[發明專利]基于多目標混合宇宙大爆炸算法的配電網無功優化方法

在審

• 申請號: 201710724113.X
• 申請日: 2017-08-22
• 公開（公告）號: CN107482645A
• 公開（公告）日: 2017-12-15
• 發明（設計）人: 杜敏智;曹永軍;張學習
• 申請（專利權）人: 廣東工業大學
• 主分類號: H02J3/18
• 分類號: H02J3/18;H02J3/16;H02J3/50
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

1.一種基于多目標混合宇宙大爆炸算法的配電網無功優化方法，其特征在于，包括：

獲取原始數據；其中，所述原始數據包括種群規模、最大迭代次數和基于多目標混合宇宙大爆炸算法的更新公式的預設參數；

初始化產生包含所述種群規模的碎片解的當前種群，并計算獲取所述當前種群中的每個碎片解的目標函數值，確定所述當前種群中的第一非支配集；

判斷所述當前種群對應的迭代次數是否小于所述最大迭代次數；

若是，則利用所述更新公式對所述當前種群進行收縮爆炸，產生新種群，并計算獲取所述新種群中的每個碎片解的目標函數值；其中，所述新種群包含所述種群規模的碎片解；

合并所述當前種群和所述新種群，構成包含兩倍所述種群規模的碎片解的組合種群，并確定所述組合種群中的第二非支配集；

更新所述第二非支配集，形成包含所述種群規模的碎片解的下一代種群，并將所述下一代種群作為所述當前種群，執行所述判斷所述當前種群對應的迭代次數是否小于所述最大迭代次數的步驟；其中，所述下一代種群的對應的迭代次數為所述當前種群對應的迭代次數加1；

若否，則輸出所述第一非支配集或所述第二非支配集中的最優非支配解。

2.根據權利要求1所述的基于多目標混合宇宙大爆炸算法的配電網無功優化方法，其特征在于，所述利用所述更新公式對所述當前種群進行收縮爆炸，產生新種群，包括：

利用獲取所述新種群中的每個碎片解；

其中，t為迭代次數，為在第t+1次迭代中第i個碎片解的第d維坐標分量，ε₁、ε₂、x_max、x_min和a₁均為所述預設參數中的系數，為在第t次迭代的收縮階段的原子解的第d維坐標分量，為在第t次迭代第i個碎片解的全局最優碎片解的第d維坐標分量，為在第t次迭代第i個碎片解的個體最優位置的第d維坐標分量。

3.根據權利要求2所述的基于多目標混合宇宙大爆炸算法的配電網無功優化方法，其特征在于，所述利用所述更新公式對所述當前種群進行收縮爆炸，產生新種群之前，還包括：

根據所述第一非支配集或所述第二非支配集確定所述當前種群中的每個碎片解對應的全局最優碎片解，更新所述當前種群中的每個碎片解的個體最優位置。

4.根據權利要求1至3任一項所述的基于多目標混合宇宙大爆炸算法的配電網無功優化方法，其特征在于，所述計算獲取所述當前種群中的每個碎片解的目標函數值，包括：

利用含DG的配電網多目標無功優化模型，計算獲取所述當前種群中的每個碎片解的目標函數值；其中，所述目標函數值包括最小化系統有功網損、最大化靜態電壓穩定裕度和最小化電壓偏差。

5.根據權利要求4所述的基于多目標混合宇宙大爆炸算法的配電網無功優化方法，其特征在于，所述更新所述第二非支配集，包括：

利用循環擁擠距離排序策略，更新所述第二非支配集。

6.一種基于多目標混合宇宙大爆炸算法的配電網無功優化裝置，其特征在于，包括：

獲取模塊，用于獲取原始數據；其中，所述原始數據包括種群規模、最大迭代次數和基于多目標混合宇宙大爆炸算法的更新公式的預設參數；

初始化模塊，用于初始化產生包含所述種群規模的碎片解的當前種群，并計算獲取所述當前種群中的每個碎片解的目標函數值，確定所述當前種群中的第一非支配集；

判斷模塊，用于判斷所述當前種群對應的迭代次數是否小于所述最大迭代次數；

迭代模塊，用于若所述當前種群對應的迭代次數小于所述最大迭代次數，則利用所述更新公式對所述當前種群進行收縮爆炸，產生新種群，并計算獲取所述新種群中的每個碎片解的目標函數值；其中，所述新種群包含所述種群規模的碎片解；

合并模塊，用于合并所述當前種群和所述新種群，構成包含兩倍所述種群規模的碎片解的組合種群，并確定所述組合種群中的第二非支配集；

更新模塊，用于更新所述第二非支配集，形成包含所述種群規模的碎片解的下一代種群，并將所述下一代種群作為所述當前種群，執行所述判斷所述當前種群對應的迭代次數是否小于所述最大迭代次數的步驟；其中，所述下一代種群的對應的迭代次數為所述當前種群對應的迭代次數加1；

輸出模塊，用于若所述當前種群對應的迭代次數不小于所述最大迭代次數，則輸出所述第一非支配集或所述第二非支配集中的最優非支配解。