宮 林， 王 昕， 劉 斌，雷 霞

(1.重慶市電力公司市區(qū)供電局， 重慶 400030； 2.西華大學(xué)電氣信息學(xué)院， 成都 610039)

隔離小生境遺傳算法在配電網(wǎng)絡(luò)重構(gòu)中的應(yīng)用①

宮 林1， 王 昕1， 劉 斌2，雷 霞2

(1.重慶市電力公司市區(qū)供電局， 重慶 400030； 2.西華大學(xué)電氣信息學(xué)院， 成都 610039)

建立了計(jì)及電壓、容量及負(fù)荷平衡等為約束的配電網(wǎng)絡(luò)重構(gòu)的數(shù)學(xué)模型。將隔離小生境技術(shù)與遺傳算法相結(jié)合，提出了應(yīng)用于配電網(wǎng)絡(luò)重構(gòu)的隔離小生境遺傳算法。針對(duì)二進(jìn)制編碼不能有效反映配電網(wǎng)網(wǎng)絡(luò)重構(gòu)問題的結(jié)構(gòu)特征，研究了染色體整數(shù)編碼方式。通過對(duì)初始種群的隔離及子種群的獨(dú)立進(jìn)化，有效地解決了遺傳算法的早熟收斂問題。算例中將隔離小生境遺傳算法與傳統(tǒng)遺傳算法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明了隔離小生境遺傳算法的可靠性及有效性，尋優(yōu)的優(yōu)點(diǎn)突出。

配電網(wǎng)絡(luò)重構(gòu)； 妥協(xié)模型； 染色體編碼； 隔離小生境遺傳算法

配電網(wǎng)是電力系統(tǒng)從發(fā)電到用電中的一個(gè)環(huán)節(jié)，它分布于負(fù)荷中心區(qū)域，為各用戶直接提供電源。在電力系統(tǒng)各級(jí)電網(wǎng)的綜合線損中，中低壓配電網(wǎng)的線損占了很大的比例。因此，在滿足中壓配電網(wǎng)運(yùn)行可靠性的條件下，通過網(wǎng)絡(luò)重構(gòu)來降低線損是一個(gè)很值得研究的課題。

配電網(wǎng)重構(gòu)是一個(gè)多目標(biāo)非線性混合優(yōu)化問題，現(xiàn)有的算法大多以單一目標(biāo)函數(shù)為模型。由于配電網(wǎng)絡(luò)重構(gòu)的非線性特性，每一次優(yōu)化迭代均需要進(jìn)行一次配網(wǎng)潮流計(jì)算，連續(xù)的配網(wǎng)潮流計(jì)算必然需要大量計(jì)算時(shí)間。為了提高計(jì)算速度，保證得出最優(yōu)或次最優(yōu)的配網(wǎng)結(jié)構(gòu)，人們嘗試了不同的方法來解決多目標(biāo)配網(wǎng)重構(gòu)的問題。支路交換法[1]和禁忌搜索法[2,3]過分依賴于配電網(wǎng)絡(luò)結(jié)構(gòu)和配電網(wǎng)絡(luò)的初始結(jié)構(gòu)，不能保證全局最優(yōu)。最優(yōu)流模式法[4]每一次由開至合都需要計(jì)算一次潮流，計(jì)算量較大。遺傳算法[5]是從群點(diǎn)出發(fā)進(jìn)行優(yōu)化搜索，而不是單個(gè)的開關(guān)狀態(tài)變化，這樣全局收斂的速度加快，但早熟收斂和后期搜索遲鈍的問題難以克服。通常支路的開關(guān)狀態(tài)(0/1)直接用染色體表示，但是配網(wǎng)的開關(guān)不是任意自由組合的，是受到配網(wǎng)輻射型結(jié)構(gòu)和每個(gè)負(fù)荷都有電力供應(yīng)等實(shí)際運(yùn)行條件約束的[6]，因此使用二進(jìn)制編碼[7,8]必然會(huì)產(chǎn)生大量不可行解，從而降低算法的效率。

本文研究了目標(biāo)歸一化方法求有效解，將網(wǎng)損最小作為主目標(biāo)，負(fù)荷平衡作為約束條件處理建立妥協(xié)模型[9]。提出了染色體整數(shù)編碼的方式以確保染色體與可行解之間一一對(duì)應(yīng)；通過引入隔離小生境遺傳算法[10]，有效地解決了遺傳算法早熟收斂問題并快速收斂到最優(yōu)解。

1 配電網(wǎng)絡(luò)重構(gòu)的數(shù)學(xué)模型

配電網(wǎng)絡(luò)重構(gòu)的優(yōu)化目標(biāo)函數(shù)有很多種，常用的目標(biāo)有:有功損耗最小、負(fù)荷均衡化和提高供電質(zhì)量、提高系統(tǒng)的穩(wěn)定性和可靠性。

由M.A.Kashem提出的以平衡負(fù)荷為目標(biāo)函數(shù)的數(shù)學(xué)模型[11]為

(1)

式中，BSYS為系統(tǒng)的負(fù)荷平衡指針；Nb為系統(tǒng)支路數(shù)總和；Si為流過支路的復(fù)功率；Simax為支路i的額定傳輸容量。

支路負(fù)荷平衡指針BLi的數(shù)學(xué)描述為

(2)

從數(shù)學(xué)意義上說，負(fù)荷平衡[12]就是指任一支路i的負(fù)荷平衡指針BLi等于或近似等于系統(tǒng)負(fù)荷平衡指針BSYS。即Max[BLi-BSYS]≤ε，其中ε為根據(jù)配電網(wǎng)絡(luò)具體情況人為設(shè)定的任意小的數(shù)。

兼顧負(fù)荷平衡和線損最小化為目標(biāo)函數(shù)

(3)

式中：f為系統(tǒng)的有功損耗，可以通過前推回代潮流法求得；ki表示開關(guān)i的狀態(tài)，是0-1離散量，0表示斷開，1表示閉合；ri表示支路i的電阻；Pi、Qi表示流過支路 的有功功率和無功功率；Ui表示支路i末端節(jié)點(diǎn)的電壓。

約束條件：

1)支路容量約束

Si≤Si,max

(4)

2)節(jié)點(diǎn)電壓約束

Ui,min≤Ui≤Ui,max

(5)

3)負(fù)荷平衡約束

Max[BLi-BSYS]≤ε

(6)

4)網(wǎng)絡(luò)拓?fù)浼s束——無供電孤島。

式中，Ui、Ui,min、Ui,max分別為節(jié)點(diǎn)i的電壓及其上下限。

2 隔離小生境遺傳算法

1975年Holland首先提出了小生境進(jìn)化算法[13]。在此算法中，一個(gè)種群類似于一個(gè)生態(tài)系統(tǒng)，具有某種相似性的一組個(gè)體類似于物種。將一個(gè)物種看成一個(gè)子種群，因此，物種、子種群、小生境是一對(duì)一的關(guān)系。小生境進(jìn)化算法的基本目標(biāo)就是形成和維持穩(wěn)定的多樣化子種群，在搜索空間的不同區(qū)域中并行地進(jìn)化搜索，從而克服遺傳漂移的均勻收斂趨勢(shì)，實(shí)現(xiàn)多峰、多目標(biāo)問題的優(yōu)化。

隔離小生境遺傳算法是依照自然界的地理隔離技術(shù)，將遺傳算法的初始群體分為幾個(gè)子群體，子群體間獨(dú)立進(jìn)化，各個(gè)子群體進(jìn)化快慢及規(guī)模取決于各個(gè)子群體的平均適應(yīng)水平。由于隔離后的子群體彼此獨(dú)立，可對(duì)各個(gè)子群體的進(jìn)化過程靈活控制，這是小生境技術(shù)所沒有的特點(diǎn)。這樣，算法不僅能有效保證群體中解的多樣性，而且具有很強(qiáng)的引導(dǎo)進(jìn)化能力。算法具體步驟見文獻(xiàn)[10]。

3 配電網(wǎng)重構(gòu)用隔離小生境遺傳算法

3.1 染色體的整數(shù)編碼

編碼是針對(duì)具體問題，選擇合適的編碼方案，完成問題解空間向遺傳算法解空間的轉(zhuǎn)化。為了更好的反映配電網(wǎng)網(wǎng)絡(luò)重構(gòu)問題的結(jié)構(gòu)特征，便于遺傳算子的開發(fā)，本文采用整數(shù)編碼方式。

以IEEE典型三饋線系統(tǒng)為例，如圖1所示，說明編碼方法。

圖1 IEEE典型三饋線系統(tǒng)Fig.1 Typical IEEE three-feeder system

(1)為提高算法效率，在滿足供電網(wǎng)供電約束條件下，所有控制變量必須滿足三個(gè)規(guī)則：規(guī)則一，不在任何環(huán)路上的支路開關(guān)必須閉合，不參與染色體編碼；規(guī)則二，與電源點(diǎn)相連的開關(guān)也應(yīng)閉合，也不參與染色體編碼；規(guī)則三，若公共開關(guān)被打開兩次及以上，則該解為不可行解，去掉該染色體。

(2)定義由聯(lián)絡(luò)線5、11、16組成的環(huán)網(wǎng)分別定義為1、2、3號(hào)環(huán)網(wǎng)。以環(huán)網(wǎng)1為例，①②開關(guān)不參與編碼，并按逆時(shí)針順序重新對(duì)環(huán)網(wǎng)中的開關(guān)進(jìn)行編號(hào)，分別把⑨④⑤號(hào)開關(guān)分別定義為①②③④號(hào)開關(guān)，以此類推。

(3)以圖1為例，染色體的3個(gè)基因分別為1、2、3號(hào)環(huán)網(wǎng)中打開開關(guān)的序號(hào)，其變化范圍為[1，4]。這樣以整數(shù)編碼的規(guī)則覆蓋了所有開關(guān)狀態(tài)，滿足所有染色體與解的唯一映射關(guān)系，不存在不可行解。

3.2 初始個(gè)體的產(chǎn)生和初始子群的隔離

隨機(jī)產(chǎn)生N個(gè)初始個(gè)體，將N個(gè)初始個(gè)體均分給K個(gè)子群體，每個(gè)子群體含有的個(gè)體數(shù)均為N/K。群體規(guī)模的大小直接影響遺傳算法的收斂性或計(jì)算效率，規(guī)模過小易收斂到局部最優(yōu)解，規(guī)模過大會(huì)造成計(jì)算速度降低。因此，初始個(gè)體數(shù)量N及初始子群體數(shù)量N/K應(yīng)根據(jù)實(shí)際配電網(wǎng)規(guī)模的大小不同而異，一般在10～200選定[14]。

3.3 個(gè)體適應(yīng)值的確定

計(jì)算群體中所有個(gè)體適應(yīng)值，并保存適應(yīng)值最高的個(gè)體。設(shè)有第t代第k個(gè)子群體中的第j個(gè)個(gè)體，通過調(diào)用潮流前推回代法計(jì)算程序，求得其對(duì)應(yīng)的目標(biāo)函數(shù)值即線損為Fkj(t)。采用罰函數(shù)法對(duì)式(4)的支路功率約束、式(5)的節(jié)點(diǎn)電壓降落約束及式(6)的負(fù)荷平衡約束進(jìn)行處理，則該個(gè)體適應(yīng)值為

(7)

式中：kU、kS、kB及φUi、φsi、φBi分別為電壓、功率和負(fù)荷平衡約束的懲罰因子與罰函數(shù)。

為克服電壓、功率和負(fù)荷平衡率量綱不統(tǒng)一及其數(shù)值差別較大等問題對(duì)計(jì)算造成的影響，用式(8)、(9)和(10)計(jì)算φUi、φsi和φBi：

(8)

(9)

(10)

3.4 子群體規(guī)模的確定

子群體的規(guī)模同子群體的平均適應(yīng)值有關(guān)，子群體的平均適應(yīng)值越大，其在下一代中擁有的個(gè)體就越多；反之，擁有的個(gè)體越少。但數(shù)目必須滿足最大允許規(guī)模和最小保護(hù)規(guī)模的限制。

設(shè)第t+1代第k個(gè)子群體的規(guī)模nk(t+1)滿足Mmin≤nk(t+1)≤Mmax，其中Mmin和Mmax分別為最小保護(hù)規(guī)模和最大允許規(guī)模，其值的設(shè)定根據(jù)網(wǎng)絡(luò)的實(shí)際情況及初始子群的規(guī)模大小而定。最小保護(hù)規(guī)模設(shè)定的過小，子種群的進(jìn)化容易早熟收斂；最大允許規(guī)模設(shè)定的過大，子種群的進(jìn)化很難收斂，而且耗費(fèi)資源較多，代價(jià)較高。因此，子群體最小保護(hù)規(guī)模Mmin及最大允許規(guī)模Mmax的值應(yīng)接近于初始子群體規(guī)模[15]。

子群體規(guī)模的確定如下：

(1)給每個(gè)子群體的平均適應(yīng)值分配Mmin個(gè)個(gè)體，剩下的個(gè)體根據(jù)子群體的平均適應(yīng)值利用輪盤賭方法選擇，直到總的群體數(shù)量達(dá)到N為止。

(2)子群體平均適應(yīng)值可取下式：

(11)

(3)子群體k第t+1代的規(guī)模nk(t+1)為

(12)

3.5 保護(hù)解除判定

為保持群體多樣性，需保護(hù)平均適應(yīng)值較低的子群體，使之不會(huì)過早被淘汰，并保持一定的進(jìn)化能力，對(duì)滿足保護(hù)解除條件的群體撤除保護(hù)。因此，在程序設(shè)計(jì)時(shí)引入保護(hù)判定和保護(hù)解除判定。

令第t代第k個(gè)子群體規(guī)模nk(t)滿足nk(t)≤Mmin，則啟動(dòng)子群體保護(hù)程序，強(qiáng)制使nk(t)=Mmin。若進(jìn)化到第t+1代時(shí)該子群體的規(guī)模nk(t+1)滿足：Mmin≤nk(t+1)≤Mmax，則解除子群體的保護(hù)。

3.6 劣種不活判定

對(duì)解群中沒有保護(hù)而連續(xù)幾代表現(xiàn)又最差的群體，予以剔除并產(chǎn)生等規(guī)模的新子群體。

3.7 同種互斥判定

隨機(jī)挑選出兩個(gè)子群體，依據(jù)某種規(guī)則判定其相似程度，對(duì)滿足相似條件的兩個(gè)子群體，去掉其中的一個(gè)，產(chǎn)生同等規(guī)模的新解。

定義相同長(zhǎng)度的以某一常數(shù)為基的兩個(gè)字符串對(duì)應(yīng)位不同的數(shù)量為兩者間的廣義海明距離[14]。當(dāng)群體進(jìn)化到第t代時(shí)，隨機(jī)抽取兩個(gè)子群體p、q，若其群體規(guī)模滿足：np(t)=nq(t)，且子群體p中的每一個(gè)個(gè)體在子群體q中都可找到一個(gè)與之對(duì)應(yīng)的廣義海明距離小于某一設(shè)定的常數(shù)，則啟動(dòng)同種互斥程序，剔除適應(yīng)值較小的子群體，并重新生成一個(gè)等規(guī)模的子群體。

3.8 更新進(jìn)化及收斂判斷過程

(1)新老更替判定：判定解群中是否存在己進(jìn)化停滯的子群體，并對(duì)其進(jìn)行新老更替，產(chǎn)生同等規(guī)模的新解，但對(duì)包含最優(yōu)個(gè)體的子群體要保留。

(2)重新計(jì)算適應(yīng)值：對(duì)新生的子群體計(jì)算適應(yīng)值，并施加幼弱保護(hù)措施。

(3)子群體進(jìn)化：由于子群體的規(guī)模同其在群體中的平均表現(xiàn)水平相聯(lián)系，故子群體的規(guī)模是不斷變化的。選擇出子群體的繁殖個(gè)體，利用交叉和變異算子產(chǎn)生下一代解群。

(4)收斂性判定，如果滿足收斂性條件，則結(jié)束進(jìn)化過程；否則返回3.3節(jié)。

4 算例分析

IEEE33節(jié)點(diǎn)配電系統(tǒng)[16]如圖2所示，具體參數(shù)見參考文獻(xiàn)[16]。該系統(tǒng)有37條支路 ，33個(gè)節(jié)點(diǎn)，5個(gè)聯(lián)絡(luò)開關(guān)：TS7-20，TS8-14，TS11-21，TS17-32，TS24-28額定電壓為12.66 kV。系統(tǒng)總的有功、無功負(fù)荷分別為：3715kW和2300kvar。

隔離小生境遺傳算法中參數(shù)的選取，根據(jù)配電網(wǎng)絡(luò)實(shí)際情況采用試探法[8]獲得；由于從操作參數(shù)的意義和優(yōu)化結(jié)果來看它們相互之間比較獨(dú)立，所以可以先假定其他參數(shù)固定不變，研究單一參數(shù)的最佳選取值，然后綜合。算例中：染色體編碼長(zhǎng)度為5，初始種群為60，子群體個(gè)數(shù)為5，子群體最大允許規(guī)模為18，最小保護(hù)規(guī)模為6，交叉率為0.618，變異率為0.05。本文研究中使用Matlab7.0編制的程序，程序連續(xù)運(yùn)行50次，92%進(jìn)化到18代，8%進(jìn)化到19代得到表1中優(yōu)化結(jié)果。

圖2 IEEE33節(jié)點(diǎn)配電系統(tǒng)結(jié)構(gòu)示意圖Fig.2 IEEE33 nodes distribution network表1 重構(gòu)前后有功損耗比較Tab.1 Power loss comparison between preand post reconfiguration

算法開關(guān)集合系統(tǒng)有功損耗/kW節(jié)點(diǎn)最低電壓(標(biāo)幺值)重構(gòu)前TS7-20、TS8-14TS11-21、TS17-32、TS24-28202.70.9182遺傳算法TS7-20、TS8-14TS9-10、TS27-28、TS31-32141.950.9374本文方法TS6-7、TS8-9TS13-14、TS24-28、TS31-32139.60.9384

圖3為配電網(wǎng)絡(luò)重構(gòu)前后的節(jié)點(diǎn)電壓的比較。重構(gòu)前系統(tǒng)節(jié)點(diǎn)最低電壓(標(biāo)么值)為0.9182，重構(gòu)后系統(tǒng)節(jié)點(diǎn)最低電壓(標(biāo)么值)為0.9384。其它各節(jié)點(diǎn)電壓幅值都有了一定程度的提高，從而提高了供電質(zhì)量。

圖3 重構(gòu)前后節(jié)點(diǎn)電壓比較Fig.3 Node voltages comparison between preand post reconfiguration

5 結(jié)語

本文針對(duì)二進(jìn)制編碼不能有效地反映配電網(wǎng)絡(luò)重構(gòu)問題的結(jié)構(gòu)特征，提出了染色體整數(shù)編碼方式，極大地縮短了染色體長(zhǎng)度、提高了運(yùn)算速度。通過引入隔離小生境技術(shù)，有效地解決了傳統(tǒng)遺傳算法在解配電網(wǎng)絡(luò)重構(gòu)問題上的“早熟收斂”。 算例中對(duì)IEEE33節(jié)點(diǎn)系統(tǒng)進(jìn)行了仿真實(shí)驗(yàn)，將隔離小生境遺傳算法與傳統(tǒng)遺傳算法的重構(gòu)結(jié)果進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明隔離小生境遺傳算法的可靠性及有效性，尋優(yōu)的優(yōu)點(diǎn)突出。

[1] Civanlar S, Grainger J J,Yin H,etal.Distribution feeder reconfiguration for loss reduction[J].IEEE Trans on Power Delivery,1998,3(3):1127-1223.

[2] Thakur T, Jaswanti. Application of tabu-search algorithm for network reconfiguration in radial distribution system[C]∥International Conference on Power Electronics, Drivers and Energy Systems, New Delhi, India: 2006.

[3] 左飛，周家啟(Zuo Fei, Zhou Jiaqi). TS算法在配電網(wǎng)絡(luò)重構(gòu)中的應(yīng)用(Application of Tabu search algorithm in distribution network reconfiguration)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA)，2004,16(1):66-69.

[4] 雷健生，鄧佑明，張伯明(Lei Jiansheng, Deng Youming, Zhang Boming).綜合潮流模式及其在配電系統(tǒng)網(wǎng)絡(luò)重構(gòu)中的應(yīng)用(Hybrid flow pattern and its application in network reconfiguration)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2001,21(1):57-62.

[5] 張永健.電網(wǎng)監(jiān)控與調(diào)度自動(dòng)化[M].北京:中國(guó)電力出版社,2004.

[6] 劉洋(Liu Yang).配電網(wǎng)絡(luò)重構(gòu)算法在綿陽城區(qū)的應(yīng)用研究(Study on the Application of Network Reconfiguration Algorithm to the Mianyang Urban Distribution Network)[D].重慶：重慶大學(xué)電氣工程學(xué)院(College of Electrical Engineering of Chongqing University)，2008.

[7] 張利民,馬強(qiáng),李振坤,等(Zhang Limin,Ma Qiang,Li Zhenkun,etal).基于禁忌克隆遺傳算法的配電網(wǎng)故障恢復(fù)重構(gòu)(Service restoration reconfiguration in distribution network based on Tabu clonal genetic algorithm)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA),2010,22(1):60-64.

[8] 梁勇,張焰,侯志儉(Liang Yong,Zhang Yan,Hou Zhijian).遺傳算法在配電網(wǎng)重構(gòu)中的應(yīng)用(Application of the genetic algorithm in the distribution reconfiguration for loss reduction)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA),1998,10(4):29-34.

[9] 潘毅，周京陽，李強(qiáng)，等(Pan Yi,Zhou Jingyang,Li Qiang,etal).基于公共信息模型的電力系統(tǒng)模型的拆分與合并(The separation/combination of power system model based on CIM)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2003，27(15):45-48.

[10]林焰，郝聚民，紀(jì)卓尚，等(Lin Yan,Hao Jumin,Ji Zhuoshang,etal).隔離小生境遺傳算法研究(A study of genetic algorithm based on isolation niche technique)[J].系統(tǒng)工程學(xué)報(bào)(Journal of Systems Engineering),2000，15(1):86-91.

[11]Hsu Yuan-Yin, Yi Jwo-Hwu, Liu S S,etal.Transformer and feeder load balancing using a heuristic search approach[J].IEEE Transactions on Power Systems,1993,8(1):184-190.

[12]劉柏私，謝開貴，周家啟(Liu Bosi, Xie Kaigui, Zhou Jiaqi).配電網(wǎng)重構(gòu)的動(dòng)態(tài)規(guī)劃算法(Electrical distribution networks reconfiguration using dynamic programming)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2005，25(9): 29-34.

[13]Holland J H．Adaptation in Natural and Artificial Systems[M]．Ann Arbor：University of Michigan Press，1975.

[14]雷英杰，張善文，李續(xù)武.MATLAB遺傳算法工具箱及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2005.

[15]徐曉華，陳崚，陳宏建(Xu Xiaohua,Chen Ling,Chen Hongjian).可變種群規(guī)模的遺傳算法(Genetic algorithm with variable population size)[J].系統(tǒng)仿真學(xué)報(bào)(Journal of System Simulation)，2006，18(4): 870-872,876.

[16]Baran Mesut E, Wu Felix F. Network reconfiguration in distribution systems for loss reduction and load balancing[J]. IEEE Trans on Power Delivery, 1992, 4(2):1401-1407.

ApplicationofIsolationNicheGeneticAlgorithmtoPowerDistributionSystemReconfiguration

GONG Lin1， WANG Xin1， LIU Bin2， LEI Xia2

(1.Chongqing Shiqu Power Supply Bureau, Chongqing 400030, China；2.College of Electrical Engineering and Information, Xihua University,Chengdu 610039, China)

The mathematical model of distribution network reconfiguration is established, which takes into accounts the restrictions of voltage, capacity, load balance and etc. Isolation niche genetic algorithm which combines the isolation niche technique with the genetic algorithm is presented for distribution network reconfiguration. Due to the fact that the binary code for the distribution network cannot reflect the structure of network reconfiguration problem effectively, the chromosomes integer encoding is studied in this paper. Through the isolation of initial population and the independent evolution of sub-populations, the problem about the premature convergence of genetic algorithm is solved effectively. The proposed algorithm is simulated by an example. Compared with the genetic algorithm, the algorithm proposed in this paper show the reliability, effectiveness and highlight the advantages of optimization of the isolation genetic algorithm.

distribution network reconfiguration； compromise mathematical model； chromosomes encoding； Isolation niche genetic algorithm

2010-08-24

2010-09-30

TM715； TM731

A

1003-8930(2011)04-0143-05

宮 林(1983-)，男，碩士，助理工程師，研究方向?yàn)殡娏ο到y(tǒng)及其自動(dòng)化。Email:gonglin2001@163.com

王 昕(1976-)，女，助理工程師，研究方向?yàn)樾畔⑾到y(tǒng)應(yīng)用。Email:wxin@cq.sgcc.com.cn

劉 斌(1984-)，男，碩士研究生，研究方向?yàn)榕潆娋W(wǎng)可靠性分析。Email:289601985@qq.com

雷 霞(1973-)，女，博士，副教授，碩士生導(dǎo)師，研究方向?yàn)殡娏κ袌?chǎng)、配電自動(dòng)化等。Email:Snow_lei246@sina.com