[發明專利]基于多目標離散粒子群的智能配電網故障恢復方法

在審

• 申請號: 201410209704.X
• 申請日: 2014-05-19
• 公開（公告）號: CN104112165A
• 公開（公告）日: 2014-10-22
• 發明（設計）人: 陳明軍;馮杰;陳俊宇
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

技術領域

本發明涉及一種含分布式發電配電故障恢復方法，特別是一種基于多目標離散粒子群的智能配電網故障恢復方法。?

背景技術

智能配電網是未來電網規劃和建設的方向。“智能電網”指的是現代化的電力供應系統，它能夠監控、保護和自動優化其內部互聯元件的運行，進而有效滿足用戶安全、可靠和多樣性的供電需求。配電和用電的智能化是智能電網研究的重點，而未來智能化的配電網將是智能電網的主要組成部分。智能化的配電網要求從傳統的被動式的配網向主動式轉變，這種配網有利于接入分布式發電單元，實現供電側和用戶側都能實時地參與的智能化運行。微電網這種新型的網絡結構恰是實現主動式配電網的一種有效的方式，開發和延伸微電網的概念能夠促進分布式電源與可再生能源的大規模接入，使傳統電網向智能網絡的過渡。?

配電網故障恢復指配電網故障發生后，通過確定最優的開關組合方案，實現恢復失電負荷最多、開關操作次數最少、網損最小等目標，同時滿足恢復后配電網連通性、輻射狀、饋線不過載等條件。配電網故障恢復是一個多目標、多約束的非線性優化問題，最終得到的解是一系列開關狀態組合。傳統的配電網故障恢復求解方法主要有啟發式搜索方法和遺傳算法、禁忌搜索算法、蟻群算法、多代理理論等智能?優化方法兩類。啟發式搜索方法將專家知識轉化為相應的處理規則，但系統的初始狀態對搜索結果影響很大，算法的穩定性不夠好。智能算法中遺傳算法應用最為廣泛，對優化問題無可導和連續性要求，只需一個適應性函數或性能指標，且具有全局收斂性，其主要缺點是“早熟收斂”問題和收斂速度難于滿足實時控制的需要。粒子群優化算法作為一種新型的基于群體智能計算方法，在解決經典優化算法難以求解的諸如不連續、不可微的非線性病態優化問題和組合優化問題時顯示出了強大的優勢。與其他進化算法相比,它具有思想簡單、容易實現、可調參數較少和應用效果明顯等優點，?

盡管PSO算法有較好的收斂和精度，但是其計算時間仍然無法滿足微配電網系統對是實時性的要求，且算法參數的設置對算法性能影響較大?

發明內容

針對現有系統故障恢復的研究，大多針對的是傳統的配電網絡，但是由于智能配電網系統中各類分布式能源的引入，使得傳統的配電網故障恢復算法不再符合新的要求，本發明提供一種能夠適應新型智能配電網系統的、效率較高的基于離散粒子群算法的智能配電網系統故障恢復的方法。不同于以往的故障恢復方法，需要制定相應的故障恢復啟發式規則，本發明內容無需相應的故障恢復規則，僅僅依靠智能優化算法對故障恢復這一多約束條件的問題進行求解；并且，本發明項目能夠適用于目前分布式能源(DG)滲透率較高的智能配電網系統。基于多目標離散粒子群優化算法(BPSO)的智能配電系統的?故障恢復方法的流程圖如圖1所示。?

基于多目標離散粒子群智能優化算法的智能故障恢復方法，包括以下步驟?

1)初始化參數；?

2)初始化離散粒子群優化算法中的位置、速度，并根據智能配電網孤島劃分以及負荷恢復的算法，對每個粒子計算相對于多目標函數的各個適應度值fitness_k；?

3)基于適應度支配的概念，進行支配種群和非支配種群的歸類；?

4)根據相應的更新規則，對支配種群中的粒子位置和速度進行更新；?

5)進行支配種群和非支配種群間的動態交換；?

6)檢測是否達到最大迭代次數，若達到最大迭代次數，則跳轉步驟(4)，否則進入步驟7)；?

7)輸出最終的優化結果。?

為進一步的闡述本發明內容的創新性，更詳細的步驟內容如下所述：?

步驟1，初始化參數。?

1-1)確定離散粒子群優化算法中的最大迭代次數、粒子數、維度數、學習因子、慣性權重的取值以及各類目標函數的計算公式和相應參數。本發明方法——基于離散粒子群智能配電網的故障恢復方法中包含了三個方面的目標函數：?

i)盡可能多的恢復失電負荷?