采用多Agent混沌粒子群算法的配电网重构

基于粒子群算法的配电网优化设计配电网的优化设计是智能电网研究的重要内容之一。

粒子群算法（Particle Swarm Optimization, PSO）是一种用于寻找最优解的优化算法，可以应用于配电网的优化设计中。

配电网是电力系统中最后一级的输电网，将电力从变电站输送到用户，它的设计优化的目标是使得配电网的电压稳定、线损最小、负载均衡等。

在传统的配电网设计中，往往采用经验公式和经验判断进行设计，存在着效率低、精度不高、易出错等问题。

而基于粒子群算法的配电网优化设计可以有效地解决这些问题。

粒子群算法是由James Kennedy和Russell Eberhart在1995年提出的，它模拟了鸟群觅食的行为，通过不断地搜索解空间找到最优解。

粒子群算法的基本原理是通过不断地更新的速度和位置来搜索解空间，在每一次迭代中，根据当前位置和速度更新粒子的位置和速度，并根据目标函数的优劣调整粒子的位置，最终找到最优解。

在基于粒子群算法的配电网优化设计中，首先需要定义适应度函数，即优化目标，如电压稳定、线损最小、负载均衡等。

然后根据具体的问题定义解空间，即粒子的位置和速度的范围，如变电站的位置、线路的配置和参数等。

接下来，初始化粒子的位置和速度，生成初始群体。

然后在每一次迭代中，根据当前位置和速度更新粒子的位置和速度，并根据适应度函数调整粒子的位置。

最终，找到适应度函数最小的粒子，即为最优解。

与传统的配电网设计相比，基于粒子群算法的配电网优化设计具有以下优点：能够全面考虑优化目标，如电压稳定、线损最小、负载均衡等，综合优化设计。

能够通过自适应搜索策略自动调整参数，提高优化效率。

能够通过不断地迭代搜索解空间，找到全局最优解。

利用粒子群算法的并行性，能够加速计算过程，提高优化速度。

基于粒子群算法的配电网优化设计能够有效解决传统配电网设计中存在的问题，并能够全面考虑优化目标，提高优化效率和精度，是一种有效的配电网优化设计方法。

2013年电力系统自动化学术研讨会论文集基于粒子群遗传算法的配电网络重构纪建伟，田志(沈阳农业大学 信息与电气工程学院， 辽宁省沈阳市 110161）摘要：配电网络重构是配电自动化的重要组成部分，也是优化网络，降低有功损耗的重要手段。

本文提出了一种多目标优化模型，针对单一算法求解问题的局限性，结合遗传算法的进化思想和粒子群算法的记忆性，提出了粒子群遗传算法，同时引入混合编码策略，对相应遗传操作进行改进，并通过线性权重法获得目标的搜索方向。

通过对IEEE69节点测试系统进行计算和分析，结果证明了该算法对于求解配电网重构问题的有效性和可行性。

关键词：配电网络重构；粒子群遗传算法；多目标优化0 引言配电网连接着输电网和用户网两部分，从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户网，这是电力系统中线路最紧密的地方。

同时又因为配电网中电压等级相对较低，所以会在配电网上消耗大量的有功功率，有数据显示，配电网上损耗的有功功率占全部线路损耗的60%[1]。

因此通过配网重构方式降低配电系统的有功损耗，对减少全网网损有着重要帮助。

传统意义上的配电网网络重构是使配电网一直保持在辐射状运行状态，同时还满足馈线热容，电压降落和变压器容量等约束条件下，通过改变网络中存在的分段开关与联络开关的开闭状态组合状态 来进行重构并优化现存网络拓扑，使得配电系统内某一项或者多项目标达到最优状态，以改善配电网的潮流分布，从而达到降低系统网损、均衡系统负荷和改善电压质量的目的。

1配电网网络重构问题描述1.1 目标函数配网重构的优化目标函数有很多种，常见的有：1）以系统有功网损最小为优化目标函数 ： ∑=+=ni i i i U Q P Ri f 1222min 1 （1） 式中U i ,Q i ,P i ,R i 分别为配电网中第i 条支路的母线电压、无功功率、有功功率、电阻阻值。

2）以均衡负荷分布及供电质量为目标函数：∑==B n i i i S S n LB f 1m ax 1min 2 （2） 3）以提高供电可靠性，平均用电无效度最小的目标函数： ∑==Npi T i i N N U f 187603 （3） 式中N p 为配电系统中负荷数，N i 负荷点i 的用户数，U i 负荷点i 的年停运时间，N T 为总用户数。

基于量子粒子群算法多目标优化的配电网动态重构文娟;谭阳红;雷可君【摘要】To ensure the dynamic reconfiguration of distribution network system safe and stable operation, a dynamic reconfiguration method for distribution network isproposed based on integer coded quantum particle swarm optimizationalgorithmwhich takes the minimum network loss and node voltage stability as the objective function. First, a day of load forecasting curve is divided into several time intervals based on its monotonicity and amplitude changes. Then integer quantum particle swarm optimization algorithm is adopted to realize dynamic distribution network reconfiguration. In order to find the best number of refactoring, the optimal time refactoring function is proposed based on adjacent time refactoring changes value network loss. In consideration of the power distribution network loss minimum and node voltage fluctuations largest and smallest for the target, we are looking for best reconstruction of the distribution network structure on the basis of IEEE33 distribution system, the reconstructed results verify the validity of the proposed method.%为保证配电网动态重构后系统安全稳定的运行，提出了以网损和节点电压稳定性为目标函数的量子粒子群算法的配电网动态重构。