基于二进制粒子群-蚁群算法的配电网自愈控制研究
基于二进制蚁群算法的自适应pid控制器优化设计与整定方法(一)
基于二进制蚁群算法的自适应pid控制器优化设计与整定方法(一)基于二进制蚁群算法的自适应PID控制器优化设计与整定方法什么是二进制蚁群算法概述二进制蚁群算法是一种基于群体智能的优化算法，它模拟了蚂蚁的行为来求解最优解。
工作原理二进制蚁群算法从一个随机初始位置出发，每个蚂蚁根据环境信息(可能是信息素浓度等)进行状态转移，最终蚂蚁群汇聚于最优解。
什么是自适应PID控制概述自适应PID控制是一种能够根据当前情况自动调整参数的PID控制器，它能够适应不稳定和时变的系统，提高控制效果。
工作原理自适应PID控制通过监测系统的反馈信号和误差信号，实时调整三个控制参数(Kp,Ki,Kd)，从而实现对控制系统的自适应调整。
二进制蚁群算法优化自适应PID控制器设计过程确定目标函数二进制蚁群算法需要定义一个目标函数来评价每个解的优劣。
在优化自适应PID控制器的设计过程中，目标函数可设为系统稳态误差和超调量的加权和。
确定决策变量决策变量即为自适应PID控制器的三个参数(Kp,Ki,Kd)，在进行优化时需要设定搜索空间和决策变量的范围。
生成蚁群通过二进制编码的方式生成蚁群，每只蚂蚁代表一个可能的解。
初始时将所有蚂蚁放入搜索空间中的某一点。
定义状态转移概率将每个蚂蚁的二进制编码转化为实际控制器参数，使用目标函数评价其性能后，定义状态转移概率，采用轮盘赌等方式进行状态转移，模拟蚂蚁的寻找路径过程。
更新信息素浓度每次蚂蚁找到更优的解时，释放一定量的信息素，更新信息素浓度，使得其他蚂蚁更容易找到更优解。
迭代搜索通过多次迭代搜索，蚂蚁群汇聚于最优解，同时得到了最优自适应PID 控制器的参数值。
总结本文介绍了二进制蚁群算法和自适应PID控制的概念和工作原理，并给出了基于二进制蚁群算法的自适应PID控制器优化设计过程。
该方法通过模拟蚂蚁的行为进行搜索，能够快速找到最优控制器参数。
通过运用该方法，可大幅度提高控制系统的稳定性和性能。
实际应用基于二进制蚁群算法的自适应PID控制器优化设计与整定方法已经在许多领域得到了广泛应用。
基于粒子群算法的配电网优化设计
基于粒子群算法的配电网优化设计一、粒子群算法简介粒子群算法（PSO算法）是一种进化计算算法，它是通过模拟鸟群觅食的行为而发展起来的。
粒子群算法模拟了鸟群觅食的过程，每个个体都是一个“粒子”，每个粒子在解空间中随机漫步，当它发现了比自己更好的位置（解）时，就向那个位置移动，同时也向着其历史最佳位置移动。
通过粒子之间的信息交流和学习，整个群体呈现出聚集和分散的行为，最终可以找到全局最优解。
在配电网的优化设计中，主要涉及到的问题包括线路的选址、负荷的合理分布、设备的容量配置等。
基于粒子群算法的配电网优化设计可以通过以下步骤实现：1. 确定优化目标在进行配电网优化设计时，需要确定优化的目标，例如最小化系统损耗、最优化线路容量配置、减小负载不平衡等。
这些优化目标可以通过数学模型和约束条件进行量化表达。
2. 粒子群初始化根据配电网的特点和要求，初始化粒子群的位置和速度。
每个粒子表示一个解，其位置和速度表示了解的当前状态和搜索方向，需要确保所有粒子的初始化位置广泛分布，以便覆盖整个解空间。
3. 适应度评估对于每个粒子的位置，计算其适应度值，即优化目标函数的值。
适应度值越小，说明解越优，同时也更新每个粒子的历史最优位置。
4. 更新位置和速度根据每个粒子的历史最优位置和群体最优位置，更新粒子的速度和位置。
速度和位置的更新需要考虑惯性因子、加速度系数和随机扰动等因素。
5. 收敛与终止条件迭代更新粒子的位置和速度，直到达到设定的终止条件。
通常可以设置最大迭代次数或者当适应度值收敛到一个阈值时停止迭代。
6. 输出最优解当算法达到终止条件时，输出最优解。
该最优解对应于配电网的最优设计，通过分析其各个参数可以得到最优的设备配置和线路布置。
为了验证基于粒子群算法的配电网优化设计方法的有效性，我们选择某个城市的实际配电网进行案例分析。
该城市的配电网由多个变电所、主干线路、支路和负荷组成，目标是最小化系统损耗，确保各个负荷得到合理供电。
基于免疫二进制粒子群算法配电网重构
基于免疫二进制粒子群算法的配电网重构摘要：本文基于免疫二进制粒子群优化算法，将求解配电网重构的问题转化为以网损最小为目标函数的非线性整数优化问题。
针对配电网闭环设计、开环运行的特点引入基于网孔的开关编码策略，对二进制粒子群算法进行了改进并成功应用于配电网重构中，该方法减少了不可行解的数量，提高了计算速度；同时又结合免疫算法的机理保持种群的多样性，抑制了二进制粒子群算法易“早熟收敛”的问题，提高了算法在整个解空间的搜索能力，加快收敛速度。
通过对ieee16节点典型的配电网算例的重构，验证了免疫二进制粒子群算法在配电网重构中的有效性和实用性。
关键词：配电网络重构；二进制粒子群算法；免疫算法；全局优化1 引言配电系统是从配电变压器到用户端传输电能的网络，通常具有闭环设计、开环运行的特点。
配电线路中存在大量常闭的分段开关以及少量常开的联络开关。
通过改变分段开关、联络开关的开合状态可以改变配电网络的结构，从而达到减小网络损耗、平衡负荷、消除过载、提高供电可靠性的目的。
粒子群优化算法(pso)源于对简单社会系统的模拟，是一种基于群体智能的优化技术[1]。
在该算法中，每个优化问题的候选解都是搜索空间中一个粒子的状态，每个粒子都有一个由被优化函数所决定的适应值，同时还有一个速度决定它们飞行的方向和距离。
粒子根据自身及同伴的飞行经验进行动态调整，也可以说是跟踪个体最好位置和全局最好位置来更新自身，从而寻求解空间中的最优区域。
与遗传算法相比，粒子群优化算法没有选择、交叉与变异等过程，因此算法具有结构相对简单、运行速度快、收敛性好等优点，目前已被应用于模糊系统控制、函数优化、神经网络训练等领域。
本文将二进制粒子群算法(dpso)[2]应用于解决配电网重构问题，以网损最小为目标函数，针对配电网闭环设计、开环运行的特点，引入基于网孔的开关编码策略，对二进制粒子群算法进行了改进，并成功应用于配电网重构中。
该方法减少了不可行解的数量，提高了计算速度；同时又结合免疫算法的机理保持种群的多样性，避免了二进制粒子群算法易“早熟收敛”的问题，提高了算法在整个解空间的搜索能力，加快收敛速度。
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
一种基于蚁群算法的配电网信息物理系统故障恢复方法[发明专利]
![一种基于蚁群算法的配电网信息物理系统故障恢复方法[发明专利]](https://img.taocdn.com/s3/m/030d294aa88271fe910ef12d2af90242a895ab7b.png)
申请人：国网辽宁省电力有限公司经济技术研究院,国家电网有限公司 地址：110016 辽宁省沈阳市沈河区文萃路183-1号 国籍：CN 代理机构：辽宁沈阳国兴知识产权代理有限公司 更多信息请下载全文后查看Biblioteka 专利内容由知识产权出版社提供
专利名称：一种基于蚁群算法的配电网信息物理系统故障恢复 方法
专利类型：发明专利 发明人：王义贺,雷振江,田小蕾,杨超,徐婷婷,邬桐,王宗元,潘
霄,赵琳,张娜,商文颖,程孟增,杨方圆,胡旌伟,徐熙林, 李金起 申请号：CN2021114 99680.2 申请日：20211209 公开号：CN114 36214 7A 公开日：202204 15
基于二进制量子粒子群算法的含分布式电源配电网重构
第44卷第4期电力系统保护与控制V ol.44 No.4 2016年2月16日Power System Protection and Control Feb. 16, 2016 DOI: 10.7667/PSPC150698基于二进制量子粒子群算法的含分布式电源配电网重构张 涛，史苏怡，徐雪琴(三峡大学电气与新能源学院，湖北 宜昌 443002)摘要：配电网重构是一个复杂的非线性组合优化问题。
为了克服基本优化算法易陷入局部最优解的问题，提出了一种改进的二进制量子粒子群算法(BQPSO)，对含分布式电源(DG)的配电网重构模型进行求解。
通过引入遗传算法的交叉操作和变异操作来避免早熟来提高算法的全局搜索能力，改进了算法的性能。
并且选择了适当的不可行解处理方式来提高了算法的计算效率。
最后通过对IEEE33节点配电系统进行仿真，验证所提算法在求解重构问题时得到的解更好，收敛速度和全局寻优能力都有提升。
关键词：配电网重构；分布式电源；二进制量子粒子群；遗传算法Distribution network reconfiguration with distributed generation based on improvedquantum binary particle swarm optimizationZHANG Tao, SHI Suyi, XU Xueqin(College of Electrical Engineering and New Energy, China Three Gorges University, Yichang 443002, China)Abstract: Reconstruction of distribution network is a complex nonlinear combinatorial optimization problem. This paper presents an improved binary quantum particle swarm optimization (BQPSO), in order to overcome the basic optimization algorithm is easy to fall into local optimal solution.The algorithm is used to solve the reconstruction of the distribution network model with distributed generation (DG).By introducing the crossover operation and mutation operation of genetic algorithm to jump out precocity to improve the global search ability of the algorithm, the performance of the algorithm is improved.And the appropriate way of infeasible solution treatment is selected to improve the computational efficiency of the algorithm.Finally, through the IEEE33 node distribution system simulation, it is verified that the algorithm proposed is better in solving the reconstruction problem, and convergence speed and global optimization ability are improved.This work is supported by National Natural Science Foundation of China (No. 51307097).Key words: distribution network reconfiguration; distributed generation (DG); binary quantum particle swarm optimization (BQPSO); genetic algorithms0 引言配电网是系统向用户供电的重要系统，配电网重构作为配电自动化的重要手段，是在满足配电网运行要求的前提下，通过改变配电网中开关的开断状态对配电网络结构进行调整，达到消除过载、降低网损、提高电压质量的目的。
基于二进制粒子群算法的交直流混合配电网故障恢复方法
开始受到人们的重视，通过交直流混合的主动配电 网，可以实现广域潮流范围内的能量调度，这将是 未来主动配电网[4]的重要实现形式之一。
目前已有较多文献对配电网故障恢复问题进行 了研究。例如文献[5]建立了基于等级偏好优序法和 切负荷的配电网故障恢复模型。文献[6]则是考虑了 含光伏发电并网的配电网故障恢复模型，并且计及 了光伏出力的不确定性，所建立的模型能够较好地 应对这种情况。另外还有文献如文献[7]提出了配电
This work is supported by Science and Technology Project of the Headquarter of State Grid Corporation of China (No. kj2018-063). Key words: AC/DC hybrid distribution network; fault recovery; two-stage optimization; binary particle swarm optimization
(1.国网河北省电力有限公司电力科学研究院，河北 石家庄 050021；2.河北创科电子科技有限公司， 河北 邯郸 056000；3.河北省送变电有限公司，河北 石家庄 050051)
摘要：针对交直流混合配电网特殊的网架结构和电气特性，构建交直流混合配电网故障恢复模型。所提出的模型 以故障恢复综合满意度指标为目标函数，并计及潮流约束、节点电压约束、支路传输约束和网络辐射状约束等约 束。对所建立的模型设计两阶段优化求解流程，第一阶段采用二进制粒子群算法进行求解，第二阶段采用粒子群 算法进行求解。最后通过一个算例表明，交直流混合配电网故障位置对故障恢复策略以及故障恢复综合满意度指 标有着较大影响，同时所提出的模型适用于交直流混合配电网故障恢复问题。 关键词：交直流混合配电网；故障恢复；两阶段优化；二进制粒子群算法
基于双态二进制粒子群优化算法的配电网故障定位
基于双态二进制粒子群优化算法的配电网故障定位钟建伟;朱涧枫;黄秀超;周玉超;张建业;黄谋甫【摘要】针对二进制粒子群算法在复杂配电网故障定位时易出现早熟收敛情况,本文提出一种双态二进制粒子群优化算法.通过引入进化因子,把粒子群分成捕食状态和探索状态两个部分,让陷入或即将陷入局部极值的粒子跳出来进行全局搜索.构造故障定位的评价函数,以33节点配电网为例,在故障信息完整和部分畸变的情况下,用该算法与二进制粒子群算法分别对配电网中的单点故障定位和多点故障定位进行仿真分析,结果验证了该算法的高效性和高容错性.【期刊名称】《电力系统及其自动化学报》【年(卷),期】2019(031)003【总页数】6页(P29-34)【关键词】双态二进制粒子群优化算法;配电网;故障定位;容错性【作者】钟建伟;朱涧枫;黄秀超;周玉超;张建业;黄谋甫【作者单位】湖北民族学院信息工程学院,恩施 445000;湖北民族学院信息工程学院,恩施 445000;湖北民族学院信息工程学院,恩施 445000;国网湖北省电力公司恩施供电公司,恩施 445000;国网湖北省电力公司恩施供电公司,恩施 445000;国网湖北省电力公司恩施供电公司,恩施 445000【正文语种】中文【中图分类】TM726随着配电网技术的持续发展，配电网的总体规模日趋扩大，这对配电网的故障定位研究有了更严格的要求。
配电网故障定位由联络开关或断路器上的馈线终端单元FTU（feeder terminal unit）上传的信息来确定故障的发生以及故障发生的区域，并为故障的解决提供了条件。
当前主要有直接法和间接法运用于配电网故障定位。
①直接法：如文献[1]所述的矩阵法，首先由联络开关或断路器上的FTU上传故障信息，编写故障信息矩阵；其次，由其与网络结构矩阵得出故障判断矩阵；最后，对故障定位进行分析。
矩阵法具有定位快、精度高的优点，缺点是不能处理有畸变信号的情况，容错性差。
②间接法：其代表是人工智能算法，例如遗传算法[2]、蚁群算法[3]，运用人工智能算法能处理部分故障信息畸变的情况，但该类算法易陷入局部最优，且运算时间长，无法满足故障定位的实时性、准确性要求。
基于E占优的多目标二进制粒子群算法求解配电网故障恢复
第42卷第23期电力系统保护与控制V ol.42 No.23 2014年12月1日Power System Protection and Control Dec. 1, 2014 基于E占优的多目标二进制粒子群算法求解配电网故障恢复姚玉海1，王增平1，郭昆亚2，金 鹏2（1.新能源电力系统国家重点实验室(华北电力大学)，北京 102206；2.沈阳供电公司，辽宁 沈阳 110811）摘要：针对基于Pareto占优机制和拥挤距离的经典多目标智能算法在迭代过程中没有考虑决策者的偏好知识，从而影响了算法收敛性的问题，提出了一种基于E占优的多目标二进制粒子群算法求解配电网故障恢复。
通过采用改进原点距离的E占优机制，可以将决策者的偏好知识有效地融入到故障恢复方案的评价过程中。
在算法迭代过程中，采用轮盘赌策略更新群体极值，采用方案的综合值对外部档案进行维护，使得决策者的偏好知识可以有效地指导下一代种群的产生。
最后，通过算例验证了所提算法的可行性和有效性，并且该方法比基于Pareto占优机制和拥挤距离的多目标智能算法拥有更好的收敛性能，得到的最优前沿数量更少，质量更高。
关键词：配电网；故障恢复；多目标二进制粒子群算法；E占优机制Distribution network service restoration using a multi-objective binary particle swarmoptimization based on E-dominanceYAO Yu-hai1, W ANG Zeng-ping1, GUO Kun-ya2, JIN Peng2(1. State Key Laboratory for Alternate Electrical Power System with Renewable Energy Sources, North China Electric PowerUniversity, Beijing 102206, China; 2. Shenyang Power Supply Company, Shenyang 110811, China)Abstract: The classic multi-objective evolutionary algorithm based on Pareto dominance criteria and crowding distance sorting method does not consider the preference of decision maker in the iterative process, which leads to the decline of convergence performance. For the problem, this paper proposes a multi-objective binary particle swarm optimization based on E-dominance to solve distribution network service restoration. By adopting E-dominance strategy of improving the origin distance, it can integrate the preference of decision makers into the evaluation process. This paper adopts roulette strategy to update the global best solution and integrated value to maintenance the external files, which can effectively guide the next generation of particle with preference of decision makers during iterative process. Finally, an example shows that the approach has better convergence performance, less quantity and better quality on solution than the classic multi-objective algorithm based on Pareto dominance criteria and crowding distance.Key words: distribution network; service restoration; multi-objective binary particle swarm optimization; E-dominance中图分类号：TM73 文献标识码：A 文章编号：1674-3415(2014)23-0076-060 引言故障恢复是智能配电网自愈控制的一项重要内容，对配电网安全、经济、优质运行具有重要意义。
基于粒子群优化和改进蚁群算法的电力供应链博弈分析
基于粒子群优化和改进蚁群算法的电力供应链博弈分析
姚拓中
【期刊名称】《浙江电力》
【年(卷),期】2022(41)9
【摘要】传统电力供应链存在智能化协同程度低和节点企业合作效率低等问题,影响了供应链节点企业的利润。
为此,在区块链技术基础上搭建基于供应商和经销商的二级供应链博弈模型,提出一种利用粒子群优化和蚁群算法指导供应链节点企业通过博弈作出最优选择的竞争策略。
先通过粒子群优化算法估计供应商的利润函数并以此为基础制定初始的竞争博弈策略,进而采用基于深度神经网络优化的蚁群算法实现供应商和经销商的最优业务匹配。
最后,通过实验验证了所提方法对于提高电力供应链企业竞争力的有效性。
【总页数】6页(P80-85)
【作者】姚拓中
【作者单位】宁波工程学院
【正文语种】中文
【中图分类】F27
【相关文献】
1.基于改进小生境粒子群优化算法的电力系统无功优化研究
2.电力系统无功最优潮流模型及其求解——基于改进粒子群优化算法的潮流优化
3.基于粒子群蚁群算法
的供应链合作伙伴选择研究4.基于改进粒子群算法的体育用品企业内部供应链优化5.基于改进粒子群优化算法的电力市场下的无功优化
因版权原因，仅展示原文概要，查看原文内容请购买。
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。
基于结构化编号和蚁群算法优化FMEA法的配电网可靠性评估
基于结构化编号和蚁群算法优化FMEA法的配电网可靠性评估传统故障后果分析（FMEA）法在配电网可靠性计算中存在数据计算量大和计算速度等问题，文章提出一种对配电网拓扑结构的编号方法，同时采用蚁群算法优化了传统FMEA法的寻路过程，减小了算法的计算量。
算例结果表明，该方法具有传统FMEA法的准确性，其计算量相对于传统方法更低，计算速度更快。
标签：配电网可靠性评估；FMEA；编号；蚁群算法引言随着国民生产水平的高速发展，工业生产和市政生活对供电的可靠性要求也逐渐升高，而配电网的可靠性很大程度上决定了电能供应的可靠性[1]。
演绎法和计算法是评估配电系统可靠性的两种方法。
计算法中故障后果分析（Failure Mode and Effect Analysis，FMEA）法在工程实践中最为常用[2-3]，但传统的FMEA法在结构复杂的电网中，为枚举故障时间表而产生的深度和广度搜索量将剧增，故其时间复杂度高，速度较慢[4]。
为此，人们提出了FMEA的改进算法，包括回溯逆流法[5-6]、故障元件遍历法[7]和最小路径法[8-9]等。
文献[10]提出用网络等值法取代FMEA法，并且运用“树结构”描述拓扑结构完成数据整理过程。
文献[11-12]考虑了预停电对可靠性影响。
文献[13]引入了开关故障对可靠性分析的影响，并且运用广度优先搜索技术实现转供的判断。
但上述方法较之FMEA法在可靠性指标的准确度上有所降低。
文章选用基于元件组合关系的FMEA方法，提出一种拓扑结构的编号系统理论方法，并采用蚁群算法（Ant Colony Algorithm，ACA）优化了故障相关联线路的搜索寻路过程，一定程度上解决了传统FMEA法的编号复杂，计算量较大和计算速度较慢的不足。
1 可靠性计算新模型中压配电网采用的多分支环网接线、树状开环运行的拓扑结构，与高压网架有显著的差别。
文章提出一种用于配电网结构的编号方法，通过对线路节点编号，并把线路相关联的开关元件等信息附在相应的节点编号上，用来表明线路元件联络的拓扑关系，并用以实现复杂、大规模配电网络的快速可靠性评估与计算分析。
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。
- 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)。
摘要 ：文章针 对智 能配 电网故障后的恢复与重构提 出自愈控 制策略研 究 ， 采 用二进制 粒子群一 蚁群 算法恢复 重构故 障 后的配 电网络 ， 并以支路 节点 电压作为最 小 目标 函数 ， 来达到优 化 电能质量 的 目的。首先提 出自愈控 制的 配 电网网络约 束条件 ， 其 次利 用二进制 粒子群算法与蚁群算法的重要参数和 广度进行优 化对比 ， 使 两种 算法 能在 计算优化 过程 中， 智能 的选择 自适应度和使 结果更加优 化的要求 。通过 以 Ｉ Ｅ Ｅ Ｅ ３ ３节点和 Ｐ Ｇ＆６ ９节点为例进行 Ｍａ ｔ ｌ ａ ｂ ／ Ｓ ｉ ｍｕ ｌ ｉ ｎ ｋ仿 真 ， 仿真 结 果表 明 ， 自愈 控 制 策略 能 实现 对 配 电 网故 障 后 的 恢 复 及 优 化 控 制 ， 满 足 配 电 系统 的 电 能 质 量要 求 。 关 键 词 ：配 电 网； 自愈 控 制 ； 二进制粒子群算法 ； 蚁 群 算 法
ａ ｆ ｔ ｅ ｒ ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｗａ ｓ ｒ ｅ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｅ ｄ ，ａ ｎ ｄ ｔ ｈ ｅ ｖ ｏ ｌ ｔ ａ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ｂ ｒ ａ ｎ ｃ ｈ ｎ ｏ ｄ ｅ ｗａ ｓ ｔ ａ ｋ ｅ ｎ ａ ｓ ｔ ｈ ｅ ｍｉ ｎ ｉ ｍｕ ｍ ｏ ｂ ｉ ｅ ｃ ｔ ｉ ｖ ｅ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｔ ｏ ａ ｃ ｈ ｉ ｅ ｖ ｅ
２ ．Ｓ ｔ ａ ｔ ｅ Ｇｒ ｉ ｄ Ｈｅ ｎ ａ ｎ Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｐ ｏ ｗｅ ｒ Ｃ ｏ ｍｐ ａ ｎ ｙ Ｙｉ ｙ ａ ｎ ｇ Ｐ ｏ ｗｅ ｒ Ｓ ｕ ｐ ｐ ｌ ｙ ｏ ｍｐ Ｃ ａ ｎ ｙ，Ｙｉ ｙ ａ ｎ ｇ ４ ７ １ ６ ０ ０，Ｃｈ ｉ ｎ ａ ） Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ，ａ ｓ ｅ ｌ ｆ — ｒ ｅ ｃ ｏ ｖ ｅ ｒ ｙ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｗａ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｆ ｏ ｒ ｔ ｈ ｅ ｒ ｅ ｓ ｔ ｏ ｒ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｒ ｅ ｃ ｏ ｎ ｆ ｉ ｇ ｕ ｒ ａ ｔ ｉ ｏ ｎ ｏ ｆ ａ ｎ ｉ ｎ — ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｉ ｏ ｎ ｎ ｅ ｔ ｗｏ ｒ ｋ ． Ｔｈ ｅ ｂ ｉ ｎ ａ ｒ ｙ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗａ ｒ ｍ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｙ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｗａ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｒ ｅ ｓ ｔ ｏ ｒ ｅ ｔ ｈ ｅ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｉ ｏ ｎ ｎ ｅ ｔ ｗｏ ｒ ｋ
Ｗ Ｕ Ｙｉ － ｂ ｉ ｎ ｇ ，Ｗ ＡＮＧ Ｘｕ － ｄ ｏ ｎ ｇ １ ，Ｗ Ｕ Ｈｏ ｎ ｇ － ｐ ｕ ２
（ １ ．Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ ａ ｌ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ａ ｎ ｄ Ａｕ ｔ ｏ ｍａ ｔ ｉ ｏ ｎ，Ｈｅ ｎ ａ ｎ Ｐｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｊ ｉ ａ ｏ ｚ ｕ ｏ ４ ５ ４ ０ ０ ０，Ｃｈ ｉ ｎ ａ ；
通 馋 电 ． 凉 技 术
２ ０ １ ７ 年 ９ 月 ２ ５日第 ３ ４卷第 ５ 期
Ｔｅ ｌ ｅ ｃ ｏ ｍ Ｐ ｏ ｗｅ ｒ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｓ ｅ ｐ ．２ ５ ，２ ０ １ ７，Ｖｏ １ ．３ ４ Ｎｏ ． ５
ｄ ｏ ｉ ： １ ０ ． １ ９ ３ ９ ９ ／ ｊ ． ｃ ｎ ｋ ｉ ． ｔ ｐ ｔ ． ２ ０ １ ７ ． ０ ５ ． ０ ２ ６
基 于 二进 制粒 子 群一 蚁 群 算 法 的 配 电 网 自愈 控 制研 究
吴毅冰 ， 汪旭东 ， 吴 宏 普 （ １ ．河南理工大学 电气工 程与 自动化学院 ， 河南 焦 作 ４ ５ ４ ０ ０ ０ ； ２ ．国网河南省 电力公 司宜阳供电公司 ， 河南 宜 ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｓ ｅ ｌ ｆ— Ｒｅ ｃ ｏ ｖ ｅ ｒ ｙ Ｃｏ ｎ ｔ ｒ ｏ ｌ ｏ ｆ Ｄｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｉ ｏ ｎ Ｎｅ ｔ ｗｏ ｒ ｋ Ｂａ ｓ ｅ ｄ
ｏ ｎ Ｂ ｉ ｎ ａ ｒ ｙ Ｐａ ｒ ｔ ｉ ｃ ｌ ｅ Ｓ ｗａ ｒ ｍ Ａｎ ｔ Ｃｏ ｌ ｏ ｎ ｙ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ