[发明专利]一种基于重心回归和粒子群混合算法的变电站优化选址方法

说明书

一种基于重心回归和粒子群混合算法的变电站优化选址方法，该方法适用于优化规划变电站的选址定容方案。具体是先确定电网中需要新建的变电站数量n，再采用重心回归算法将电网中的负荷节点分为n个负荷片区，得到给各负荷片区供电的变电站的位置坐标及所供负荷，并将其为粒子群算法的初值初始化粒子的位置，然后以全局负荷矩最小为目标适应度值，采用粒子群算法优化变电站位置及所供负荷，获得优化后的n个变电站位置及所供负荷，最后根据变电站的变电容量与所供负荷间的约束关系求得各变电站的变电容量。本设计计算结果具有良好的准确性、稳定性和优化效果。

技术领域

本发明属于电网规划领域，具体涉及一种基于重心回归和粒子群混合算法的变电站优化选址方法。

背景技术

变电站选址定容是电网规划和建设中的重要环节，它以空间负荷预测的结果为依据,综合考虑变电站的地理位置、供电能力和经济约束，对电网建设、布局和投资等方面起着至关重要的作用。当前，变电站的站址选择主要是依靠设计人员工作经验选择论证，随着电网结构越来越复杂，需要考虑的因素越来越多，变电站选址的工作效率和准确性有待提高。随着当前信息化系统建设和计算机技术的发展，电源、电网设施、用电负荷等地理信息都能够采集，空间负荷预测可以基于地理信息开展，信息技术建设为实现计算机辅助变电站选择提供了必要的基础数据和有效的技术手段。

目前，变电站选址问题是一个非线性优化问题，采用计算机信息技术辅助解决变电站选址定容问题的方法主要包括智能算法和空间搜索算法。其中，沈勇等在华东电力2012，40(11)：2043-2045发表的《基于改进粒子群算法的变电站选址定容》提出了一种利用改进粒子群算法来解决变电站选址定容的问题。林卓琼等在陕西电力2015，43(11)：60-64发表的《基于k-均值聚类粒子群算法的变电站定容选址》采用k-均值聚类粒子群算法的求解变电站定容选址问题。王成山等在电力系统自动化2006，30(6)：30-34发表的《基于混合遗传算法的变电站选址定容》采用采用遗传算法求解变电站选址定容问题。陶青松等在电力系统及其自动化学报2010，22(6)：32-37发表的《基于地理信息的变电站选址定容模型与算法》提出了基于地理信息的变电站选址定容模型和算法。上述算法为解决变电站计算机辅助选址提供了新的思路，但是还有一些问题值得进一步研究和改进。比如粒子群算法，在用于变电站选址计算时，常规的粒子群算法可能出现陷入局部最优或早熟误区，难以实现全局优化，同时，该算法的随机性也会导致计算结果不稳定等问题。

发明内容

本发明的目的是针对现有技术存在的上述问题，提供一种结果准确、稳定的基于重心回归和粒子群混合算法的变电站优化选址方法。

为实现以上目的，本发明的技术方案如下：

一种基于重心回归和粒子群混合算法的变电站优化选址方法，依次包括以下步骤：

步骤A、确定电网中为满足负荷需求所需要新建的变电站数量n；

步骤B、采用重心回归算法将电网中的负荷节点分为n个负荷片区，得到各负荷片区的重心节点的位置坐标及分配的负荷，该位置坐标即为给该负荷片区供电的变电站的位置坐标；

步骤C、先以计算得到的各变电站的位置坐标及所供负荷作为粒子群算法的初值，初始化粒子的位置，然后以全局负荷矩最小为目标适应度值，采用粒子群算法优化变电站位置及所供负荷，获得优化后的n个变电站位置及所供负荷；

步骤D、根据变电站的变电容量与所供负荷之间的约束关系求得各变电站的变电容量即可。

所述步骤B依次包括以下步骤：

B1、计算电网整个区域的负荷中心P₀的位置坐标；