一种基于改进蚁群算法的智能配电网自愈方法
【技术领域】
[0001] 本发明属于智能配电技术领域，更具体地说，涉及一种基于改进蚁群算法的智能 配电网自愈方法。
【背景技术】
[0002] 智能电网是当今电网发展变革的最新方向，对于提高能源使用效率和促进全球经 济发展有着重要作用。而配电网的自愈技术则是智能电网的重要特征和核心技术之一。在 我国，由于历史的原因，配电网投资相对不足，自动化程度比较低，在供电质量方面与国际 先进水平有一定的差距。
[0003] 电力系统的损耗有近一半产生在配电网，分布式电源接入对电网的影响主要是对 配电网的影响，对用户进行需求管理的着眼点也在配电网。配电网故障自愈问题指的是在 保证满足电网安全运行的约束条件，如电压降落的要求、线路热容等的情况下，通过改变各 分段开关以及联络开关的开合状态来进行供电电源与线路的选择，其求解目的是通过这种 选择最终形成一个辐射状网络，使得配电网的某一项指标，如线路损耗、电压容量、负荷均 衡等能够达到最优状态。故障自愈的实质就是通过一系列对联络开关和分段开关的操作， 把非故障失电区域上的负荷转移到其它馈线上，制定出符合优化综合指标的非故障失电区 的恢复方案，同时满足约束条件。智能配电网主要由变电站、配电站、配电变压器及二次变 电站以下的各级线路等组成，智能配电网示意图如图1所示。配电网自愈策略的研究与应 用，使得配电网拥有了自愈功能和自愈性的坚强网架，可以有效提高配电网供电的可靠性， 保障了用户的不间断供电和供电质量。因此，对配电网自愈技术的研究具有重要的实用价 值。
[0004] 蚁群算法是人工智能算法的一种，有学者将该算法应用于解决配电网自愈控制问 题，如郇嘉嘉等于2008年9月在《电力系统保护与控制》中发表的《基于免疫原理的蚁群算 法在配电网恢复中的应用》，该论文提出了结合实际的配电网故障恢复目标函数，并将蚁群 优化算法引入其中，针对蚁群算法存在的易陷入局部最优和收敛难的问题，引入免疫机制， 通过基于抗体浓度的选择机制和多样性策略来提高蚁群的全局搜索能力和停滞现象。但该 方法的稳定性受抗体浓度的影响较大，且该方法随机产生种群的方式，将容易导致数字的 取值非均匀的分布在解的空间，从而增加数据冗余的现象，并且可能出现早熟收敛现象和 缺少交叉操作的问题。刘学琴等于2009年3月在《电力系统》中发表的《基于蚁群算法的 配电网故障后恢复重构》，该论文将蚁群算法应用于配电网故障后恢复重构，提出了综合考 虑切负荷最小和开关操作次数最少的恢复重构模型，该方法具有一定的可行性和有效性， 但其存在易陷入局部最优和收敛难的问题。
[0005] 经检索，中国专利申请号201410655369. 6,申请日为2014年11月18日，发明创造 名称为：一种含分布式电源的配电网重构方法，该申请案先获取当前需要重构的配电网的 网架结构参数和运行参数，并初始化最大最小蚁群算法的参数，然后依据最大最小蚁群算 法和生成树理论形成多个辐射网，再采用前推回代法潮流计算形成的辐射网的网损值，随 后找出本次计算的最小网损值及该最小网损值所对应的辐射网的网架结构，并更新全局最 小网损值及本次计算的最小网损值所对应的辐射网的网架结构中各支路的信息素浓度，接 着对更新后的各支路的信息素浓度进行限定以完成一次迭代，再依次循环直至完成最大迭 代次数，最后输出得到全局最小网损值及其所对应的辐射网网架结构。该申请案实现了含 分布式电源的配电网重构，且重构效果较好，但该申请案同样存在蚁群算法易陷入局部最 优和收敛难的问题。
[0006] 鉴于上述蚁群算法在配电网故障后恢复重构中应用的缺陷，相对于其他人工智能 算法，蚁群算法在配电网自愈控制技术中的应用相对较少，需要对蚁群算法应用的可行性 和有效性进行进一步优化。
【发明内容】
[0007] 1.发明要解决的技术问题
[0008] 本发明的目的在于解决现有技术中，蚁群算法应用于配电网的自愈控制存在易陷 入局部最优和收敛难的问题，提供了一种基于改进蚁群算法的智能配电网自愈方法；本发 明将基于方向性信息素的改进的蚁群算法应用于配电网的自愈控制，将配电网自愈模型利 用改进的蚁群算法进行解析，以减小配电网网损为目标，将自愈问题中的约束条件进行代 入求解；通过仿真实验证明，本发明在解决配电网自愈问题时能取得较优的结果。
[0009] 2.技术方案
[0010] 为达到上述目的，本发明提供的技术方案为：
[0011] 本发明的一种基于改进蚁群算法的智能配电网自愈方法，其步骤为：
[0012] 步骤一、获取当前需要重构的配电网的初始数据；
[0013] 步骤二、初始化配电网故障恢复的环境信息；
[0014] 步骤三、依据蚁群算法和最小生成树理论生成多个辐射网络；
[0015] 步骤四、根据步骤一所得配电网初始数据，计算步骤三形成的多个辐射网络的网 损值，并选取本次迭代中所有蚂蚁形成的路径中具有最小网损值的一条进行方向性信息素 更新；
[0016] 步骤五、重复步骤三和四以完成下一次迭代，依次循环，直至完成最大迭代次数 Ncmax 〇
[0017] 更进一步地，步骤一所述的配电网初始数据包括配电网中支路的数目Nb，支路电 阻值R 1，支路电流I1，节点电压U1，支路开关开合状态，支路有功功率P1和无功功率Q 1<3
[0018] 更进一步地，步骤二中初始化配电网故障恢复的环境信息，具体为：设置各个节点 上的方向性信息素值为〇,各条支路上的信息素值T ljCt) = const，其中const为一个常 数；探索率ε = N，N为一整数；设置最大迭代次数为Naiiax，初始时刻Λ τ ^ (〇) = 〇,将m只 蚂蚁随机放到η个配电网节点上。
[0019] 更进一步地，步骤三的具体过程为：
[0020] (1)产生一个在0~η之间的随机数，若随机数大于探索率ε，则蚂蚁k根据Pk(t) 从集合E k (t)中选择边j (s-w)，反之，则随机从集合Ek (t)中选择一条边；
[0021] (2)判断集合^⑴中是否存在到节点w的边，若存在则断开j，返回步骤（1)，否 则执行步骤（3);
[0022] (3)更新节点集合Wk (t)，将w节点从集合Wk (t)移动到Sk (t)，即
[0023] ffk(t+l) = ffk(t)-{w}, Sk(t+1) = Sk(t) + {w}；
[0024] (4)检查集合^⑴是否为空，若为空，则表示所有的负荷节点已经被连入生成树， 结束，否则执行步骤（5);
[0025] (5)更新集合Ek (t)，将边j从集合Ek (t)中移除，并将集合Ak (t)加人到集合Ek (t) 中，gPEk(t+l)=Ek(t)+Ak(t)-{j}，跳转到步骤（l) ;
[0026] 上述过程中，Sk(t)表示第k只蚂蚁在t时刻连入树的节点的集合;Wk(t)表示第 k只蚂蚁在t时刻没有连入树的节点集合；E k(t)表示t时刻在集合之间所有的可选路径的 集合；Pk(t)表示第k只蚂蚁在t时刻进入某一路径的概率;A k(t)表示在t时刻可在集合 Ek (t)中加入的新的可选边的集合；s-w表示从节点s至Ij节点w的一条边，s和w分另Ij为边 的顶点。
[0027] 更进一步地，第k只蚂蚁在t时刻进入某一路径的概率为：
[0028]
[0029] 式中：allowedk为允许值阈；τ u为普通信息素 ；为方向性信息素；η u为启发 式因子。
[0030] 更进一步地，步骤四中方向性信息素的更新规则为：
[0031]
[0032] 式中为本次迭代中，所有蚂蚁形成的辐射网络中的最小网损值；Q'为方向 信息素的浓度；R lj为支路（i，j)上的电阻；为在更新之前当前支路上的方向性信息素 值。
[0033] 3.有益效果
[0034] 采用本发明提供的技术方案，与已有的公知技术相比，具有如下显著效果：
[0035] (1)本发明的一种基于改进蚁群算法的智能配电网自愈方法，将基于方向性信息 素的改进的蚁群算法应