：112-1248 周雅兰，王海甲，印鉴一种基于分布估计的离散粒子群优化算法电子学报，2008,36(6) ：1242-12489 李振坤，陈星莺，余昆，X皓明，赵波配电网重构的混合粒子群算法中国电机工程学报，2008,28(31)：35-4110 周一宇分布估计与其在跟踪系统中的应用系统工程与电子技术，1993作者简介：李琴1982年09月，女，某某某某，硕士研究生，助理工程师杨栩沣1982年09月，男，某某宿迁，本科，助理工程师 /
