[发明专利]基于多目标离散粒子群的智能配电网故障恢复方法

权利要求书

1.基于多目标离散粒子群智能优化算法的智能故障恢复方法，包括以下步骤：

步骤1，初始化参数。

1.1确定离散粒子群优化算法中的最大迭代次数、粒子数、维度数、学习因子、惯性权重的取值以及各类目标函数的计算公式和相应参数,包含了三个方面的目标函数：

1.1.1尽可能多的恢复失电负荷

maxf1=Σi∈DλiPi---(1)]]>

其中，P_i表示失电负荷的大小；λ_i表示失电负荷i的权重系数，即表示负荷的优先等级；D代表整个系统的负荷集合；

1.1.2尽可能较少开关的操作次数：

minf2=Σk∈TsKk---(2)]]>

其中，K_k表示开关的状态，1表示闭合，0表示打开；T_s表示整个开关的集合；

1.1.3恢复后，整个系统的网损尽可能的小：

minf3=Σl∈NlIl2Rl---(3)]]>

其中，f₃表示形成供电孤岛的有功功率损耗，I_l表示支路的电流，N_l表示整个系统中的供电支路；R_l表示支路的阻抗参数。

步骤2，离散粒子的位置和速度初始化；

2.1初始化离散粒子的位置值

各个粒子的位置值即为各类开关的状态值，1表示闭合，0表示打开；因此，在约束条件的范围内，随机定义各类粒子的位置值，即随机的开断各个开关以形成相应的孤岛；约束条件主要包括：

2.1.1节点的电压约束，即各个节点的电压应该保持在允许的范围内，介于电压容许的最大值和最小值之内。

2.1.2支路的功率约束，即各条支路上的功率不应该超过其最大的允许功率。

2.1.3一类负荷不失电约束，即故障后所形成的各个孤岛内，负荷等级为一类的负荷必须保证不失电。

2.1.4孤岛的容量约束，即各个孤岛内的总负荷和总损耗之和不能超过该孤岛内所有的DG发电总量。

2.2初始化离散粒子群的速度；

随机对离散粒子群进行速度的初始化，并将速度的初始值限制在0到1之间；

2.3计算各个粒子的适应值；

根据各类粒子随机后得到的位置值，即开关的闭合或打开状态，输入到整个智能配电网系统中，形成相应的孤岛，并对满足约束条件的孤岛进行潮流计算，得出相应的网络损耗。并根据这些得到的结果计算是目标函数(1)-(3)的值，得出各个粒子的适应度值fitness_k；

步骤3，种群的归类；

基于适应度支配的概念，将整个种群分为两个子群，分别为非支配子群P_set和支配子群NP_set；其中P_set子群中粒子的个数为n₁，NP_set中粒子的个数为n₂；

步骤4，粒子位置和速度的更新；

4.1根据下面公式对粒子的速度值更新：

vkt+1=vkt+c1(pbest-xkt)+c2(gbest-xkt)---(4)]]>

其中，x_k表示粒子的位置值，v_k^t表示粒子k在第t次迭代计算时的速度值，p_best表示每个粒子的历史最优值；g_best为随机在非支配子群中选出的最优值；

4.2根据下面的公式对粒子的位置值更新：

xkt+1=1,ifrand()<sig(vkt+1)0,else---(5)]]>

其中，

sig(vkt+1)=11+exp(-vkt+1)---(6)]]>

步骤5，支配种群和非支配种群间的动态交换；

对NP_set子群中的每个粒子与P_set子群中的每个粒子逐一进行比较，并进行相应的交换操作，以使得最终NP_set子群中的所有粒子为支配粒子，即适应值均占优于P_set子群中的粒子的适应值；并且，最后删除P_set子群和NP_set子群中重复的粒子；

步骤6，方法的收敛性检验；

检验整个离散粒子群优化算法是否达到最大的迭代次数，若达到迭代次数已经达到所设定的最大次数，则跳出迭代步骤，进入下一步骤(7)；若还未达到最大迭代次数，则回到步骤(4)；

步骤7，输出最终的优化结果；

根据最终所得到的结果，即粒子的状态值(开关状态值)，得出最终的孤岛方案和负荷恢复方案，并输出最终的三维帕累托最优曲面，以供操作者选择相应的开关操作量以及负荷恢复方案。