[发明专利]一种适用于大规模非线性的配网优化算法

说明书

本发明公开了一种适用于大规模非线性的配网优化算法，包括以下步骤：输入线路参数；生成初始网架，存入已知结构体数组；对初始网架进行无重访单亲遗传操作，产生初始种群，存入已知解结构体数组和优秀种群结构体数组，对已知解结构体建立多叉树存储结构；对优秀种群的每个基因进行无重访单亲遗传操作，产生子代基因并将子代基因存入已知结构体数组；对优秀种群结构体数组和子代基因进行适应度计算，按适应度函数从小到大排列；采取精英保留策略，用排名在前的基因的结构体数组替换现有的优秀种群结构体数组；判断t是否大于迭代次数，如果t大于迭代次数则输出最优解。本发明无重访单亲遗传算法NRPGA避免了不必要的计算，能够有效提升空间搜索效率。

技术领域

本发明涉及一种适用于大规模非线性的配网优化算法，属于配电网规划技术领域。

背景技术

配电网规划是配电系统研究领域中的重要内容，其本质上是一个非线性、高维数的复杂组合优化问题。目前，求解方法总体上可分为解析式算法和启发式算法。解析式算法需要分析问题中各要素之间的关系，表示为函数表达式之后计算求解，这种方法可以得出最优解，但是计算需要大量时间，只适用于求解空间较小的优化问题。相比于解析式算法，启发式算法可以在短时间内求解最优值，该算法能够很好地适应大规模、非线性优化问题。

目前现有的启发式算法有：遗传算法、蚁群算法、粒子群算法等。其中，遗传算法(Genetic Algorithm,GA)是一种自适应随机搜索优化算法，由于GA的遗传算子对基因进行随机操作，会产生不可行解，在配网优化案例中体现为孤网、环网等。而对这些不可行解的修复增加了计算量。单亲遗传算法(Partheno-Genetic Algorithm,PGA)采用新遗传操作方式，可以快速高效地求解离散规划问题。PGA仅在一条染色体上进行全部遗传操作，将树的概念与PGA相结合，对每个配电网的树形结构进行遗传操作，遗传操作过程中不破坏配电网连通性和辐射性，有效地避免了孤网、环网等问题。但是，PGA也有一定的局限，即PGA在遗传操作中会产生相当数量的重复解，增加了计算量，降低该算法的空间搜索效率。因此，PGA算法需要进一步优化。

发明内容

本发明的目的在于提供一种适用于大规模非线性的配网优化算法，提出无重访单亲遗传算法(No Revisit Partheno-Genetic Algorithm,NRPGA)，将无重访功能与单亲遗传算法相结合，使用单亲遗传算法确保所有新解符合配电网的相关约束，然后对每一个新解使用无重访算法进行校验，以保证新解的唯一性，以减少额外的计算量，提高算法搜索效率。

本发明的目的通过以下技术方案予以实现：

一种适用于大规模非线性的配网优化算法，以配电网网架建设投资、运行费用、停电损失之和作为目标函数，该目标函数满足辐射状网架结构约束、线路电压降落约束、线路容量约束和待选线路约束；

目标函数如下：

F＝f₁+S(f₂+f₃) (1)

其中：

S＝[(1+r)^T-1]/[r(1+r)^T]