蚁群算法在配电网重构的应用
改进蚁群算法在可靠多电源配电网规划模型中的应用
设计应用技术改进蚁群算法在可靠多电源配电网规划模型中的应用吴恺琳（国网福州供电公司，福建福州针对传统电力系统存在的故障诊断能力差、数据冗余等问题，提出一种基于自组织和深度强化学习相结合的新一代分布式电源系统可靠性优化方法。
首先，利用蚁群算法对传统的单电源配电网进行建模分析；其次，采用改进蚁群算法对该模型进行训练与测试；最后，将结果作为输入，构建出一个全新的多电源配电网综合评价体系并验证了所提方法的有效性。
研究表明，相比于传统的单电源配电网而言，该模型能够显著提升网络的鲁棒性、抗干扰能力以及预测准确率。
同时，由于引入了自组织机制来改善网络结构，使得网络具有较高的泛化性及适应度，因此可以更好地实现对复杂电网运行状态下的动态响应，从而进一步提高预测精度和稳定性。
此外，通过实验证明所提出的方法能够有效提高供电系统整体的供电效率。
蚁群算法；多电源配电网；规划模型Application of Improved Ant Colony Algorithm in Reliable Multi-Source DistributionNetwork Planning ModelWU Kailin(State Grid Fujian Fuzhou Electric Power Supply Company, Fuzhou条件；三是遗传算法，这是近年来研究比较成熟的一种方法，能够解决传统优化方法无法解决的一些实际问题，特别适合处理大规模的复杂问题[1]。
1.2 配电网潮流计算的数学模型为了更好地理解潮流计算方法，首先建立了配电网潮流计算数学模型。
假设某地区有n条支路和1条线路，每条路都独立且不与其他路相连接；该地区所有的节点均位于同一个区域内；各支路上的电流分别由各自的源点（X1）和汇点（X2）提供；各个节点上的电压值为U1、U2[2]。
1.3 配电网潮流计算方法根据上述方法，对某一地区的电负荷进行分析。
首先利用MATLAB软件编程求出各站用电量；其次将该区域划分为若干个小区间，每一个小区间内分别设置一个节点（即潮流节点）和一个潮流单元；最后再通过潮流单元与各个节点之间的距离关系来求出整个区域的总潮流值。
蚁群算法在配网重构中的应用
电网的运行状态而主动的做出一些响应，这就是主动配电网。
在配网中，一些开关也变成了可控的开关，可以根据电 网的控制指令进行断开和闭合，若作为支路间的联络开关， 根据指令进行断开或者是闭合，则就可以根据指令改变网络 的连接情况，这种改变网络的连接状态的现象，就是配网的 网络重构。
意义
网络重构可以降低网损，提高系统经济性。在提倡节约
第六步，更新全局的信息素；
第七步，重复以上的第三步至第六步，直至达到终止条件。
3 配网重构模型
配网重构模型
目标函数 min Ploss kiri | Ii2 |
以降低配电网运行的网络损耗为目标。
约束条件
潮流约束 电压约束 电流约束 辐射状约束
k为支路i上的开关控制变量，其值为1时证明开关闭合，其 值为0时，证明开关断开；r为支路i上的电阻；I为流过支路i 的电流。
无功功率
0.03 0.03
/MW
0.02 0.02 0.03 5
5
0
0
0
节点
17 18 19 20 21 22 23 24
有功功率
/MW 0.06 0.09 0.09 0.09 0.09 0.09 0.09 0.42
蚁群算法在配网重构中的应用
汇报人：XXX 指导老师：XXX
目录
1 背景和意义 2 蚁群算法 3 配网重构模型 4基于蚁群算法的配电网重构 5 总结
1 背景和意义
背景
近年来，随着一些分布式电源的发展，配电网的运行有了
很多新的挑战，由此，“主动配电网” 的概念被提出来。由于
一些可控的分布式电源的加入，有一些元件可以开始自身根据
型社会、节能减排的形势下，配电网网络重构显得尤为重要。
蚁群算法在配电网重构中的应用
蚁群算法在配电网重构中的应用摘要近几年科技迅速发展，使用智能算法在配电网中得到了极大的应用，例如粒子群算法、遗传算法、禁忌搜索算法、蚁群算法等都可以很好的解决问题，但是由于传统意义上的蚁群算法应用实例比较少，为了得到最佳解决方案需要花费大量的时间，并且计算过程复杂，现在多位学者对传统意义上的蚁群算法进行优化，从而改变现状，使蚁群算法得到应用。
关键词：蚁群算法遗传算法配电网重构配电网网络重构信息素配电网络分布式电源无功优化多目标优化配电网规划目录蚁群算法在配电网重构中的应用 (1)摘要 (1)1 引言 (3)2 蚁群算法 (3)2.1蚁群算法的起源 (3)2.2蚁群算法的基本思路 (3)2.3蚁群算法的特点 (4)3 蚁群算法和配电网重构的结合 (4)3.1配电网重构 (4)3.2用蚁群算法的应用 (5)3.3对蚁群算法的改进 (8)3.4仿真 (10)3.5算例 (11)4 配电网重构的意义 (16)结论 (18)引用 (19)1 引言近几年科技迅速发展，使用智能算法在配电网中得到了极大的应用，例如粒子群算法、遗传算法、禁忌搜索算法、蚁群算法等都可以很好的解决问题，但是由于传统意义上的蚁群算法应用实例比较少，为了得到最佳解决方案需要花费大量的时间，并且计算过程复杂，现在多位学者对传统意义上的蚁群算法进行优化，让蚁群算法大范围的应用，改善当前的状况。
2 蚁群算法2.1 蚁群算法的起源在上世纪九十年代初期，一篇论文出现了一种特殊的计算方法，它是Marco Dorig 再观察了蚂蚁的各种行为，尤其是在寻找食物的时候的行为之后想出了的类似优化蚂蚁进食顺序那样的一种计算方法，被命名为蚁群算法。
蚁群算法可以说是一种在整体算法中不断优化的进化算法，它具有很多优点，如启发式搜索，信息的正负反馈，分布式计算等特性。
Ant系统或蚁群系统最初由意大利学者Marco Dorig和其他人在20世纪90年代提出。
他们观察了蚂蚁的生命状态。
基于蚁群算法的配电网故障后恢复重构_张雅
#(
*+ " - $ ! *+ ’ 其他
!"#
算法步骤
)*+,"：初始化算法参数。设迭代次数初值 + % !，所有线路上的初始信息素!"# （ ! ）% . ，并令
! ! !"# % !， ( -./ % * " ，其中 * " 是一大数；建立 *012 表，用来存放已访问过的线路。
$
{
$
)( ] , ! (3& .% ./%
’
/ [ ! .% + .- ] , 5 !
%3&
%" $)
}
34 5 4 0 % !"# $ 0 % $ 0 % !/0 （ 6/7"/+（ 895）% *6:; <） 式中， 4 、 / 为权重系数； 5 为过负荷惩罚系数， — ;: —
8 ）3 ! !%( （
E］ 。本文将蚁群算法应用于 A9/=<59+ 72.>/=5 ）等［ 配电网故障后恢复重构，提出了一个综合考虑切负
荷最小和开关操作次数最少的配电网故障后恢复重 构模型。很多文献将网损最小也列为目标函数之 一，但在实际的实时恢复重构中会延长给出方案的 速度，不符合紧急事故情况下快速恢复供电的原 则，故本文仅将网损最小作为最后选取方案的一个 依据。算例验证了本文所提方法的有效性。
%3& ’)
.* 8 ）3 %( （
{
点； 9 为蚂蚁 * 下一时刻所允许转移的相邻节点；
" 为反映信息素作用的强弱指数因子， $ 为反映路 径信息作用的强弱指数因子；#%( 为路径 % ( 的路径
基于协同进化蚁群算法的含光伏发电的配电网重构
基于协同进化蚁群算法的含光伏发电的配电网重构随着社会的发展和经济的增长，电力需求也在不断增长。
然而，现有的配电网络基础设施已经无法满足这些需求，尤其是在人口稠密度高的城市地区。
因此，升级配电网络是一个必要的措施，以适应现代城市的快速增长。
伴随着传统燃煤发电的环保压力，光伏发电成为了未来发电领域的热门话题。
本文将以协同进化蚁群算法为基础，提出一种实现含光伏发电的配电网重构方案。
一、协同进化蚁群算法协同进化蚁群算法（CEA）是一种优化算法，其实质是一种自适应的多智能体系统。
该算法结合了蚁群算法和协同进化技术，将多个优化算法和智能体组合起来工作，以实现更好的全局优化效果。
它可应用于各种实际问题的解决，如路由问题、覆盖问题、调度问题、生产调度问题等等。
CEA包含三个主要部分：1.群体智能体（AI）每个AI是一个代表分配的解决方案。
每个AI都有自己的目标函数，其目标是最小化或最大化这个函数。
AI不断尝试寻找包含在搜索空间中良好解决方案的区域。
2.种群智能体种群智能体是一组AI，它们协同工作来寻找最佳解决方案。
人们可以通过微调种群智能体中每个AI的参数来优化整个群体的性能。
3.交流机制这种机制允许AI之间交流信息和资源。
种群智能体和单个AI之间的交流可以提高整个系统的性能。
基于此，CEA可以应用于配电网的重构中，以优化整个系统的性能。
二、含光伏发电的配电网重构1.问题定义在现有的配电网络基础上，考虑加入光伏发电，通过优化方案，以实现以下目标：（1）尽量降低能源成本，减少电力输送损失。
（2）保障电力供应的可靠性和稳定性。
（3）增加光伏发电的比例，提高环保效益。
（4）最小化新设备的成本开支。
2.设计方案（1）优化升级方案在已有的配电网络基础上，通过分析，找到合适的光伏发电配置方案，以实现上述目标。
（2）光伏发电系统的设计在确定光伏发电配置方案之后，可继续考虑光伏发电系统的设计，包括系统容量、板块的位置、倾角等。
基于蚁群算法的配电网重构
了本 文 所提 出 的算 法 的可 行 性 和 有 效 性 。
２ 装 有 连 接 开 关 ， 其余 用 实线 表 示 的支 路 装 有 分 段 开 关 联 络 开 的 负荷 ＋ 点 ｆ 续 所 有 节 点 的 功 率之 和 ＋ 点 ｆ 续所 有支 路 功率 损 ６上 而 节 后 节 后 关 是 常 开 开 关 ， 段 开关 是 常 闭开 关 。 分 当运 行 条件 改 变时 ， 过 打 开 和 耗）ＰＪＱ 为节点 ｉ 通 ；ｆ、 的有 功和无 功负荷， Ｖ 为节点 的电压， 为节点 闭合 这 两 种 类 型 的 开 关 来 实 现 网络 重 构 以 减 少线 路 损 失 。 也 就 是 说 ． 的 电压 ， 是 以 ｉ 始 节 点 的 支路 的终 节 点 集 ，对 图 ２所 示 的 情 况 ： 为 其 中一 个 联 络 开 关 被 合 上 以 转 移 负 荷 到 不 同 的 馈 线 上 ； 时 ， 个 分 同 一 （， ｝ ｂｅ ， Ｊ 对于末端节点 为空集 。 段 开关 被 打开 以维 持 配 电 网 络 的 放 射 性 结 构 。 例 如 在 图 ｌ ， 馈 线 中 当 总 的功 率 损 耗 应 该 是 所 有 支 路 功 率 损 耗 之 和 ， 以本 文 所 建立 的 所 Ⅱ上 的负 荷 在 正 常 运 行 条件 下 变 为 重 负 荷 时 ，联 络 开 关 １ ５被 合 上 以 目标 函数 为 ： 将 母 线 Ⅱ上 的 负 荷从 馈 线 Ⅱ转 移 到 馈 线 Ｉ 同 时 ， 段 开 关 １ 。 分 ９打 开 以 维 持 该 配 电 网 络 的放 射 性 结 构 。
基于人工免疫思想的蚁群算法(AIACS)在配电网重构中的应用
２ １ 年 ９月 １ ００ ６日
电 力 系 统 保 护 与 控 制
Ｐ ｗｅ ｙ ｔ ｍ ｒ ｔｃ ｉ ｎ ａ ｄ Ｃｏ ｔｏ ｏ ｒＳ ｓｅ Ｐ ｏ ｅ ｔｏ ｎ ｎ ｒ ｌ
Ｖ＿ ． Ｏ． ８ ０ ３８Ｎ １ １
；ｐ ． ６ ２ １ ｅ ｔ１， ０ ０
Ａｂｔａ ｔ ｎｖｅ ｆｈ ａａｔ ｉ ｉ ｏ ｍｕｔｏｊｃｖ ，ｎ ｎｉｅｒ ｎ ｔｇａ ｃｎｔ ｉｅ ｉｒ ｕｉ ｅ ｒ ｃｎ ｇ ｒｔ ｓ ｃ：Ｉ ｉ ｏ ｔｅｃ ｒｃｅ ｓｃ ｆ ｌ—ｂｅｔ ｅ ｏ ｌ ａ ｄｉ ｅｒｌｏ ｓ ａ ｄｄｓ ｉ ｔ ｎｎ ｔ ｋｒ ｏ ｆ ｕａｉ ， ｒ ｗ ｈ ｒｔ ｉ ｉ ｎ ａ ｎ ｒｎ ｔｂ ｏ ｗｏ ｅ ｉ ｏ
基 于人 工 免疫 思 想 的蚁 群 算 法 （ Ｃ ） Ａ Ｓ Ｉ Ａ
在 配 电 网重 构 中 的应 用
徐延 炜 ，贾 嵘
（ 西安理 工大学电力工程 系，陕西 西安 ７ ０８ １ ４） ０ 摘要：针对 多 目标 非线性整数规 划的配 电网重构 问题 ，提 出基于人 工免疫思想的蚁群 算法求解配电网重构问题 。算法通过在
ｉ Ｉ ｃ ｎｆｇ ａ ｉ ｎ ｏｆｄｉｔ ｉ ｔｏ ｔ ｎ － Ｏ ｉ ｕｒ ｔＯ ｓｒ ｂｕ ｎ ｎｅ ｗｏｒ ｅ ｉ ｋｓ
ＸＵ ｎ－ ｉ ＪＡ Ｙａ ｗｅ ， Ｉ Ｒｏｎｇ
（ ｐ ｒｍｅ ｔ ｆ ｌｃｒｃ ｌ ｇｎ ｅｉｇ， Ｘｉａｌ ｉｅｓｔ ｆ ｅ ｈ ｏｏ ｙ，Ｘｉａｌ １ ０ ８ Ｃ ｉａ Ｄｅ ａｔ ｎ Ｅ ｅ ｔｉａ ｉ ｅｒｎ ｏ Ｅｎ ’ｌＵｎｖ ｒｉ ｏ Ｔ ｃ ｎ ｌｇ ｙ ’ｌ ７ ０ ４ ， ｈｎ ）
ｎ ｏｔ ａ ｐｉ ｚ ｄｍｏ ｅ ｆｄｓ ｉｕ ｉｎｎ ｔ ｒ ｃ ｎ ｇ ｒｔ ｎｕ ｉｇａ ｔ ｏｏ ｙｓ ｓｅ ｂ ｓ ｄｏ ｒｉ ｃａ ｍｍｕ ｅｔｅ ｒ （ ＡＣＳ）ｉ ｍｉｅ ｄ ｌ ｉｔ ｂ ｏ ｅｗｏｋｒ ｏ ｆ ｕ ａｉ ｓｎ ｎ ｌｎ ｙ ｔｍ ａｅ ｎａｔ ｉｌ ｏ ｒ ｔ ｅ ｉ ｏ ｃ ｉ ｆ ｉ ｎ ｏｙ ＡＩ ｈ ｓ
基于蚁群算法的配电网网络重构
ｄｓ ｒ ｕ ｉｎ ｎ ｔ ｒ ｅ ｏ ｆ ｕ ａ ｉｎ ｗｈｃ ｓ ａ ｍｕ ｔ ｏ ｊｃｉｅ ｏ ｔ ｉ ｔ ｎ ｐ ｏ ｌｍ． Ｃｏ ｓｄ ｒｎ ｏｔｇ ｉｔｉ ｔ ｅｗｏ ｋ ｒｃ ｎ ｉ ｒ ｔ ｉｈ ｉ ｌｉ ｂｅ ｔ ｐ ｉ ｚ ｉ ｒｂ ｅ ｂ ｏ ｇ ｏ ～ ｖ ｍ ａｏ ｎ ｉｅ ｉｇ ｖ ｌ ｅ ａ
构 方 案 ， 重 构 后 的 系 统 在处 理 负 荷增 大 问 题上 较 重 构前 系统 有 更 好 的 调控 能力 ， 统 稳 定 性 得 到 提 高 。 且 系 关 键词 ： 群 算 法 ； 电 网重 构 ；电压 稳 定 指 数 ； 息 素 ；网损 蚁 配 信
中 图分 类号 ： ＴＭ７ ２ ３ 文 献标 识码 ： Ａ 文 章编 号 ： ０ ３ ８ ３ （ ０ ７ ０ ～０ ５０ １ ０ ～９０ ２０ ）６０ ３ ～５
摘 要 ： 对 配 电 网 网络 重 构 问题 ， 针 在考 虑 配 电 网 电压 稳 定 的前 提 下 ， 出 了降 低 配 电 网 网 损 的 目标 函 数 ， 用 提 利 蚁 群 算 法 正 反 馈 的特 性 ， 其 应 用 于 配 电 网重 构 中 ， 设 置 中 心 控 制 蚂 蚁 搜 索 当前 最 优 解 作 为 各 条 边 信 息 素 将 并
更 新 依 据 。 满 足 配 电 网 射 状 结 构 要 求 ， 合 Ｐ ｉ 算 法 ， 蚂 蚁 一 次 遍 历 对 应 一 个 辐 射 网形 ， 为 结 ｒ ｍ 使 即一 个有 效 的
开 关 组 合 ， 幅 度 缩 小 了 问题 的 解 空 间 。实 例 证 明 采 用 的 蚁 群 算 法 可 以得 到 较 文 献 ＥＪ 损 更 小 的 配 电 网重 大 １网
ｂｔ ｒｒｓ ｌ ｔａ ｅｍｅｈ ｄｐｏ ｏｅ ［］ ｅｔ ｅｕｔ ｈ ｎｔ ｔｏ ｒｐ ｓｄｉ １ ． ｅ ｈ ｎ
基于蚁群算法的配电网重构
ｗｈｉｈ ｉ ｓ ｄ ｆ ｒｔ ｅ ｒ ｃ ｎｆｇ ｒ ｔｏ ｆｄ ｓｒｂｕ ｉ ｎ ｎｅｗ ｏ ｋ ｉ ｄ ｒｔ ｅ ｃ ｈ ｏｗｅ ｎ ｒ ｙ ｌ ｓ ｅ ｎｄ ｒｎ ｒ ｃ ｓｕ ｅ ｏ ｈ ｅ ｏ ｉ ｕ ａｉ ｎ ｏ ｉｔｉ ｔｏ ｔ ｒ ｎ ｏｒ ｅ ｏ ｒ ｄｕ ｅｔ ｅ ｐ ｒｅ ｅ ｇ ｏ ｓ ｓｕ ｅ ｏ — ｍａ ｅ ａ ｉ ｎ ｃ ｎｄ ｔ ｎｓ Ｃｏ ｌ ｏｐ ｒ ｔｏ ｏ ｉｉ ． ｍｂｉ ｄ ｗｉｈ ｔ ｅｆ ａｕ ｅ ｆｄｉｔｉ ｕ ｉ ｎ ｎｅｗｏ ｋ， ｔａ ｐｌｅ ｈｅＡｎ ｌ ｎｙＡｌｏｒｔ ｍ ｏ ｎｅ ｔ ｈ ｅ ｔ ｒ ｓｏ ｓｒｂ ｔｏ ｔ ｒ ｉ ｐ ｉｓｔ ｔＣｏ ｏ ｇ ｉｈ
笺
皇 里
蚁 群
算
法 的
配
郑 罡
Ｚｈ ｎ ｎｇ ｅ ｇ Ｇａ
电 网 重
构
（ 湖南省 岳 阳 电业 局 ， 南 岳 阳 ４ ４０ ） 湖 １０ ０
（ ｕ ｙ ｎ ｌｃ ｉ Ｐ ｗ ｒ ｕｅｕ Ｈ ｎ ｎ Ｙ ｅ ａ ｇ ４ ０ ） Ｙ ｅ ａ ｇＥｅｔ ｃ ｏ ｅ ｒａ ， ｕ ａ ｕ ｙｎ ０ ０ ｒ Ｂ １ ４
滞 ， 以它不 能 找到 全局 最优 解 。 了解决 基本蚁 群 所 为 算法 （ Ａ） ＡＣ 的缺 点 ， 文 提 出一 种选 择 概 率模 和 本
一种改进蚁群算法在配电网络规划中的应用
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｙ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ；ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｉ ｏ ｎ ｎ ｅ ｔ ｗｏ ｒ ｋ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ；ｈ ｅ ｕ ｒ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ；ｃ ｏ ｍｂ ｉ ｎ ａ ｔ ｏ ｉ ｒ ａ ｌ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ
Ｍａ ｖ ２ ０１ ３
・
机 电工程 ・
一
种 改进 蚁 群算 法在 配 电 网络 规 划 中的应 用
孟 海林 ， 杨 燕翔 ， 王 家炜 ， 陈 伟
（ 西华大学电气信息学院 ， 四川 成都在基本 蚁群算 法的基础上 ， 将蚂蚁经过路径上各路段 的次数 与信 息素更新机制 相关 联 ， 改 进 了信息素
Ａｐｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ａ ｎ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ａｎｔ Ｃｏ ｌ ｏ ｎｙ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ｉ ｎ
Ｄｉ ｓ ｔ ｒ ｉ ｂｕ ｔ ｉ ｏ ｎ Ｎｅ ｔ ｗｏ ｒ ｋ Ｐｌ ａ ｎ ｎ ｉ ｎｇ
ＭＥＮＧ Ｈａ ｉ — ｌ ｉ ｎ，ＹＡＮ Ｇ Ｙａ ｎ — ｘ ｉ ａ ｎ ｇ，ＷＡＮＧ Ｊ ｉ ａ — ｗｅ ｉ ，Ｃ ＨＥ Ｎ Ｗｅ ｉ
ｆ ｅ ｅ ｏ ｆ ｔ ｈ ｅ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ａ ｎ ｎ ｕ ａ ｌ ｃ ｏ ｓ ｔ ａ ｎ ｄ ｔ ｈ ｅ ｏ ｖ ｅ ￣ ｏ ａ ｄ ｐ ｕ ｎ ｉ ｓ ｈ ｍｅ ｎ ｔ ｃ ｏ ｓ ｔ ．Ａ ｃ ａ ｓ ｅ ｆ ｏ ｒ ａ １ ０ ｋ Ｖ ｐ ｏ ｗｅ ｒ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｖ ｅ ｄ ｔ ｈ ｅ ｖ ａ ｌ ｉ ｄ ｉ ｔ ｙ ｏ ｆ
蚁群算法在配电网故障定位中的应用
蚁群算法在配电网故障定位中的应用摘要：蚁群算法是一种仿生优化算法，具有分布式计算、快速正反馈、启发式搜索的特点。
比传统的矩阵算法具有更好的容错性。
用蚁群算法进行配电网故障定位，当故障信息有少量畸变时，仍能准确判断出故障区域。
本文对配电网故障定位蚁群算法进行了较深入的研究，建立了基于蚁群算法的故障定位模型，列出了算法算式及计算流程，并通过模拟仿真进行了验证。
关键词：蚁群算法，配电网，故障定位1配电网的故障定位及算法研究目前，解决故障定位的算法大致可分为两种：直接算法和间接算法。
直接算法中最典型的就是矩阵算法[1][2]。
该算法计算速度快，但对上传故障信息的准确度要求比较高，容错性较差。
间接算法也就是所谓的寻优算法，目前主要有遗传算法和神经网络算法等，遗传算法和神经网络算法具有较高的容错性。
但寻优算法因为计算量大, 计算速度较慢[3]。
2蚁群算法2.1基本原理据昆虫学家的研究，发现蚂蚁能在没有任何可见提示下找到从其窝巢至食物源的最短路径，而且能随环境的变化而搜索出新的路径。
其根本原因是蚂蚁能在走过的路径上释放一种分泌物信息素，而信息素会逐渐挥发，后面的蚂蚁选择该路径的概率和该路径上信息素的强度成正比。
当一条路径上通过的蚂蚁越多时，其留下的信息素轨迹也越浓，后来的蚂蚁选择该路径的概率也越高，从而形成一种正反馈机制。
通过该机制，蚂蚁最终可以发现最短路径[4]。
2.2简单应用模型下面结合著名的旅行商(TSP)问题来说明蚁群算法解决问题的步骤。
旅行商问题就是指给定N个城市和两两城市之间的距离，要求确定一条经过各城市当且仅当一次的最短路线。
如果将每个城市看成是一个节点，城市间的路径为连接顶点的边，距离为边上的权值，则TSP问题就是在一个具有N个节点的完全连通图上找一条距离最小的回路。
蚂蚁k 在运动过程中，根据各条路径上的信息素含量决定转移方向。
在t时刻蚂蚁k由城市i转移到城市j的概率由下式决定：(1)其中， ={0,1...}表示蚂蚁下一步可行路径的集合，表示边(i，j)的能见度( )；α和β为两个参数，分别反映了蚂蚁在运动过程中所积累的信息和启发信息在蚂蚁选择路径中的相对重要性。
基于蚁群最优算法的配电网重构
中图分类号 ：Ｔ ７ Ｍ ３
０ 引
言
配 电 网的重构是 指在正 常或故 障运行 条件 下 ， 过改 变开关 的闭合状 态来 改变 网络 的拓扑结构 ， 通 目
的就是在这些不同的网络结构 中找到一种最优结构 ， 使得在实现电力供需平衡并满足容量和电压等约 束的前提下， 网络的运行损耗最小＿ 。它包括网络优化重构和故障恢复重构。本文所讲 的配电网重构 ｌ Ｊ
．
（） ３
式中： ． 为节点 ｋ ｍ ｉ 电压的下限； （） ３ 容量约束 ：
为节点 ｋ电压的下限。
， 』 。 （ １２ … … ， ） ｆ＝ ， ， （ ４）
式中： 为通过元件 Ｚ ， 』 的电流 ；。 为元件 Ｚ ， 』 的最大允许 电流； 为配电网络中所有元件总数。 （ ）放射 状 运行 约束 ： ４
摘
要 ： 电力系统中配电网的重构是配 电网降低 网络损 耗的重要途径 。但是 由于配 网本身的结 在
构， 其重构是一个非常复杂的大 规模组合优化 问题 。提 出了基于蚁群最 优的算法来 求解故 障情 况下 的 配 电网络重构问题 ， 通过改变开关的闭合状态来改变 网络的拓扑结 构 ， 以达到 网络损失最小 。蚁群最优
收 稿 日期 ： ０７— ５—１ ２０ ０ ３
作者简介 ： 蔡 伟 （９ ８一） ， 北 电力大 ： ｃ１ １６ ， Ｉ Ｕ，
院教授 ， 研究
为ｌ 乜力系统运行分析． ．
维普资讯
第４期
蔡 国伟 等： 于蚁群最优 算法的配电网重构 基
７
算法 （ ｎ Ｃｌ ｙ ｐ ｍｚ ｉ ， Ａｔ ｏ ｎ ｔ ｉ ｔｎ简称 Ａ Ｏ算法 ） ｏ Ｏ ｉ ａｏ Ｃ 是模仿现实 中的蚂蚁寻食 的过程来求解配 电网的重构 问
基于改进蚁群算法的配电网重构
满足 馈线 热容 、节 点压 降和 变压 器容量 等 条件 的前
提下 使 配 电网某 一指 标或 者多 重指 标最 佳 的配 电 网运 行方 式 。 由于配 电网结构 复杂 。 在着 大量 的分 存 段 开关 和联 络 开关 ．因此 配 电 网重构是 一 个复 杂 的
构能 很快 找到 最优点 ， 有很好 的稳 定性 和可行性 。 具
作者简介 ： 李
焱 （９３ ）男 ， １８ 一 ， 江苏张家港人 ， 工程师 ， 从事变电检修方面的丁作
Ｙ Ｎ Ｊ Ｕ ＹＵ Ｆ Ｎ Ｘ｝ 研 究 与 分 析 Ａ Ｉ Ｅ
支路ｉ 的电阻 ； 、 ｝ Ｑ、ＶＩ 为流过支路ｉ 的有功功率 、 无
功功 率 以及 支 路 ｉ 的末 端 电压 幅 值 ：ｉ 支路 上 开 关 ｋ为
一
关 的顺序 或 网络 中开关 的初 始状 态有 关 ，每一 次优
化计算 只搜 索 了整个 解 空 间的一 部分子 空 间 ，缺乏 数 学 意 义上 的 全局 最 优性 ； ） ］ 智 能算 法 ”如 ３ 人 一 ， 模 拟 退火法 、 传算 法 、 忌算 法 、 遗 禁 粒子 群优 化算 法 、 家族 优生学 算法 等 。 这类 方法适 合 寻找全 局 最优 解 ，
３ 中 国电力科 学研 究 院 ， 北 京 １ ０ ９ ） ． ０ １ ２
摘 要： 配电网重构 可以提高配 电网运行 的安全性、 经济性和供 电质量 ， 对于 当前 国内配电 自动化系统的建设和 Ｉ
应用具有重要意义。以网络损耗最小为 目 提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重 标， 构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点． 从蚁群算法的转移概率和信息素动态更新２ 方面进行 了改进，提高了蚁群算法全局搜索能力与收敛到最优解的 速度。最后通过对６ 节点配电系统算例的仿真， ９ 取得了较好的效果， 证明了 该算法的有效性和可行性。
基于双策略蚁群算法的配电网络重构研究
基于双策略蚁群算法的配电网络重构研究周术鹏;靳松【摘要】电网的网络重构本质上属于非线性组合优化问题.随着智能电网的快速发展和电网规模的急剧扩张,网络重构算法的计算复杂度也大幅增加.蚁群算法具有鲁棒性、可并行性和正反馈机制等优点,因而被广泛应用于组合优化问题的求解之中.然而,现有的蚁群算法仍存在计算速度慢,易于陷入局部最优等缺点.为解决上述问题,提出了一种削减-累加双策略的蚁群算法并将其应用于电力系统的网络重构计算中.一方面,定义削减因子,使迭代过程中的蚂蚁数量随算法收敛的稳定程度而不断减少,实现动态自适应的蚂蚁数量选择机制以加快计算速度;另一方面,定义积累因子,增加了信息素的积累阶段,引导算法跳出局部最优,提高找到最优拓扑结构的概率.实验结果表明,在信息素更新次数和初始蚂蚁数量都相同的情况下,与已有工作相比,提出的算法能够将计算速度提升约25％;同时,将最小网损降低约9％.【期刊名称】《计算机工程与应用》【年(卷),期】2018(054)020【总页数】6页(P242-247)【关键词】蚁群算法;削减-累加双策略;网络重构;动态自适应;信息素【作者】周术鹏;靳松【作者单位】华北电力大学电子与通信工程系,河北保定 071001;华北电力大学电子与通信工程系,河北保定 071001【正文语种】中文【中图分类】TP391 引言电力系统网络重构是在电力传输、分配等过程中减少能量损耗的一种重要手段[1]。
从本质上讲，它是一种非线性组合优化问题，主要是为了在复杂而庞大的解搜索空间中寻找最优解[2]。
但是这类问题求解过程繁琐，随着网络规模的扩大，网络重构所需计算的数据量骤增[3]。
这导致了计算时间的延长，并降低了找到最优解的概率。
解决上述问题亟需提出新的思路。
目前，配电网网络重构算法主要有以下几种[4]：（1）数学优化算法[5]。
它直接利用现有的数学原理进行优化，可以得到不依赖于配电网初始结构的全局最优解。
但是它属于“贪婪”搜索算法，存在严重的“维数灾”。
基于免疫原理的蚁群算法在配电网恢复中的应用
ｗ ｉ Ｓ ｏ ｌ ， ｌ．ｂｅ ｔ ｅ ａ ｄ ｍｕｔ ｃ ｎ ｔ ｉｔ Ｔ ｅ ｉ ｈｃ ｉ ｃ ｍｐｅ ｍｕｔ ｏ ｊｃｉ ｎ ｌ ．ｏ ｓ ａ ． ｈ ｈ ｘ ｉ ｖ ｉ ｒｎ ｍｍｕ ｅｐ ｎ ｉｌ ｉ ｉｔ ｄ ｃ ｄｔ ｎ ｇ ｒ ｈ ｉ Ｐ ｐ ｒ ｗ ｉ ｎ ｒ ｃ ｅ ｓ ｎ ｏ ｕ ｅ ａ ｔ ｏ ｔｍ ｉ ｔ ｓ ａ ｅ， ｈｃ ｉ ｐ ｒ ｏ ｌ ａ ｉ ｎｈ ｈ
的仿 生启 发式优 化 方法 ， 目前在 电力系统 的很 多组 合优 化 问题研 究上 都取得 了 比较 理想 的效 果 ，如无 功 优化 ［、经济 负 荷分 配【、 网架优 化 【ｊ 方 面 。 引 ｌ等 Ｕ 本 文将蚁 群算 法应 用于配 电网的故 障恢 复 ，充分利
用 其搜 索能 力强 ，易于 发现较 好解 ，对 于 目标 函数 没 有可微 甚 至连续 的要 求 的优 点 ，针对 其收 敛慢 ， 容 易 出现 停滞 而无 法搜 索到 全局最 优解 的缺 陷 ，引
入 免疫 机制 进行 改进 。
展 。因此 ，配 电网的故 障恢复 问题 的研究 正成 为完 善 电网建设 的一项 重要课 题 。故障恢 复是 一个 非线 性、 多约束 的组合优 化 问题 ， 算法 的快 速性 是其 实用 性 的关键 。 不少文 献提 出 了多种求解 方法 ， 纳起 有 归 来可 以分为 下面 ３ 类 ： 启发 式方 法 ， 如禁 忌 搜 ① 例 索 、并行模 拟退 火算 法和 遗传 算法 等…；② 数学 优 化 方 法 ，如 分支 定 界法 ｌ和混 合 整数 优 化法 Ｌ等 ； ２ 】 ３ ③ 人 工智 能法 ，如 专家 系统 、模糊集 法和 人工 神经 网络法 ［ ４ 。随着配 网 自动 化技 术 的不 断发 展 ， 等 处 理配 电网络 故障 的时 间越来越 短 ，这就对 故 障恢复 算法 提 出了实 时的要求 ，启 发式方 法能 较快 的给 出 新 的构建 方案 ，而 且结 果容 易为 调度 员所 接 受 。 Ｊ 所 以 ，在配 电网故障恢 复 问题 中，采用 启发式 算法
蚁群算法在配电规划中的应用
２ ０ １ ５ 年第２ ２ 卷第１ １ 期
创新 与 实践
蚁群 算 法在 配 电规 划 中 的应 用
李永华
（ 广 东电 网 河 源和 平供 电局 ，广 东 河源 ５ １ ７ ０ ０ ０ ）
摘 要： 以配电规划的优化研 究为对象 ， 就蚁群算法在配 电规划 中的应 用进行 分析。首先 分析 了开展配 电规 划优化 的必
开展 最佳路径的搜寻时 ， 蚁群算法可 自行依 照各个路径 上
的信 息素含量启 发信 息对 相应 路径 的选择 可能 性 开展计 算 。
现通过公式对 ｔ 时刻 ｋ 蚂 蚁 自 。节 点 向 ｂ节 点 移 动 的 可 能 性 进 行 表述 ， 公式如 （ １ ） 所示 ：
到该 节点所经历 的路 程。对该路 程 中相 邻两 节点 间的距离 间
息的交流 ， 并 以此 生 产 性 能 更 加 优 越 更 加 适 宜 的解 ， 这 一 过 程 雷 同 于 自动 学 习 机 的 自主 学 习 功 能 。
在不改变启发 因子 和调节 因子 的前提下 ， 创新 性的对信息素筛
选进 行改 良， 也就是借助蚂蚁通过不同节 点的次数对信息素实
施修 订。具体 方法 如下 。 蚁群算法依靠群体搜寻逐渐获得最优解 的方法 ， 就本质来 说是 通过群体 中的个体从某个节点 出发 ， 通过 多次选择再次 回
（ ６ ）
实例分析中选用 一个 １ ０ ｋ Ｖ配电 网络 的规划研究作 为算
例 进 行 运 算 。该 配 电 网 络 共 包 含 ｌ Ｏ个 节 点 、 ２条 支 路 以 及 １ ４ 条 可拓 展 支 路 。 整个 配 电 网络 结 构 如 下 图 １所 示 。下 图 中节
改进蚁群算法在配电网重构问题中的应用初探
改进蚁群算法在配电网重构问题中的应用初探发表时间：2018-08-21T14:31:24.437Z 来源：《电力设备》2018年第13期作者：魏长寅[导读] 摘要：传统蚁群算法在配电网重构问题中常出现停滞现象，针对该问题，遂提出改进蚁群算法。
（武汉供电设计院有限公司湖北武汉 430000）摘要：传统蚁群算法在配电网重构问题中常出现停滞现象，针对该问题，遂提出改进蚁群算法。
本文将针对改进蚁群算法在配电网重构问题中的应用展开研究，提出一种方向性信息素更新的改进蚁群算法，并将其运用在电网重构问题中。
强化蚁群算法，提升算法效率。
关键词：改进蚁群算法；配电网络；重构配电网是电力系统的基础，直接面向用户配送电能。
其网络结构常呈现出复杂、线路较长、损耗大等基本特点。
故此，为确保输送电的稳定性，减少不必要的耗能，采取一种特殊算法。
传统蚁群算法已无法满足当前需要，因此利用改进蚁群算法，与人工智能趋近，实现对电网问题的有效解决。
1.蚁群算法综述1.1传统蚁群算法电力系统中配电网路重构问题，可将其看作为组合状态化问题，利用专业算法求得在约束条件下的辐射网络，该网络构建过程与无向图中最小生成树的构建过程类似。
使用传统蚁群算法，构建最小生成树的步骤如下：初始化时间t=0，蚂蚁从起点开始搜索，在某t时刻时，蚂蚁根据状态转移的概率为Pk（t），在可选路径中随机选择一条，检查在路径集合中是否存在到节点W的路径，若存在，则断开，继续返回蚂蚁状态转移的步骤上，若没有，则继续执行。
更新Sk（t）（第k只蚂蚁在某时刻接入树的全部节点集合），以及Wk（t）（第k只蚂蚁在某时刻未能接入树的其他节点集合），将W移入Sk（t）中，检查Wk（t）是否变为空集，是，算法结束，否，继续执行。
更新路径集合Ek（t）（某时刻全部可选路径集合），在其中将路径j去掉，再更新可选路径，添加至Ek（t）。
传统蚁群算法利用其之间不断的信息交流，站在全局角度对目标进行一次次的优化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｐｐｌｃ ｔｏ ｆ ＡｎｔＣｏ ｏ ｙ ｔ ｍ ｎ Ｄｉ ｔ ｉ ｔｏ ｃ ｎ ｉ ｕｒ ｔ０ｎ ｉａ ｉ ｎ ｏ ｌ ｎｙ Ｓ ｓ ｅ ｉ ｓ ｒ ｂｕ ｉ ｎ Ｒｅ ０ ｆ ｇ ａ ｉ
ＨＵＡＮＧ ｉｎ ，Ｚ Ｊａ ＨＡＮＧ ｏ ，ＬＩＱｉｗｅ 。 Ｙａ — ｎ
索 。对 配 电 网 络 从 图 论 拓 扑 结 构 上 进 行 分 析 ， 配 网 重 构 问 题 转 化 为求 图 的 生 成 树 问 题 ， 以破 圈 法 为 基 础 将 并 得 到快 速 而 有 效 地 求 解 图 的生 成 树 的方 法 。在 应 用蚁 群 算 法 求 解 配 网 重 构 问 题 时 ， 过 首 支 路选 择 随 机 化 和 通 取 消蚁 群算 法 常 用 的 启 发值 的 方法 ， 大 算 法 搜 索 范 围 ， 算 法 可 以 跳 出 局 部 最 优 化 陷 阱 ， 善 算 法 的 搜 索 效 扩 使 改 果 。对 Ｉ Ｅ ９网 络 的 算 例 表 明 ， 方 法 能 以较 少 的计 算 量 和 较 大 的概 率 收 敛 于 全 局 最 优 解 。 Ｅ Ｅ６ 该 关 键 词 ： 络 重 构 ； 群 算 法 ；图 论 ； 圈法 网 蚁 破 中 图 分 类 号 ： Ｍ ７ Ｔ ２ 文 献标 识码 ： Ａ 文 章 编 号 ：１０ —９ ０ ２ ０ ） ４０ ５－ ６ ０ ３８ ３ （０ ７０ —０ ９０
黄 健 ，Ｌ 张 尧 ，李 绮 雯 。
（． １ 华南 理工 大学 电力学 院 ，广州 ５ ０ ４ ；２ 广 东 电网公 司 中山供 电局 ，中山 ５ ８ ０ ； １６ ０ ． ２ ４ ０ ３ 广东 电网公 司东莞 供 电局 ， ． 东莞 ５ １ ０ ） １ ７ ０
摘 要 ：配 电 网 络 重构 是 一个 非 常 复 杂 的 大 规 模 组 合 优 化 问 题 。蚁 群 算 法 作 为 一 种 现代 启 发 式 寻 优 技 术 ， 合 适 于求 解 组 合 优 化 问 题 ， 主 要 特 点 是 正 反 馈 、 布 式 计 算 、 与 其 它 算 法 结 合 以 及 富 于 建 设 性 贪 婪 启 发 式 搜 其 分 易
ｄｉｔ ｉ ｔ ｄ ｏ ｐｕｔ ｔｏｎ， ａ ｔ ｓ ａ ｙ Ｏ ｏｍ ｂｉ ｗ ｉｈ ｈｅ ｔ ｅ ｌ ｏｒｔ ｓ ｎｄ ｃ ｎ ｇｒ ｅ ｈ ｕｒｓ ｉ ｓ ｒｂｕ ｅ ｃ ｍ ａｉ ｎｄ ｉ ｉ ｅ ｓ ｔ ｃ ｎｅ ｔ ｔ ｏ ｈ ｒ ａ ｇ ｉｈｍ ａ ａ ｄｏ ｅ ｄｙ ｅ ｉｔｃ ｓ ａ ｃ Ａｆｅｒ ｎａ ｙ ｉ ｔ ｅ ｅ ｒ ｈ． ｔ ａ ｌ ｚｎｇ ｈ ｄｉｔｉ ｔｏ ｎｅ ｗ ｏ ｋ ｎ ｏｐ ｏ ｓ ｒｂｕ ｉ ｎ ｔ ｒ ｉ ｔ ｏｌ ｇｙ， ｔ ｄｉｔ ｉ ｔｏｎ ｈｅ ｓ ｒｂｕ ｉ ｎｅ ｗｏｒ ｔ ｋ ｒ ｃ ｎｆｇｕｒ ｉｎ ｅ ｏ ｉ ａｔｏ ｐｒ ｅ ｓ ｃ ｎｖｅ ｔ ｄ ｉ ｏ ａ ｐｒ ｂｌｍ ｏｎｓ ｒ ｔｎｇ ｓ ａｎｎ ｎ ｒ ｈｅｇｒ ｏｂｌｍ ｉ ｏ ｒ ｅ ｎｔ ｏ ｅ ｏｆｃ ｔ ｕｃ ｉ ｐ ｉ ｇ ｔｅｅｏｆｔ ａｐｈ，ｗｈｉｈ ｓ ｓ ｌ ｅ ｅ ｋｉ ｃ ｉ ｏ ｖ ｄ ｂｙ ｂｒ ａ ｎｇ— ｃ ｃ ｅ ｂａ ｉ ｅ ｈｏ ｙ ｌ — ｓｓ ｍ ｔ ｄ． Ａｎ ｍ ｐ ｏ ｄ ａ ｏｌ ｎｙ ｏｐｔｍ ｉａ ｉ ｎ ａ ｇｏ ｉｈｍ ｓ ｐｒ ｐｏｓ ｄ ｔ ｏｌ ｈｅ ｒ ｃ ｎｆｇｕｒ ｔｏ ｉ ｒ ｖｅ ｎｔ ｃ ｏ ｉ ｚ ｔｏ ｌ ｒｔ ｉ ｏ ｅ Ｏ ｓ ｖｅ ｔ ｅ ｏ ｉ ａ ｉｎ ｐｒ ｅ ， ｗ ｈｉｈ ａ ｅ ｏｂｌｍ ｃ ｃ ｎ ｘｐａ ｄ ｔ ｓ ａ ｃ ｅ ｅ ａ ｄ ｖ ｄ ｅ ｒ ｈ ｓ ａ ａｔｏｎ ｎ ｈｅ ｅ ｒ ｈ ｘｔ ｎｔ ｎ ａ ｏｉ ｓ ａ ｃ ｔ ｇｎ ｉ ｂｙ ｅｅ ｔｎｇ ｈｅ ｉｓ — ｒ ｃ ｓ ｌｃ ｉ ｔ ｆｒ ｔ ｂ ａｎ ｈ ｒｎ ａ ｄｏｍｌ ｎｄ ｃ ｃ ｌｎｇ ｔ ｅ ｈｅ ｉｔｃ ｖ ｌ ｔ ｙ ａ ａｎ ｅ ｉ ｈ ｕｒｓ ｉ ａ ｕｅ ｏｆｎｅ ｗｏｒ ｋ． Ｃａ ｅ ｓ ｕｄｙ ｏｎ Ｉ ｓ ｔ ＥＥＥ ９一 ｓ ｓ ｓ ｅ ｒ ｅ ｈａ ｈｅ ６ ｂｕ ｙ ｔ ｍ ｐ ｏｖ ｓ ｔ ｔ ｔ ｐｒ ｏｓ ｄ ｌ ｏｒｔ ｏｐ ｅ ａ ｇ ｉｈｍ ｃ ａｎ ｏｂｔ ｉ ｔ ｇｌ ａｌ ｓ ｓ ｌ ｉ ｉｈ ｅ ｓ ｏ ｐｕｔ ｔｏｎ ｉ ｅ ａｎ ｈｉ ａｎ ｈｅ ｏｂ ｂｅ ｔ ｏ ｕｔｏｎ ｗ ｔ ｌｓ ｃ ｍ ａ ｉ ｔｍ ｄ ｇｈｅ ｐ ｏｂ ｉｉｙ ｒ ｒ ａｂｌｔ ｃ ｍ ｐａ ｅ ｏ ｔ ｏｎｖ ｎｔｏ ｌｍ ｅ ｈｏ ． ｏ ｒ ｄ ｔ ｈｅｃ ｅ ｉｎａ ｔ ｄｓ Ｋ ｅ ｗｏ ｄｓ ｙ ｒ ：ｄｉｔ ｉ ｉ ｅ ｏ ｉ ａ ｉｎ；ａ ｏｌ ｓ ｒｂｕｔｏｎ ｒ ｃ ｎｆｇｕｒ ｔｏ ｎｔｃ ｏｎｙ ａｇｏｒｔ ｌ ｉｈｍ ；ｇｒ ｐｈ ｈｅ ｙ；ｂｒ ａｋ ｎ ｃ ｌ ａ ｔ ｏｒ ｅ ｉ ｇ— ｙｃｅ
维普资讯
第 １ 卷第 ４ ９ 期
２０ ０ ７年 ８月
电 力 系 统 及 其 自 动 化 学 报
Ｐｒ ｃ ｅ ｎｇ ｈｅ ＣＳＵ — ｏ ｅ ｄｉ ｓ ｏｆｔ ＥＰＳＡ
Ｖ ｏ１ １９ Ｎ Ｏ ． ．４
Ａｕｇ． ２ ７ ００
蚁群 算 法在 配 电 网重 构 的应 用
（． １ Ｃｏｌｅ ｆＥｌ ｃ ｒｃ Ｐｏ ｒ， ｌｇｅ ｏ ｅ ｔ ｉ ｗｅ Ｓｏｕ ｈ Ｃｈｉ ａ Ｕｎ ｖｅ ｓ ｔ ｆＴｅ ｈｎｏ ｏ ｔ ｎ ｉ ｒ ｉｙ ｏ ｃ ｌ ｇｙ，Ｇｕ ｎｇ ｈｏ １ ４ ａ ｚ ｕ ５ ０６ ０，Ｃｈ ｎａ： ｉ
２ Ｚｈ ｇｓ ｎ Ｐｏ ｅ ｕｐｐ ｙ Ｂｕ ｅ ｕ，Ｚｈｏｎ ｓ ｎ ５ ４ ０，Ｃｈ ｎａ； ． ｏｎ ｈａ ｗ ｒ Ｓ ｌ ｒ ａ ｇ ｈａ ２８ ０ ｉ
３ Ｄｏ ｇ ｕ ｎ Ｐ ｗｅ ｕ ｐ ｙ Ｂｕ ｅ ｕ，Ｄｏ ｇ ｕ ｎ ５ ７ ０ ． ｎ ｇ ａ ｏ ｒＳ ｐ ｌ ｒ ａ ｎ ｇ ａ １ ０ ，Ｃｈ ｎ ） １ ｉａ
Ａｂ ｔａ ｔ ｓ ｒ ｃ ：Ｄｉｔ ｉ ｕｔｏｎ ｎｅ ｗｏｒ ｒ ｃ ｎｆｇｕｒ ｔｏ ｆ ｏ ｓ ｍ ｉ ｍ ｉａ ｉ ｎ ｉ ｏｍ ｐ ｅ ｓ ｒｂ ｉ ｔ ｋ ｅ ｏ ｉ ａ ｉｎ ｏｒｌ ｓ ｎｉ ｚ ｔｏ ｓ ａ ｃ ｌ ｘ， ｌｒ — ｃ ｅ ｃ ａ ｇｅ ｓ ａｌ ｏｍ ｂｉ ｔ ｉ ｎａ ｏｒａｌ ｏｐｔｍ ｉａ ｉ ｎ ｐｒ ｅ ． Ａ ｓ ａ ｎｅ ｈｅ ｉｔｃ ｓ ａ ｃ ｎｇ ｅ ｈｎｉ ｉ ｚ ｔｏ ｏｂｌｍ ｗ ｕｒｓ ｉ ｅ ｒ ｈｉ ｔ ｃ ｑｕｅ， ａ ｏｌ ｎｔｃ ｏｎｙ ａｇｏｒｔ ｌ ｉｈｍ ｓ ｓ ｔ ｌ ｏ ｏ ｖｉ ｉ ｕｉａｂ ｅ ｆ ｒ ｓ ｌ ｎｇ
ｃ ｍｂｎ ｔ ｒａ ｐ ｉ ｚ ｔ ｎ ｐ ｏ ｌ ｍ．ＡＣＯ （ ｎ ｏ ｏ ｙ ｏ ｔｍｉａ ｉ ｎ）ｈ ｓ ｐ ｓ ｔ ｅ ｆ ｅ ｂ ｉ ｒ ｂ ｅ ａ ｏ ａ ｔｃ ｌ ｎ ｐ ｉ ｚ ｔ ｏ ａ ｏ ｉｖ ｅ ｄ ａ ｋ ａ ｄ ｔ ｅａ ｉｔ ｆ ｉ ｉ