基于遗传模拟退火算法的配电网重构研究
基于混合遗传算法的配电网络重构优化
2004年11月系统工程理论与实践第11期 文章编号:100026788(2004)1120122206基于混合遗传算法的配电网络重构优化刘 扬,杨建军,魏立新,战 红(大庆石油学院机械科学与工程学院,黑龙江大庆163318)摘要: 以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题Λ针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛Λ优化过程中考虑了配电网自身特点,提高了计算效率Λ重构算例说明,该优化方法有效、实用Λ关键词: 配电网络;网络重构;自适应遗传算法;模拟退火;混合遗传算法中图分类号: TM744 文献标识码: A T he Op ti m izati on of D istribu ti on N etw o rk R econfigu rati onBased on H yb rid Genetic A lgo rithmL I U Yang,YAN G J ian2jun,W E I L i2x in,ZHAN Hong(M echan ical Science and Engineering Co llege,D aqing Petro leum In stitu te,D aqing163318,Ch ina)Abstract: A n op ti m izati on model of distribu ti on netw o rk reconfigu rati on is estab lished,in w h ich them in i m um netw o rk lo ss is taken as ob jective functi on,the restricti on s to the vo ltage,cu rren t and thecapacity of pow er sou rce are taken as con strain t conditi on s.T h rough the ou ter penalty functi on m ethod,the p rob lem is tran sfo rm ed to non restrain t op ti m izati on p rob lem.A i m ing at the li m itati on of geneticalgo rithm,the fitness functi on is adju sted,the op ti m ized reserved strategy is u sed,the cro ss andm u tati on m ethod are i m p roved,and si m u lated annealing algo rithm is com b ined w ith,then the hyb ridgenetic algo rithm is fo rm ed.It can i m p rove the speed of convergence and avo id p rem atu re convergence.Based on the featu res of distribu ti on netw o rk,the hyb rid genetic algo rithm is u sed to so lve the p rob lem,so the compu tati onal efficiency is i m p roved.R econfigu rati on resu lts show that the algo rithm is efficien tand p ractical.Key words: distribu ti on netw o rk;netw o rk reconfigu rati on;adap tive genetic algo rithm;si m u latedannealing;hyb rid genetic algo rithm1 引言网络重构的基本原理是在满足系统中电压、电流、电源容量等约束的前提下,通过调整网络中分段开关和联络开关的组合状态,寻找某一供电路径,以达到降低网损、消除过载、改善电压分布、提高供电可靠性的目的Λ配电网络重构问题是一个大规模非线性组合优化问题Λ目前关于配电网络重构的研究方法较多,其中遗传算法(Genetic A lgo rithm,简称GA)、模拟退火算法(Si m u lated A nnealing A lgo rithm,简称SA)等现代优化方法也得到了应用Λ但模拟退火算法收敛的关键在于退火方案的选取,若选择不当,则需要大量的随机迭代,计算量大,得到的解与最优解相差甚远Λ遗传算法的算法性能易受控制参数(如交叉率、变异率等)的影响,选择不当易陷入“早熟”,当仅依靠遗传操作进行寻优,而不利用问题的特有性质时,收敛速度收稿日期:2003212230基金项目:黑龙江省教育厅科技项目(10541008)作者简介:刘扬(1957-),男,河北秦皇岛人,教授,博士生导师,主要从事油田地面工程优化与仿真、石油机械安全评价的研究工作慢,局部寻优能力差Λ本文针对配电网络的实际情况,建立了网络重构优化数学模型,并探讨了混合遗传算法实现的技术问题,及在配电网络重构优化问题中的应用Λ2 配电网络重构优化数学模型本文的配电网络重构以网损f ′最小为目标函数,其数学模型为:m in f ′=∑Ni =1∃PL i =∑N i =1R i P 2i +Q 2i U 2i ,(1)式中∃1L i 为线路i 的有功损耗;i =1,…,N ,N 为线路总数量;R i 为线路i 的电阻;P i 为线路i 上流过的有功功率;Q i 为线路i 上流过的无功功率;U i 为线路i 的电压值Ζ不等式约束包括电压降约束、线路电流值约束和电源容量约束,即U i ≥U m in i ,(2)I i ≤I m ax i ,(3)S b ≤S m ax b ,(4)式中U m in i 为线路i 要求的最低工作电压值;I m ax i为线路i 的导线型号对应的载流量值;S b 为变电所b 的负荷值,b =1,…,B ,B 为变电所总数量;S m ax b为变电所b 的供电能力Ζ利用外部惩罚函数法[1]将式(1)～(4)转化为无约束问题Ζ先作如下定义:P =∑N i =1m in (0,U i -U m in i )2+m in (0,I m ax i -I i )2+∑Bb =1[m in (0,S m ax b -S b )]2.(5)则经惩罚函数法转换的数学模型为:m in f =f ′+M p ,(6)式中M p 为惩罚项;M 为惩罚因子Ζ此外,还应保持网络的放射性,即不形成环网,以及不出现“孤岛”的情况,即每次循环遍历的负荷节点个数应等于整个网络中总的负荷节点个数Ζ3 混合遗传算法及其在配电网络重构优化中的应用311 编码在遗传算法中,问题的解用数字串来表示,每个数字串叫做一个染色体,遗传算子也是直接对串进行操作Ζ遗传算法常用的有十进制编码和二进制编码Ζ配电网络重构的实质就是通过改变开关的开合状态来改变网络的拓扑结构,目的是找到最优的网络结构所对应的开关状态,以使网损降到最小Ζ因此,取开关状态为控制变量比较合适,将网络中的开关状态自然的用0或1表示(0表示开,1表示合),每个开关占据染色体的一位,各开关状态组合在一起,就形成了一条染色体,染色体的长度等于网络中开关数量总和Ζ312 产生初始种群随机产生p op siz e 个长度为L (L 为网络中开关数量的总和)的二进制编码,作为初始种群Ζ为了让初始种群遍及整个解空间,尽量反映搜索空间的性态,p op siz e 不能取太小,且随节点数的增多而变大,不过太大会使运算时间增加,这是我们不希望的Ζp op siz e 取染色体长度数的一个线性倍数是实际应用时经常采用的方法,如可取为L 和2L 之间的一个确定数Ζ同时为了保持网络的放射性,以及不形成“孤岛”,在配电网潮流计算程序中加入了搜索判断程序,将不符合实际运行条件的个体去掉Ζ313 确定初温及退温操作初温的确定选择t 0=K ∆的形式,其中,K 为充分大的数,∆=f m ax x -f m in s Ζ式中f m ax s 、f m in s 为初始种群中最大目标函数值和最小目标函数值Ζ退温函数选用常用的t n +1=Αt n 形式,其中0<Α<1Ζ314 确定适应函数适应函数值f it i 是遗传算法指导搜索方向的依据,首先应保证适应函数值不为负,其次,因为在轮盘321第11期基于混合遗传算法的配电网络重构优化赌选择过程中,适应函数值大的染色体被选中的概率大,因此目标函数的优化方向对应适应函数值增加的方向Ζ网络重构的目标函数是网损最小,属于最小值优化问题,应加以调整Ζ本文采用的变换方式如下[2]:f it i=exp-f i-f m int(7)式中f i为染色体对应的目标函数值;f m in为当前代进化群体中最小目标函数值;t为温度参数Ζ应注意,经此变换后进化过程中每代的最大适应函数值均为1Ζ当采用轮盘赌方式进行选择复制时,调整后的适应函数在温度高时(遗传算法早期)计算出的各染色体适应函数值差异较小,因此染色体被选择复制的概率相近,这样避免了个别好的染色体充斥整个种群,造成早熟;而当温度不断下降时,目标函数值相近的染色体适应函数值差异逐渐增大,从而使得优秀染色体的优势更加明显,避免了种群进化停滞不前Ζ315 遗传算法的选择复制根据适应函数值的大小进行群体选择,选择方法采用常用的轮盘赌选择法Ζ因简单遗传算法不具有全局收敛性[2],因此对算法进行改动,实施了最优保留策略,即运算开始时,把初始种群中最大适应函数值对应的染色体记录在染色体数组的第0位(如ch r[0]),每代进化完后,计算出ch r[0]染色体在当前温度下对应的适应函数值,如果小于1,则把当前代最大适应函数值对应的染色体赋给ch r[0];如果等于1,则不进行操作Ζ染色体ch r[0]只起记录功能,不参与遗传运算Ζ实施了最优保留策略的遗传算法将收敛到全局最优解Ζ316 基因操作——交叉、变异本文采用改进的自适应交叉、变异操作,其交叉率P c和变异率P m的计算公式为:P c=k1+k2(f it m ax-f it′i),(f it m ax-f it avg)f it′i≥f it avg,k3,f it′i<f it avg.(8)P m=k4+k5(f it m ax-f it i),(f it m ax-f it avg)f it i≥f it avg,k6,f it i<f it avg.(9)式中k1、k2、k3、k4、k5、k6为常数,且k3=k1+k2,k6=k4+k5;f it m ax、f it avg分别为当前代进化群体的最大和平均适应函数值;f it′i为两个交叉个体中较大的适应函数值Ζ这样在操作过程中,适应函数值小的个体,具有较大的交叉率和变异率,这样有利于加快搜索速度,且最大适应函数值对应染色体的交叉率和变异率不为零,而为一较小值Ζ当遗传算法陷入问题的局部极值时,即f it avg→f it m ax时,根据式(8)和(9),适应函数值较大的个体对应的P c、P m也将增大,这样有利于避免“早熟”Ζ但太大的P c、P m有可能造成解空间过于分散,甚至可能导致原有的解被破坏Ζ为此,一旦f it m ax-f it avg<Ε2时,就固定P c、P m值,以避免原有解空间被完全破坏Ζ交叉操作时,因两点交叉比单点交叉具有更好的空间搜索能力,而又比均匀交叉的破坏能力低,因此采用两点交叉Ζ当普通交叉方法的两个父个体在交叉范围内的基因相同时将不能产生新个体,为了增强算法的搜索能力,本文中交叉方法采用的是部分随机两点交叉[3](Partially R andom ized22Po in t C ro ssover),该方法主要分成两步:第一步,按照标准的两点交叉产生两个子个体;第二步,在其中一个子个体中随机选择一段长度为l PRC的基因代码,并以一定概率P PRC变化其中模板位置上的基因,使该子个体发生变化Ζ如图1所示Ζ其中可以定义P PRC=l PRC (2・N CS),N CS为在长度为l PRC的基因代码中,两个染色体具有相同基因位的数量Ζ这样定义的P PRC具有一定的适应性,因为在初始种群中各二进制位产生0、1的概率相同,因此N CS的均值为l PRC 2,从而P PRC=1(当N CS<l PRC 2时,同样取P PRC=1),当程序运行到末期时,N CS逐渐趋于l PRC,从而P PRC趋于015Ζ同时为了避免该方法产生过大的破坏作用,两个子个体是否进入下一代采用如下的判断策略:如果生成的两个子个体中至少有一个个体的适应函数值大于或等于两个父个体中较高的适应函数值,则两个子个体同时进入下一代;否则,较好的父个体和较好的子个体进入下一代Ζ变异操作时,如果采用普通的单点变异就会造成配电网络形成环网或出现“孤岛”的情况,因此,变异421系统工程理论与实践2004年11月图1 部分随机两点交叉示意图操作时其它基因位需作相应变化,设选中了染色体的某一位进行变异,如0变1,与此同时,应将该染色体中另外一个或几个为1的相关位变成0,反之亦然Ζ这样操作可以避免大量不可行解的产生,提高计算效率Ζ317 模拟退火操作以经过遗传算法选择复制、交叉、变异操作的群体作为模拟退火算法的初始群体,运用基于M etropo lis 判别准则的复制策略,产生下一代群体Ζ即在染色体的邻域中随机产生新个体j ,i 和j 竞争进入下一代群体的准则采用M etropo lis 判别准则:令∃f =f it i -f it j ,若∃f ≤0,则把染色体j 复制到下一代群体;否则产生[0,1]之间的随机数r ,如果r <exp (-∃f t n ),则同样把染色体j 复制到下一代群体,否则,把染色体i 复制到下一代群体Ζ基于M etropo lis 判别准则的复制策略,在接受优质解的同时,有限度的接受劣质解,保证了群体的多样性,进一步避免了算法陷入局部最优解的可能性Ζ318 终止规则算法终止规则要满足两个条件:首先,染色体数组的第0位ch r [0]连续q 代没有发生变化;其次,惩罚项M p 应小于Ε1Ζ当同时满足这两个条件时,即可认为算法收敛,停止计算,输出最优解Ζ319 算法计算过程ST EP 1 给定群体规模p op siz e ,和算法中其它系数值,具体如下:惩罚因子M 0,以及惩罚因子放大系数c ,确定初温时的系数K ,退温时的系数Α,交叉和变异操作时的系数k 1、k 2、k 3、k 4、k 5、k 6、l PRC ,对P c 、P m 实施固定时的系数Ε2,算法终止规则中的q 和Ε1;ST EP 2 随机产生p op siz e 个染色体作为初始种群p op (0),计算各染色体的目标函数值,确定初温,令算法迭代次数n =0,初始最优解s 3=f m in ,并用ch r [0]记录下最优染色体,用g 表示该染色体保持的代数,令g =1;ST EP 3 根据染色体的适应函数值,按当前各染色体的交叉概率P c 执行遗传算法的交叉操作,生成种群p op ′(n );ST EP 4 根据染色体的适应函数值,按当前各染色体的变异概率P m 执行遗传算法的变异操作,生成种群p op ″(n );ST EP 5 执行基于M etropo lis 判别准则的复制策略,生成种群p op (n );ST EP 6 计算各染色体的适应函数值,采用轮盘赌方法进行群体选择,生成下一代种群p op (n +1),同时实施最优保留策略(计算出ch r [0]染色体在当前温度和惩罚因子下对应的适应函数值,如果小于1,则更新ch r [0],并令s 3=f m in ,g =1;如果等于1,则令g =g +1);ST EP 7 判断g 是否大于q ,惩罚项M p 是否小于Ε1,如果是,则停止计算,输出优化结果Ζ此时的ch r [0]为最优开关状态组合,s 3为最小网损Ζ否则,执行ST EP 8ΖST EP 8 执行退温操作,t n +1=Αt n ,并增大罚因子,M r +i =c M r ,令n =n +1,返回ST EP 3Ζ混合遗传算法的结构流程图见图2Ζ4 算例根据本文算法,用C ++B u ilder 510编制了网络重构程序,并以大庆油田某区块6kV 配电线路为例进行了试算Ζ计算信息如下:此系统共有3个变电所、338条线段、129台变压器和26个开关Ζ计算时染色体长度L 等于开关总数26,令群体规模p op siz e =2L =52,算法中各系数确定如下:惩罚因子M 0=5,惩罚因子放大系数c =115,选择确定初温系数K =20,退温操作系数Α=018,交叉操作系数k 1=012、k 2=016、k 3=k 1+k 2=018、l PRC =5,变异操作系数k 4=0101、k 5=011、k 6=k 4+k 5=0111,为防止解空间被破坏,当Ε2=015f it avg 时,交叉率和变异率固定为012和0101,算法终止规则中q =20,Ε1=0101Ζ521第11期基于混合遗传算法的配电网络重构优化图2 混合遗传算法的结构流程图优化结果见表1Ζ从优化结果中可以看到,不但配电网网损率降低了117%,而且配电网末端电压质量得到了明显改善Ζ表1 系统优化前后对比表配电网功率总损耗(kw )配电网网损率(%)配电网末端最大压降(%)处于打开状态的开关处于闭合状态的开关优化前250.2465.97.966K 2、K 6、K 9、K 10、K 14、K 17、K 18、K 19、K 21、K 22、K 24K 1、K 3、K 4、K 5、K 7、K 8、K 11、K 12、K 13、K 15、K 16、K 20、K 23、K 25、K 26优化后177.7244.24.408K 2、K 6、K 7、K 10、K 14、K 15、K 18、K 20、K 22、K 24、K 25、K 26K 1、K 3、K 4、K 5、K 8、K 9、K 11、K 12、K 13、K 16、K 17、K 19、K 21、K 235 结论本文对遗传算法的操作进行了改进,尽量避免了早熟收敛现象Λ此外混合遗传算法的搜索行为还可以通过初温和退温函数加以控制Λ该算法结合了遗传算法和模拟退火算法的特点,两种算法的搜索能力得到了相互补充,使算法在优化能力、效率和可靠性方面得到了提高Λ在求解过程中,用开关状态作为染色体的编码,简洁明了,同时考虑了配电网络自身特点,极大地提高了计算效率Λ621系统工程理论与实践2004年11月参考文献:[1] 施光燕,董加礼.最优化方法[M ].北京:高等教育出版社,2001.78-81.SH I Guang 2yan ,DON G J ia 2li .M ethods of Op ti m izati on [M ].Beijing :H igher Educati on P ress ,2001.78-81.[2] 邢文训,谢金星.现代优化计算方法[M ].北京:清华大学出版社,1999.181-182.X I N G W en 2xun ,X IE J in 2x ing .M odern Op ti m izati on Compu tingM ethods [M ].Beijing :T singhua U n iversity P ress ,1999.181-182..[3] J ir íKubal ík ,J ir íL azan sky .A new genetic operato r m ain tain ing popu lati on diversity [J ].A IP ConferenceP roceedings ,2001,573(1):338-348.(上接第48页)的问题转化为多类分类问题Λ同时,在讨论了现有的多类分类器不足的基础上,提出了一种基于可行域解析中心的多类分类器:M 2A C M Λ实验结果说明了M 2A C M 具有强的泛化能力,同时也说明了本文提出的时间序列预测方法是有效的且有较高的实用性Λ参考文献:[1] Peter J .B rockw ell et a l .T i m e Series :T heo ry and M ethods ,Sp ringer 2V erlag W o rld Pub lish ing Co rpo rati on ,1991.[2] 安鸿志.非线性时间序列分析[M ].上海科学技术出版社,1998.A n Hongzh i .N on 2linear T i m e Series A nalysis (In ch inese )[M ].Shanghai Science P ress ,1998.[3] Bai 2L ing zhang ,et a l .M u ltireso lu ti on fo recasting fo r fu tu re trading u sing w avelet decompo siti on s [J ].IEEE T ran son N eu ral N etw o rk s ,2001,12(4):765-775.[4] Khalaf A M ,et a l .T i m e series p redicti on u sing a hyb rid model of neu ral netw o rk and F I R filter [A ].P roc I JCNN ’98[C ],1975-1980,1998.[5] O fer D ekel ,Yo ram Singer .M u lticlass learn ing by p robab ilistic em beddings [J ].A dvances in N eu ral Info rm ati onP rocessing System s ,2002,15:945-952.[6] E rin A ll w ein ,et a l .R educing m u lticlass to b inary :a un ifying app roach fo r m argin classifiers [J ].Jou rnal ofM ach ineL earn ing R esearch ,2001,1(2):113-141.[7] E rin J B reden steiner ,et a l .M u lticatego ry classificati on by suppo rt vecto r m ach ines [EB OL ].h ttp : mpa .itc .itb ib li o papers b reden steiner 99m u lticatego ry .pdf .[8] A Smo la ,et a l .A dvances in L arge M argin C lassifiers [M ].T he M IT P ress ,Cam b ridge ,M assachu setts ,2000.[9] T B T rafalis ,et a l .A n analytic cen ter m ach ine [J ].M ach ine L earn ing ,2002,46(1 3):203-223.721第11期基于混合遗传算法的配电网络重构优化。
遗传—模拟退火混合算法在配电网检修优化中的应用
开 始
式中 ： Ｄ为第冶 设备 检 修 的持续 时 间 。
（） ３ 检修资源约束 ： 检修的设备 总数应该少于
等 于拥 有 的资 源数 。 （ ） 流 约束 ： ？。 ４ 潮 Ｓ≤ｓ
产 生 初 始 解 群 ， 计 算 各 个 染 色 体 的 适 应 函 数 值
好为 目标 的优化模型。针对该模 型的特 点， 采用１ 种新型混合遗传一 模拟退火算法（ Ｇ Ａ 对配 电网检修 计划进行 Ｈ Ｓ）
优化调整。 该算法综合 了遗传 算法和模拟退火算法的优 点， 其既具有遗传算法 的全局性和并行性 ， 使 又具有模拟 退火算法的局部搜 索能力和退火特征。 通过遗传算法、 模拟退火算法对 实际检修计划优化结果 的比较 ， 证明了所
收稿 日期 ：０ １ ０ — ０ ２ １— ４ ２
约束条 件包 括协 同约束 和互 斥约 束 ， 主要体 现 在 目标 函数 的第 ｔ 时间段 的 中。 个
（） １协同约束 ： 当停运某 台设备 ， 其他设备将跟
着停运时 ， 这些设备应该同时检修。
＝
式 中： 为第ｉ 备的开始检修 Ｂｌ； 为第 个设 ￣ｈ ， ，ｑ 个设
进行 复制 、交 叉、变异 等 遗传操作 ，并保 留优 良个体
式 中： 为通过设备 Ｌ ｓ 的潮流值 ； 为设备ｉ 允许通过 的潮流 限制 。
（ ）电压 约束 ： ≤ ≤ ５ 。 式 中 ： 为 第 个节 点 电压 ； 和 为 节 点 ｉ 许 的 允 最 低及 最高 电压 。 由上 述数 学 模 型可 见 ，配 电 网检 修 优化 是 １ 个 复 杂 的离 散 非线 性 优化 问题 ， 可 以 看作 是 大 规模 也 的组 合 优 化 问题 ｌ 若 用传 统 的优 化 方 法求 解 存 在 ８ Ｊ ， 很 大 的困难 。研究 人 员大 多数 都开 始采 用现 代 的智
基于遗传算法的配电网供电方案优化研究
基于遗传算法的配电网供电方案优化研究Study on Pow er Supply Scheme of Dist ribution Net w ork Based on Genetic A lgorit hm王艳巧(南京供电公司,江苏 南京 210012)摘 要:为了满足客户供电可靠性要求,提出了采用遗传算法对多种供电方案进行优化选择的方法,综合考虑各种因素,根据现有网络和对给定参数优化选择,实验结果表明在满足电网安全和经济运行的条件下,能够迅速地为用户制定经济上最优的供电方案。
关键词:供电方案;遗传算法;配电网;业扩报装Abstract :I n o rder to meet the reliability requirem ents o f the customer for pow er suppy ,a genetic alg or ithm is pro po sed to o ptimize pow er supply schemes co nsider ing a v ariety o f fact or s co mprehensively.A cco rding t o the ex isting netwo rk and o pt imized set paramet ers,exper imental results sho w s that the security and eco no mic requir ement s co uld be met and the optimized pow er supply scheme can be esta blished r apidly for the custo mer .Keywords :po w er supply schem e;g enetic alg or ithm (GA );distribut ion netw or k;business ex pa nding 中图分类号:T M 727 文献标识码:A 文章编号:1009-5306(2008)06-0024-03收稿日期:2008-10-31作者简介:王艳巧(1979—),女,助理工程师,研究方向为电力系统自动化。
基于模拟退火免疫算法的配电网重构
基于模拟退火免疫算法的配电网重构张凡;张越喜;顾沈卉【期刊名称】《南方电网技术》【年(卷),期】2011(005)005【摘要】网络的重构对电力系统的优化运行十分重要。
基于模拟退火免疫的配电网重构算法以环路编码方式,预先存储各环路间的公共开关来进行解个体的处理,使得进化完全在可行解中进行。
将进化过程中的历史最优个体与当前最优个体结合起来动态构造疫苗,提高了解个体质量与搜索速度。
此外,基于Boltzmann退火的选择算子保证了种群的多样性,避免进化过早陷入早熟,同时高频变异与免疫补充也提高了对最优解的搜索能力。
算例研究表明,所建议的算法收敛性较好。
%Distribution network reconfiguration is very important to the operation of power systems.In loop encoding way,the distribution network reconfiguration with simulated annealing immune（SAI） algorithm proposed in this paper makes storage of the public switches among loops in advance for individual treatment so that the individual evolution can go on bining the historic and present optimal individuals to construct bacteria dynamically,the proposed algorithm can improve not only the speed of evolution searching but also the individual performance through vaccination.Besides,the population diversity in the algorithm is ensured by the selection operator of Boltamann annealing method to avoid the early maturity of evolution,and at the same time,the high frequency mutation and immune supplement can increase the searchcapability for the optimal solution.Case study shows that the proposed algorithm is good in convergence.【总页数】5页(P42-46)【作者】张凡;张越喜;顾沈卉【作者单位】长庆油田水电厂,甘肃庆城745100;长庆油田水电厂,甘肃庆城745100;长庆油田水电厂,甘肃庆城745100【正文语种】中文【中图分类】TM744【相关文献】1.基于链式遗传——模拟退火算法的配电网络重构 [J], 张忠城2.基于模拟退火改进蚁群算法的配电网重构 [J], 史林雳3.基于模拟退火改进蚁群算法的配电网重构 [J], 史林雳4.基于模拟退火粒子群算法的含DG配电网重构研究 [J], 游文霞;崔雷;李文武;贺鹏程;陈浩5.基于改进差分进化和模拟退火算法的含DG配电网多目标重构 [J], 何青;张靖;何宇;张英;刘影;谭真奇因版权原因，仅展示原文概要，查看原文内容请购买。
克隆遗传算法与模拟退火算法相结合的配电网络重构
Ｇｅ ｅ ｃ Ｓｍｕａｅ ｎ ａ ｎ ｌｏ ｉ ｍ（ ＧＳ ） ｉｈ ｃ ｍｂｎ ｓ Ｃ Ａ（ ｌｎ ｌ ｎ ｔ ｇ ｒ ｈ ｎ ｔ ｉ ｌ ｄ Ａｎ ｅ ｉｇ Ａ ｇ ｒ ｈ Ｃ Ａ ， ｃ ｏ ｉｅ Ｇ Ｃ ｏ ａ Ｇｅ ｅ ｃ Ａｌｏｉ ｍ）ａ ｄ Ｓ （ ｉ ｌ ｅ ｎ ａ ｎ ｉ ｔ ｌ ｔ ｗｈ ｉ ｔ ｎ Ａ Ｓｍｕａ ｄ Ａｎ ｅ ｉｇ ｔ ｌ Ａｌｏ ｔｍ） ｎ ｕｓｔｅＭｅ ｏ ｏｉ ｓｍｐｅ ｒｌ ｏ ｅＳ ｉｔ ｔｅＣ ｇｒ ｉ ｈ ， ｄ ｐ ｔ ｈ ｔ ｐ ｌ ａ ｌ ｕｅ ｆ Ａ ｏ ｈ ＧＡ， ｓ ｒｐ ｓｄ ｆｒｄｓ ｉｕ ｏ ｅ ｒ ｃ ｎｉｕ ａ ｏ ． ｎ ａ ｒ ｓ ｔ ｈ ｎ ｉ ｐ ｏ ｏ ｅ ｉ ｒ ｔ ｎｎ ｔ ｋ ｒ ｏ ｆ ｒ ｔ ｎＡ ｏ ｔｂ ｉ ｗｏ ｅ ｇ ｉ
ｆ ｎ ｔ ｎ ｔ ｅｒ ｓ ｉ ｔ ｎ ｅ ｄ ｃ ｉ ｅ ｏ ｏ ｔｇ ｎ ｕ ｒ ｎ ｒ ｋ ｎａ ｏ ｓ ａｎ ｏ ｄ ｔ ｎ ． ｓ ｄ ｏ ｅｆ ａ ｕ ｅ ｆ ｓｒｂ ｔ ｎ ｕ ｃ ｏ ， ｔ ｃ ｏ ｓｔ ｔ ｅ ｌ ｆ ｌ ｅ ａ ｄ ｃ ｒｅ ｔ ｅ ｔ ｅ ｓｃ ｎ ｔｉ ｔ ｎ ｉ ｏ ｓ Ｂａ ｅ ｎ ｔ ｔ ｒ ｓｏ ｔ ｕ ｉ ｉ ｈ ｅ ｒ ｉ Ｏｈ ｎ ｖ ａ ａ ａ ｒ ｃ ｉ ｈ ｅ ｉ ｄ ｉ ｏ ｎ ｔ ｒ ， ｅ ＣＧＳ ｉ ｓ ｄ ｉ ｅＩ Ｅ ３ ｂ ｓｓ ｓｅ ｆ ｒ ｅｗｏ ｋ ｒ ｃ ｎ ｔ ｃ ｏ ． ｃ ｎ ｇ ｒ ｔ ｎ ｒ ｓ ｌ ｈ ｗ ａ ｅａ ｇ ｒ ｍ ｅｗｏ ｋ ｔ ｈ Ａ ｕ ｅ ｔ ｓ ｎ ｈ ＥＥ ３ ｕ ｙ ｔ ｍ ｔ ｒ ｏ ｓ ｕ ｔ ｎ Ｒｅ ｏ ｆ ｕ ａｉ ｕ ｔ ｓ ｏ ｔ ｔ ｏ ｔ ｏ ｎ ｅ ｒ ｉ ｉ ｏ ｅ ｓ ｈ ｔ ｌ ｉ ｈ ｈ ｉ ｓ ｅ ｃｅ ｔ ｎ ｒ ｃ ｃ ， ｎ ａ ｏ ｄ ｇ ｏ ａ ｏ ｖ ｒ ｅ ｃ ｎ ａ ｃ ｅｅ ａ ｅｔ ｅ ｓ ｅ ｄ ｏ ｏ ｖ ｒ ｅ ｃ ． ｉ ｆ ｉ ｎ ｄ ｐ ａ ｔ ａ ａ ｄｈ ｓｇ ｏ ｌ ｂ ｌ ｎ ｅｇ ｎ ｅａ ｄ ｃ ｎ ａ ｃ ｌｒ ｔ ｐ ｅ ｆ ｎ ｅｇ ｎ ｅ ａ ｉｌ ｃ ｈ ｃ
基于模拟退火改进蚁群算法的配电网重构
式 中，
【 分别 为母 线 ｉ 电压 幅值 的下 限和 上限值 ； 为支 的
路 ｉ 电流 的上 限值 。
（） 射 状 约 束 。 ４辐
＾ ∈｛ １ ｌ ２ ３ … ， ） ０，｝（ ， ， ，
（） ６
式中 ， 为潮 流流 向节 点 的 弧数 。 ＾
提 高供 电质量 ， 降低 网损 ， 高系统 经济 性 。在 发生 故障 时， 提 隔离故 ３ 基 于 模 拟 退 火 改 进 蚁 群 算 法 的 配 电 网 重 构 障、 转移 负载 ， 小停 电影 响 ， 可以在 故障后快速 恢复供 电 。所 ３． 模 拟退 火算 法概 念 缩 并 １ 以说配 电 网络 重 构是 提高 配 电系 统安 全稳 定性和 经济 性 的重 要 Ｈ ． 模 拟 退火 算法 是 一种 求 解 大规 模 组 合优 化 问题 的有 效方 法 。 有 效的手 段。 它 源 于模拟 固体 退火 过程 。 该算 法是 设计合 适 的全局冷 却过程 ， 即
函数 进行 讨论 。 最小 化配 电网网损 ，配 电 网重构 中考 虑 的网损 一般 指 线路 上
生物 界 中的蚂 蚁 虽然 单个行 为简 单 ，但 是 由简单 个体 组成 群
体 却表 现 出极其 复杂 的人 工智 能特 性 ，蚂 蚁 群体 有能 力在 没有 任 何 可见提 示 下找 出从 其窝 巢至 食物源 的最短 路径 ，并 且能 随环 境 的变 化 而变化 ， 应性 地搜 索 新的路 径 ， 适 形成 新 的选择 路径 。能形
复 杂 的多 目标 高 维数 非线 性混 合优 化 问题 。 损 ， 保 留这 种结 构 ， 则采用 Ｍｅ ｏ ｏｉ 接 受准 则决 定接 受 或者 则 否 ￣ｐｌ ｓ 当前 常用 的配 电网重 构方 式主要 有解 析 类方 法 、 启发 式方 法 、 保 留 。 继续 交换 支路 ， 到达 到最 大支 路交 换数 目。 直 接着 逐步 衰减 人 工智 能化方 法 、 随机 优化 方 法 ＿ 。 ２ ］ 控 制参 数 ， 续冷 却 ， 继 重复 以上 迭代 过程 。 直到 网损 变化 极小 ， 得到 本文 讨论 的就 是结合 模拟退 火算法 和蚁 群算 法两者 的优 点 ， 避 系 统近 似最优 解 ， 终得 到配 电 网重构优 化 结构 。 最 开 两者的不 足 ，采用 其组合 分析 方式对 配 电网重 构 问题 进行研 究 ，
基于链式遗传——模拟退火算法的配电网络重构
级模式迁移，实现算法从一个局部最优状态向更高 一 级 的局部 最优 状 态定 向移 动 。通 过模 拟退火
１
～
Ｍｅ ｏｏｉ取合 准则来控制算法搜索 最优方案的进 ｔ ｐｌ ｒ ｓ 程， 使算法 以更大的概率收敛于全局最优解。最后，
将 所 提 方法 应用 于 配 电 网 络重 构 中， 并通 过 与模 糊
由于单一算法各 自具有天生的缺陷，使得不 同算法
之 间的优 化组合 成为 了探 寻最优 算法 的一 种方 向。
其实质是在 满足系统 电压 、 电流、 电源容量等约束前 提下，通过调整网络 中分段开关和联络开关的状态
本文将食 物链生态进化算法 （Ｅ Ｆ ） Ｅ Ａ Ｃ 和模拟 退火算法 （ ） ｓ 两种思想有机结合， Ａ 提出链式遗传一
２１ 物链 编码 及初 始化 ．食
墨
根据 优化 问题 的决 策变 量 ，模 拟生 物在 生态 环
境 中的能量传递方式，构造搜索空间为 Ｎ ×Ｌ的 进化初始食物链，食 物链上种群个体适应性能从高 到低逐级递减。Ｎｗ ｒｘＬ为食物链种群规模 ， 为提高
数构造以下适应度函数， 即：
…
０为决策变量的下限取值， ｇ［－ｚ ｂ …， ］ ］ Ｂ＝ｂｂ， ｂ 为 ＝ ， …， Ｌ
本文所提算法充分 发挥食物链生态进化算法高
效全局搜索性能和模拟退火的局部细化搜索能力 ，
决策变量 的上 限取值，各级种群个体 的决策变量
Ｍ（ ∈Ｚ且 满 足 Ａ Ｍ（曲 Ｂ， 物 链 上各 级 种群 ｉ ≤ ｇ食 ｋ
遭破坏， 高级种群实施“ 局部最优种群保存” 策略。 具 体步骤为 选取食物链顶端与高级种群规模一致的 若干个体作为“ 最优种群” 暂存， 当代纵 向进化后的 链
基于遗传算法的Pareto多目标配电网重构
基于遗传算法的Pareto多目标配电网重构作者：向佳炜刘建华来源：《现代电子技术》2014年第04期摘要：配电网重构一般采用对单一目标优化，而配电网重构却是一个多目标优化问题。
因此，在此提出了基于小生境思想的遗传算法，以配电网的经济性、安全性和供电可靠性为目标，并采用Pareto寻优方式，得出Pareto最优解集，实现了和以往不同的另一种寻优方式，即先寻优后决策。
在寻优过程中，通过小生境环境和交叉率和变异率的自适应机制，提高了遗传算法的全局收敛能力和收敛速度，并通过算例验证了方法的有效性。
关键词：配电网重构；遗传算法； Pareto最优；小生境中图分类号： TN911⁃34 文献标识码： A 文章编号： 1004⁃373X（2014）04⁃0149⁃04 Reconfiguration of Pareto multi⁃objective distribution network based on genetic algorithmXIANG Jia⁃wei， LIU Jian⁃hua（College of Electrical and Information Engineering， Changsha University of Science and Technology， Changsha 410004， China）Abstract：Distribution network reconfiguration is a multi⁃objective optimization project， but it is generally used for single⁃objective optimization. Therefore， a genetic algorithm based on the ecological niche idea is put forward in this paper to improve the distribution network’s economical efficiency， security and power supply reliability， in which Pareto optimizing way is adopted to obtain Pareto optimal solution and realize a different optimizing way， i.e. optimization before decision. In the period of optimization， the global convergence ability and convergent velocity of the genetic algorithm was improved by the ecological niche environment， and self⁃adaptive mechanism of the crossing⁃over rate and mutation rate. The effectiveness of this approach was proved by a case study.Keywords： distribution network reconfiguration； genetic algorithm； Pareto optimization；ecological niche0 引言配电网重构是降低网损[1]、平衡负荷[2]和安全运行的重要并行之有效的方法之一。
一种新的模糊自适应模拟退火遗传算法在配电网重构中的应用
压、 功率 等 限制 的 同时 ， 到 降低 网损 、 达 隔离故 障 、 转移 负 荷 、 高 供 电 电压 质 量 等 目的。 配 电 网络 重构 提 是一 个 多 目标 非线 性 混合 组合 优化 问题 ， 处理 多 目标优 化 问题 的方 法 之一 是降 维优 化方 法 ， 即选 择一个 主要 目标 ， 其 它 目标 作 为约 束处 理 。另外 由于 网损下 降时 ， 载 情 况 、 荷平 衡 度 和 电压 质 量 都 能得 把 过 负
到改善 ， 因此现有 的配 电网重构算法大多以降低网损为 目 函数。 目 标 前求解方法有很多种 ， 归纳起来可 以分 成 以下 ３类 ：． 发式 方 法 ， 如 禁忌搜 索 和并 行 模 拟 退火 算 法 … ， 传算 法 ；． 工 智 能法 ， １启 例 遗 ２人 如
专家 系统 、 模糊 集 法 和人 工神 经 网络 法等 ｌ ３数 学优 化 法 ， ２ ；． 。 如混 合整 数优 化法 和分支 定界 法 等 。 其 中遗传 算 法应 用较 多 ， 是 在 实 际应 用 中常 常 出现 收 敛 速 度 慢 和 “ 熟 ” 现 象 ， 要 是 因 为早 但 早 等 主 期 的优 良个体 由于适应 值 大 大高 于群 体 的平 均适应 值 ， 当按 比例进 行选 择 时 ， 个体 很快 就会 在群 体 中 该
Ｓ ≤ Ｓ ｉ＝ １一ｎ ｆ（ ｍ ）． （） ２ （） ３
寻优效果 。
关
键
词： 配电网重构 ； 遗传算法 ； 模糊 控制 ； 拟退 火 ； 模 自适应
文献标识码 ： Ａ
中图分类号 ： Ｍ７６ Ｔ ２
配 电 网具 有 闭环设 计 、 环运 行 的特 点 ， 开 通常 网络 结构 呈辐 射 状 。配 电 网含 有大 量 的常 闭 和常开 开
基于改进遗传模拟退火算法的电网无功优化
陷， 提出一种基于遗传模拟退火思想求解电力系统无功优化的新算法， 并引入灵敏度分析， 对基本遗传算法的编
码、 初始种群 、 适应度 函数和交叉、 变异策略等进行改 进。使用＊ ￣ 证 明了本文模型和算法 的实用性 、 可靠性 和优越性。 关键词 ： 电力系统 ： 电压 无功优化 ； 遗传模拟退火算 法
电 网 技
Ｄ ｌ Ａ ｚ Ｗ Ａ Ｎ Ｇ Ｊ ｝ ｓ Ｈ Ｕ
０ ０ ０ ｌ ｌ ｌ Ｉ √
＿ 一
＿
基于 改进遗传模拟 退火算 法的电网无功优化
王旭斌 ， 李 鹏 ， 窦鹏冲
（ 华北 电力 大学 新 能源 电力 系统 国家重点 实验 室 ， 河北 保 定
摘
０ ７ １ ０ ０ ３ ）
要： 电网无功优化问题是 一个 多变量、 多约束 的混合非线性规 划问题 ， 其操作 变量既有连续变量又有 离散 变
量。 优化过程复杂繁琐。遗传算法是模拟 生物在 自然环境中的遗传和进化过 程而形成的一种 自适应的全 局优 化
搜 索算法 ， 可用于解决含 有离散变量的复 杂优化 问 题 针对传 统遗传 算法 收敛 速度慢 ， 易陷入 局部最优解等缺
中图分类号 ： Ｔ Ｍ７ １ ４ ． ３ 文献标志码 ： Ａ 文 章编 号； １ ６ ７ ３ － ７ ５ ９ ８ （ ０ １ ３ ） ０ ７ － ０ ０ ４ ０ － ０ ５
Ｉ Ｅ Ｅ Ｅ １ ４ 节点进行优化计算 ， 仿真结果
Ｇｒ ｉ ｄ Ｒｅ ａ ｃ ｔ ｉ ｖ ｅ Ｐｏ ｗｅ ｒ Ｏｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ Ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｇｅ ｎ ｅ ｔ ｉ ｃ Ｓ ｉ ｍｕ ｌ ａ ｔ ｅ ｄ Ａｎ ｎ ｅ ａ ｌ ｉ ｎ ｇ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
改进遗传模拟退火算法
改进遗传模拟退火算法在配电网络重构中的应用刘扬, 杨建军, 魏立新(大庆石油学院, 大庆 163318)摘要:对遗传模拟退火算法中的交叉、变异操作进行了改进，并实施了最优保留策略，形成了改进遗传模拟退火算法。
以网损最小为目标函数，以配电网电压降的限制、线路电流量的限制等为约束条件，建立了配电网络重构优化模型。
在考虑配电网自身特点的基础上，利用改进遗传模拟退火算法求解。
重构算例说明，该优化方法有效、实用。
关键词: 配电网络; 网络重构; 遗传算法; 模拟退火Application of the Improved Genetic Simulated Annealing Algorithmin Distribution Network ReconfigurationLIU Yang, YANG Jianjun, WEI Lixin(Daqing Petroleum Institute, Daqing 163318,China)Abstract:In the paper, the crosser and mutation in the genetic simulated annea ling algorithm were improved, and the optimized reserved strategy was used to form the improved genetic simulated annealing algorithm. An optimization model of distri bution network reconfiguration is established, in which the minimum network loss is taken as objective function, the restrictions to the decline of voltage and curren t are taken as constraint conditions. Based on the features of distribution network, the improved genetic simulated annealing algorithm is used in network reconfigurat ion. Reconfiguration results show that the algorithm is efficient and practical.Key words: distribution network; network reconfiguration; genetic algorithm; s imulated annealing1前言网络重构作为配电系统经济运行自动控制的一个重要问题已被广泛关注。
基于遗传–模拟退火算法的配电网电容器优化配置
基于遗传–模拟退火算法的配电网电容器优化配置
侯学勇;丁晓群
【期刊名称】《电网技术》
【年(卷),期】2005(29)4
【摘要】随着配电网规模的不断扩大,传统的依照经验配置电容器的方法日显其局限性,具体表现在电容器容量配置得不足或过剩,更严重的情况是部分电容器需要投入时由于局部电压的限制而不能投入。
将遗传–模拟退火算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装费用总和最小,该算法将电容器的安装位置及安装容量离散化,并在初始方案种群产生和群体进化策略两方面对该算法作了改进,对一个30节点配电网的电容器优化配置结果表明了遗传–模拟退火算法的合理性和可行性。
【总页数】4页(P81-84)
【关键词】配电网;无功补偿;功率因数;电力系统;遗传算法;模拟退火算法
【作者】侯学勇;丁晓群
【作者单位】河海大学电气工程学院
【正文语种】中文
【中图分类】TM714.3
【相关文献】
1.基于有记忆的模拟退火算法的配电网电容器优化配置 [J], 孙毅;刘俊勇;沈晓东;蒋浩
2.基于动态规划和遗传算法的配电网电容器优化配置 [J], 樊文杰;张茂斌
3.基于伪并行遗传算法的配电网电容器优化配置 [J], 史燕琨;熊华强
4.基于遗传-模拟退火算法的配电网优化设计 [J], 张怡宁
5.基于遗传模拟退火算法的Hadoop系统性能配置优化 [J], 包婉莹; 罗小玲因版权原因，仅展示原文概要，查看原文内容请购买。
浅析遗传算法在我国配电系统网络中的应用
基于自适应遗传退火算法的配电网故障定位研究
该 算法能够对单点 和多点故 障进行实 时 、 准确地定位 ， 在 并
故障信 息畸变 的情况下 ， 能快速地得到准确结果 。 也 关键词 ： 遗传算 法 ； 电网； 障定位 ； 配 故 模拟退火 算法 ； 配电
系 统
供 电的可靠性。 基于此 ， 在建 立 配 电 网 区段故 障 定 位优 化模 型
跳 出局部 最优值 的 能力 。
２ 配 电 网故 障定 位 的 自适 应 遗 传退 火
算 法
２１ 控制 变量 的转型 ．
１ 编码策略。针对配电网区段故障定位问题 ， ）
采 用二进 制编 码方 案 ， 问题 的解 可 以表示 为
… 一
，
｝
（） １
自 适应遗传退火算法（ ｄｐｉ ｅｅｃ ｎｅｌ ｇ Ａ ａｔｅ ｎｔ ｎａｎ ｖ Ｇ ｉＡ ｉ
Ａｇｒｈ ＡＧ Ａ） 应 用 于０ １ 体 规 划 优 化 问 题 ｌ ｉｍ， Ａ 是 ｏｔ ／整 的。在进 行配 电 网区段故 障定位 时 ， 以开关 （ 联络 开 关 、 段 开 关 、 线 断 路器 ） 节 点 ， 相 邻 开 关 问 分 进 为 把 的配 电区 域 简化 为一 个 独 立 设 备 ，各 节 点 信 息 由
Ｇ ｅ ｔｃ Ａｎ ａ ｉ ｇ ｒｔ ｎｅ ｉ ｎｅ ｌｎｇ Ａｌ ｏ ｉｈｍ
Ｌ Ｘｕ － ｉ ， Ｕ ｅ ｑｎ ＣＨＥＮ Ｓ ｕ ｇ ｏ， Ｉ ｈ ｎ ｎｎ ｈ － ｕ Ｔ ＡＮ Ｚ ｅ － ｉｇ （ｃ ｏｌ ｆ ｌｃ ｃａｄＡ ｔ ｔｎＥ ｇ ｅｒ ｇＳ ａｇ ａ Ｕ ｉ ｒ ｔ ｏ ｌ ｔｃＰ ｗ ｒＳ ａ ｇａ ２ ０ ９ ， ｈｎ ） Ｓｈｏ ｏ ｅｔ ｎ ｕｏ ｉ ｎ ｉ ｅ ｎ ，ｈ ｎｈ ｉ ｎｖ ｓｙ ｆ ｅ ｒ ｏ ｅ，ｈｎ ｈｉ ０ ０ ０ Ｃ ｉａ Ｅ ｒ ｉ ｍａ ｏ ｎ ｉ ｅ ｉ Ｅ ｃ ｉ
基于改进模拟退火遗传算法的配电网动态故障恢复策略
基于改进模拟退火遗传算法的配电网动态故障恢复策略
王可淇;赵子涵;钟俊;徐方维
【期刊名称】《智慧电力》
【年(卷),期】2024(52)6
【摘要】计及分布式电源出力波动性对故障恢复效果带来的不利影响,提出1种利用光伏出力预测的配电网动态故障恢复方案。
故障发生后,首先对动态变化的光伏系统输出功率进行预测,并研究了负荷动态特性;其次,以配电网恢复重要负荷总量最大、故障恢复成本最小和故障停电损失最少为目标函数,构建基于动态树背包模型的最优故障恢复模型,该模型可快速适应配电网拓扑变化情况。
采用改进模拟退火遗传算法求解最优故障恢复方案,提高了算法的收敛速度与稳定性。
最后,在IEEE69节点系统进行仿真,结果表明所提算法可适应复杂配电网的故障恢复,提高配电网供电可靠性,并降低配电网故障带来的恢复成本与停电损失。
【总页数】7页(P16-22)
【作者】王可淇;赵子涵;钟俊;徐方维
【作者单位】四川大学电气工程学院;国网四川省电力公司调度控制中心
【正文语种】中文
【中图分类】TM732
【相关文献】
1.配电网络故障恢复重构的改进遗传算法
2.基于模拟退火和改进遗传算法的无人机风电检测动态路径最优规划模型
3.基于自适应模拟退火遗传算法的多能源协同配
电网故障恢复分区方法4.基于动态孤岛的主动配电网多阶段故障恢复策略5.基于改进萤火虫算法的配电网故障恢复策略
因版权原因，仅展示原文概要，查看原文内容请购买。
基于链式遗传——模拟退火算法的配电网络重构
基于链式遗传——模拟退火算法的配电网络重构
张忠城
【期刊名称】《科技广场》
【年(卷),期】2011(000)011
【摘要】以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。
针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。
该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。
最后,在IEEE16节点系统上验证了所提方法的有效性。
【总页数】4页(P13-16)
【作者】张忠城
【作者单位】广东电网公司肇庆高要供电局,广东肇庆526100
【正文语种】中文
【中图分类】TM715
【相关文献】
1.改进遗传模拟退火算法在配电网络重构中的应用 [J], 刘扬;杨建军;魏立新
2.基于遗传模拟退火算法的配电网重构研究 [J], 马志刚
3.基于改进遗传算法的含分布式电源和储能装置配电系统网络重构 [J], 江卓翰;何禹清;曹丽璐;徐超;禹海峰;刘博
4.克隆遗传算法与模拟退火算法相结合的配电网络重构 [J], 周辉;王击;罗安;李茂
军
5.基于改进遗传算法的配电网络重构探讨 [J], 陈宵雪; 黄海
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进遗传退火算法的10 kV配电网规划优化研究
基于改进遗传退火算法的10 kV配电网规划优化研究
姚超一
【期刊名称】《电工技术》
【年(卷),期】2024()3
【摘要】在考虑配电网输电综合网损、年折旧费、馈线建设费用的基础上,建立10 kV配电网规划目标优化模型;引进改进遗传退火算法,进行10 kV配电网规划目标优化模型中相关参数条件的训练,以此实现对模型约束条件的设计;采用保存精英群的方式,进行10 kV配电网规划优化方案的全局寻优,完成配电网规划优化方法的设计。
选择某地区大型10 kV配电网作为实验研究的主要对象,设计实例应用实验。
实验结果表明:设计的优化方法在实际应用中的效果良好,可有效提高配电网线路负载率均衡度。
【总页数】4页(P87-89)
【作者】姚超一
【作者单位】国网浙江省电力有限公司杭州供电公司
【正文语种】中文
【中图分类】TM727.1
【相关文献】
1.基于改进遗传算法的10 kV配电网无功优化
2.基于改进遗传算法的配电网网架结构优化规划
3.基于改进遗传算法的配电网架无功优化规划
4.基于改进遗传退火
算法的输配电网协调规划方法5.基于LCC与模拟退火遗传算法的配电网网架优化研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
基 于 遗 传 模 拟 退火 算 法 的配 电网 重 构研 究
基 于 遗传 模 拟 退 火算 法 的配 电 网重 构 研 究
Ｓ ｕ ｙ ｏ ｓｒｂ ｔｏ ｔ ｒ ｃ ｎ ｇ ｒ ｔｏ ｓ ｄ ｏ ｎ ｔｃＳ ｍｕ ａ ｅ ｎ ｅ ｌｎ ｇ ｒｔ ｍ ｔ ｄ ｎ Ｄｉｔｉ ｕ ｉｎ Ｎｅ ｗｏ ｋ Ｒｅ ｏ ｆ ｕ ａ ｉ ｎ Ｂａ ｅ ｎ Ｇｅ ｅｉ ｉ ｌｔ ｄ ａ ｎ ａ ｉ ｇＡｌ ｏ ｉ ｉ ｈ
准则的复制策略进行分析 ，将 网络损耗最小作为 目标 函数 ，研究 了遗传模拟退火算法在配 电网络重构中的应用。对于 重构 过程 中不满足负荷约束条件的个体 ，构造惩 罚函数将其 引入到 目标 函数 中。最后通过标准算例验证 了本算法的可行性和有
效性 。
Ａｂ ｔ ａ ｔ Ｂａ ｅ ｎ ｔ ｅｃ ａ ａ ｔ ｒｓ ｃ ｆｄｓｉｂ ｔ ｎ ｎ ｔ ｒ ， ｍｐ ｏ ｅ ｅ ｔ ｎ ｆ ｎ ｓ ｍｃ ｉ ｎ ｃ ｏ ｓ ｖ ｒ ｎ ｔｔ ｎ ｏ ｅ ｓｒ ｃ ： ｓ ｄ ｏ ｈ ｒ ｃｅ ｔ ｓｏ ｉｔ ｕ ｉ ｅｗｏ ｋ ｉ ｒ ｖ ｍ ｎ ｔ ｅ ｓｆ ｔ ， ｒ ｓｏ ｅ ｄｍｕ ａ ｉ ｆ ｈ ｈ ｉ ｉ ｌ ｏ ｏ ｉ ｉ ｏ ａ ｏ ｔ ｇ ｎ ｔ ｌ ｏ ｉ ｍ ｓ ｄ ． ｈ ｐ ｉ ａｉ ｎ ｓｒｔ ｇ ｆ ｉ ｌ ｔｄ ａ ｎ ａｉ ｇ Ｍ ｅｒ ｐ ｌｓ ｒ ｅ ａ ｉ ａ ｃ ｕ ｔｄ． ａ ｉ ｇｔ ｅｍｉ ｉ ｍ ｓ ｅ ｅｉ ａｇ ｒｔ ｉ ｍａ ｅ Ｔ ｅｒ ｌ ｔ ｔａｅ ｙ ｏ ｍｕ ａｅ ｎ ｅ ｌ ｔ ｏ ｉ ｃ ｉ ｒ ｃ ｏ ｎ ｅ Ｔ ｋ ｎ ｎ ｍｕ ｌ ｓ ｃ ｈ ｅ ｃ ｏ ｓ ｎ ｏ ｔｉ ｓ ｈ ｏ
中图分类号 ：Ｔ ４ Ｍ７
文献标识码 ：Ｂ
１ ． 引言
配 电系统作为 电 网的组成部分 ，是连接 电网和 用户 的重要环 节 。而 配 网重构 配电系统 自动化 是
和 闭环 的 前提 下 ，通 过 改变 网络 中开 关 的状 态 ， 使 网损达到 最小 的过程 。 以 网损 最 小 为 网络 重构 的 目标 函数 ，函数 定
ｅ ａ ｌ． ｘ ｍｐ ｅ
关 键 词 ：配 电 网络 重 构
网损
遗 传 模拟 退 火 算 法
Ｋ ｅ ｏ ｄｓ ｙｗ ｒ ：Ｄｉｔｉｕｔｏ ｎｅ ｏ ｋｒ ｃ ｉｇ ａｉ ｎ Ｌｏ ｓ Ｇｅ ｔｃｓｍｕｌｔ ｄ ａ ｅ ｌｎｇａ ｇ ｉｈ ｓｒｂ ｉｎ ｔ ｒ ｅ ｏｎｆ ｕｒｔｏ ｗ ｓ ｎｅｉ ｉ ａ ｅ ｎｎ ａ ｉ ｌ ｏｒｔ ｍ
ｒ ｃ ｎ ｇ ｒ ｔ ｎ ｉ ｔ ｄ ｅ ． ｈ ｄ ｖ ｄ ａ ｓ ｈ ｔ ａ ｏ ｅ ｈ ａ ｏ ｓｒ ｉ ｔ ｏ ｄ ｔ ｎ ｕ ｉ ｇｒ ｃ ｎ ｇ ｒ ｔｏ ｌ ｂ ｎｒ ｄ ｃ ｄ ｅ ｏ ｆ ｕ ａｉ ｓ ｉｄ Ｔ ｅ ｉ ｉ ｉ ｕ ｌ ａ ｎ ｎ ｔ ｉ ｏ ｓ ｕ ｎ ｔ ｃ ｍｅ ｔ ｅ ｌ ｄｃ ｎ ｔ ｎ ｎ ｉ ｏ ｓｄ ｒ ｅ ｏ ｆ ｕ ａｉ ｎ ｗｉ ｅｉ ｔ ｕ ｅ ｔ ｏ ａ ｃ ｉ ｎ ｉ ｌ ｏ
ｏ ｉｒ ｕｉｎ ｎｔ ｏｋ ａ ａ ｂｅｔ ｅ ｆｎ ｔ ｎ ｈ ｐ ｌ ａ ｏ ｆｓ ｕａ ｄ ａ ｅｌ ｇ ａ ｏｉ ｍ ｎ ｄｓ ｂ ｔ ｎ ｎｔ ｏｋ ｆ ｄｓｉ ｔ ｅ ｒ ｓ ｌ ｏｊｃｉ ｕ ｃ ｏ ，ｔｅ ａ ｐｉ ｔ ｎ ｏ ｉ ｌ ｅ ｎ ａｎ ｌ ｒｈ ｉ ｉｒ ｕｉ ｅ ｒ ｔｂ ｏ ｗ ｌ ｖ ｉ ｃｉ ｍ ｔ ｉ ｇ ｔ ｔ ｉ ｏ ｗ
义为 ：
重要 的工作 。在当前 经济迅 猛发展 ，供电 日趋 紧张 的情 况下 ，配电 网络重构 能充分发挥现 有配 的经济效 益和社会效益 。
厂∑ ： Ｒ ： Ｎ
ｉ１ ＝ ｔ ｉ － ￣
（ １ ）
下面 采 用 的遗 传 模拟 退 火算 法 ，既避 免 了模 拟 退火 算法口 度慢 的缺 点 ，又 能防止 遗传 算法 易 速 “ 熟 ”收敛 的 问题 。针 对 配 电 网的 特 点对 算法 早 中的 适 应 函数 、交叉 率 和变 异 率进 行 改进 ，建立 以配 网损最 小 为 重构 目标 的数 学模 型 ，对 于 那些 不 满 足 负 荷 约 束 条 件 的 个 体 ，构 造 成 为 惩 罚 函 数 ， 引入 到 目标 函数 中。给 出 了基 于 遗 传模 拟退 火 算 法 的 配 网重 构基 本 步骤 和 流程 框 图 ，并 编 写 了相 应 的 实用 程 序 ，极 大地 提 高 了 网络 重构 的计
ａ ｅ ａｙｆｎｔ ｎ ｔ ｔｅｏｊｃｉｅ ｕ ｃｉ ． ｉａ ｙ ｈ ａｉｉｔ ｄｖ ｌ ｉ ｆｈｓ ｌｏｉ ｍ ｒｖ ｎｖａａｙ ｉａ ｓ ｎ ￣ｄ ｓ ｎ ｌ ｃ ｏ ｓｎｏ ｈ ｂｅｔ ｎｔ ｎ Ｆｎ ｌ ｅ ｅｓ ｌ ａ ａ ｄ ｏ ｉ ａ ｒｈ ｉｐｏ ｅ ｉ ｐｃｌｔ ｄ ｐ ｔ ｕ ｉ ｉ ｖｆ ｏ ｌｔ ｆ ｂ ｉ ｎ ｙ ｉｔ ｔ ｇ ｔ ｓ ｙ ｔ ａ
广东 电网公司惠 州供 电局
马志 刚
Ｇｕ ｎ ｏ ｇ Ｐｏ ｒＧｒｄ Ｃｏ ｐｏ ａ ｉｎ Ｈｕ ｚ ｕ Ｐ ｗｅ ｕ ｌ ｒ ａ ａ ｇｄ ｎ ｗｅ ｉ ｒ ｒ ｔ ｉｈｏ ｏ ｒＳ ｐｐ ｙ Ｂｕ ｅ ｕ Ｍ ａＺｈ ｇ ｎ ｏ ｉａ ｇ
摘
要 ：根据配 电网的特点对遗传算法 的适应 函数 、交叉率和变异率进行 了改进 ，对模拟退火算法 中Ｍｅ ｏ ｏｉ 别 仃 ｐ ｌ判 ｓ