问题中进行应用的具体流程为：
[0081] 步骤1 :读取配电网的各项数据值，作为初始数据：将配电网络表示成一个无向联 通图，将配电变压器、馈线段、负荷看作图节点，线路看作图中的边。初始数据有：配电网中 支路的数目，支路电阻值，支路电流，节点电压，支路开关开合状态，支路有功功率，无功功 率。
[0082] 步骤2 :初始化配电网故障恢复的环境信息：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 U (t) = const，其中const为0-1之间的一个较小的常数， 设置探索率ε的初始值ε =N，N为一固定的整数值，设置最大迭代次数Naiiax，初始时刻 Λ Tij(O) =〇,将m只蚂蚁随机放到n个配电网节点上。
[0083] 步骤3 :比较随机数与探索率ε的大小：产生一个在0~η之间的随机数，若随机 数大于探索率ε则蚂蚁个体根据式（1-8)计算的概率从选边集合E k (t)中选择边j (假设 该边为s-w)，反之，则随机从可选边集合Ek (t)中选择一条边。
[0084] 步骤4 :判断集合匕⑴中是否存在到节点w的边，若存在则断开j，返回步骤3,否 则执行步骤5。
[0085] 步骤5 :边选择完成之后，根据所选的边，将蚂蚁移动到新的节点。
[0086] 步骤6 :判断是否完成遍历：判断集合^(〇是否为空，即网络中的节点是否遍历 完成，若未遍历完，则执行步骤7,否则跳转到步骤8。
[0087] 步骤7 :更新集合Ek(t)，将边j从集合Ek(t)中移除，并将新的可选边集合六^七） 加人到集合E k(t)中，即Ek(t+1) =Ek(t)+Ak(t)-{j}，跳转到步骤3。
[0088] 步骤8 :循环次数加1，计算各网损值，根据式（1-7)更新方向性信息素值。
[0089] 步骤9 :若满足结束条件。即达到最大循环次数Naiiax，则结束循环并输出计算结果， 否则跳转到步骤3。
[0090] 本实施例采用IEEE33节点配电网作为算例对上述算法进行仿真实验，该算例在 配电网故障恢复前的节点结构如图3所示。该算例中各参数为：额定电压为12. 66kV，节点 33个，支路37条，联络开关5个，总负荷为3715kW+j2300kvar，功率基准为10MVA。假设节 点6到7的支路7在某时刻发生故障并己被隔离，需恢复节点7至17的负荷供电。
[0091] 由图3可以看出，需恢复节点7至17的负荷供电，节点7至17之间共有33、34、 35、36、37五条联络开关支路，明显33, 35, 36三条联络开关支路可恢复节点7到节点17的 供电，34, 37两条联络开关支路则不行。设置蚂蚁数目m = 20,各路径上的初始信息素：
[0092] τ (〇) = 〇· 2, α = 1，β = 5, γ = 25, P = 0· 6，ε = 50, Q = 1，Q，= 10
[0093] 进行仿真实验，实验结果见表1 :
[0094] 表1基本蚁群算法与DPACO仿真实验计算结果
[0095]
[0096] 由表1可见，与故障恢复前相比，使用改进算法故障恢复后的网络，网损值降低了 30%，对配电网性能的提高有很大的帮助。同时，与基本蚁群算法相比，使用改进后的蚁群 算法进行故障恢复时网损值也较小。随着蚂蚁迭代次数的增加，基本蚁群算法和改进的蚁 群算法在计算网损值时的收敛情况如图4所示，从图中可以看出，改进算法在进行到35次 左右的时候就能够达到收敛，与利用基本蚁群算法求解故障恢复问题相比，不仅收敛速度 较快，而且其达到收敛时的网损值也较小。实验表明，使用DPACO对配电网进行故障恢复 时，能够在保证电能质量的情况下，有效降低网损值，同时收敛速度也较快。
【主权项】
1. 一种基于改进蚁群算法的智能配电网自愈方法，其步骤为： 步骤一、获取当前需要重构的配电网的初始数据； 步骤二、初始化配电网故障恢复的环境信息； 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； 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； 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N_x。2. 根据权利要求1所述的一种基于改进蚁群算法的智能配电网自愈方法，其特征在 于：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R1，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Q1<33. 根据权利要求2所述的一种基于改进蚁群算法的智能配电网自愈方法，其特征在 于：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TiJt) =const，其中const为一个常数；探索率e= N，N为一整数；设置最大迭代次数为Naiiax，初始时刻ATu(〇) = 〇,将m只蚂蚁随机放到n 个配电网节点上。4. 根据权利要求3所述的一种基于改进蚁群算法的智能配电网自愈方法，其特征在 于：步骤三的具体过程为： (1)产生一个在0~n之间的随机数，若随机数大于探索率e，则蚂蚁k根据Pk (t)从 集合Ek (t)中选择边j(s-w)，反之，则随机从集合Ek (t)中选择一条边； ⑵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); (3) 更新节点集合Wk (t)，将w节点从集合Wk (t)移动到Sk (t)，即 ffk(t+l) =ffk(t)-{w},Sk(t+1) =Sk(t) + {w}； (4) 检查集合Wk (t)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); (5) 更新集合Ek⑴，将边j从集合Ek⑴中移除，并将集合Ak⑴加人到集合Ek⑴中， 即已15(七+1)=￡15(1:)+八 15(1:)-〇}，跳转至1」步骤（1); 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；Ek(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;Ak (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到节点W的一条边，S和W分别为边的顶点。5. 根据权利要求4所述的一种基于改进蚁群算法的智能配电网自愈方法，其特征在 于：第k只蚂蚁在t时刻进入某一路径的概率为：式中：allowedk为允许值阈；Tu为普通信息素；&为方向性信息素；nu为启发式因 子。6.根据权利要求5所述的一种基于改进蚁群算法的智能配电网自愈方法，其特征在 于：步骤四中方向性信息素的更新规则为：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；Rlj为支路（i，j)上的电阻；^(0为在更新之前当前支路上的方向性信息素值。
【专利摘要】本发明公开了一种基于改进蚁群算法的智能配电网自愈方法，属于智能配电技术领域。本发明的步骤为：一、获取当前需要重构的配电网的初始数据；二、初始化配电网故障恢复的环境信息；三、依据蚁群算法和最小生成树理论生成多个辐射网络；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；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。本发明将配电网故障恢复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，具有较高的计算效率，且最终的自愈方案能够有效地保证系统在故障后安全、经济地运行。
【IPC分类】G06Q50/06, G06F17/50
【公开号】CN105046022
【申请号】CN201510534470
【发明人】冯旭刚, 章家岩, 徐强, 钱家俊, 章磊, 程正智, 吴其玲
【申请人】安徽工业大学
【公开日】2015年11月11日
【申请日】2015年8月27日