[发明专利]基于混合量子进化算法的变电站容量优化配置方法

说明书

技术领域

本发明涉及电力系统配置技术领域，特别涉及一种基于混合量子进化算法的变电站容量优化配置方法。

背景技术

变电站规划是配电网规划中的重要组成部分，其规划内容包括：变电站最优容量配置、最优变压器组合方案和变电站最优位置等，其实质是一个多约束复杂组合优化问题。作为配电网规划中不可缺少的重要组成部分，变电站容量规划结果直接影响到电力网络架构、电网投资，供电可靠性和运行经济性。近年来迅猛增长的电力需求进一步促使了城市电网的升级改造，主要的变电站电压等级将不断升级改造。因此，为了满足城市电力需求，规划好各电压等级变电站容量方案成为城市电网规划建设的重要任务。传统的规划主要以方案比较为基础，从几个可行方案中通过经济技术比较选择最优方案，由于参加比较的可行方案往往是根据规划人员的经验提出的，并不一定包括客观上的最优方案，因此传统的方法很难找到最优的方案。因此，急需一种简单高效且能找到变电站容量规划最优方案的方法，以适应现代电力网络的发展，进一步满足经济社会的快速发展和人们日益增长的电力需求。

近年来，国内外学者对变电站容量规划做了大量的研究，提出了许多方法。这些方法大致可以分成两类：一类是基于运筹学的规划方法，这类方法出现的较早如线性整数规划，最小路径法，分支定界法等，这类方法对寻找变电站规划最优方案这类问题有一定的局限性，当实际问题的规模较大时，这些方法计算速度慢且很难找到最优方案；另一类是基于智能优化算法的规划方法，包括模拟退火、参数自适应微分算法、遗传算法、贪心算法、粒子群算法等。与前面基于运筹学的规划方法相比，这类方法能很好地适用于变电站容量规划问题的求解，现已成为学者们的研究热点。

目前，进化算法用于求解变电站规划这一组合优化问题已成为该领域主要研究方向，而现有优化方法在保证算法收敛性和性能的前提下找到最优解仍然存在一些不足，从而很难提出最理想的规划方案。因此，为了解决现有算法的技术难点，提出一种高效的变电站容量规划方法具有十分重要的意义。本发明通过将量子进化算法全局寻优能力强、收敛速度快和禁忌搜索算法局部搜索能力强的优点相结合，提出了一种混合量子进化算法(HQIEA)，该方法能有效处理复杂的组合优化问题，能利用已有的变电站数学规划模型快速准确的获得变电站最优容量配置方案。

发明内容

本发明所要解决的技术问题，就是提供一种基于混合量子进化算法的变电站容量规划方法，能快速准确地获得输出结果，并且能够达到投资最省，运行经济及供电可靠的规划优化目标。

本发明为解决所述技术问题，所采用的技术方案是，基于混合量子进化算法的变电站容量优化配置方法，包括变电站数据收集、变电站容量配置和输出结果，其特征在于，变电站容量配置包括如下步骤：

步骤1、系统初始化

根据变电站容量规划中需要优化的变量建立种群Q(t)；

步骤2、观测种群Q(t)的状态并产生观测态种群P(t)

对种群Q(t)进行观测，得到观测态种群P(t)；

步骤3、对观测态种群P(t)中个体进行局部搜索

运用禁忌搜索方法对观测态种群P(t)中个体进行局部搜索，得到新种群P'(t)；

步骤4、解码得到变量优化解

根据变量种群个体编码中有多少位“1”，则变量取多大数值；

步骤5、目标函数适应度评价

将解码得到的变量数值代入目标函数中；

步骤6、保存最佳个体及相关信息

将新种群P'(t)中的最佳个体及最佳个体解码的变电站最优配置方案进行保存；

步骤7、终止条件判断

判断迭代次数t是否达到预先设定的数目，是则结束程序，否则继续下一步；

步骤8、种群更新

迭代次数t=t+1,利用量子门进行更新种群，并转步骤2。

具体的，步骤1中，变电站数据包括待规划区域变电站参数数据、供电量数据和负荷历史统计数据。

具体的，步骤7中，迭代次数t预先设定的数目为1000。

具体的，步骤1中，变电站容量规划中需要优化的变量包括变电站数量n_s，单个变电站中变压器台数n_t，变压器额定容量S_nt以及单台变压器出线回路数M₂。