袁 昕，劉明紅，王鵬朝，李 清

（國網(wǎng)新疆電力有限公司經(jīng)濟(jì)技術(shù)研究院，新疆 烏魯木齊）

引言

配電網(wǎng)重構(gòu)是確定配電網(wǎng)開關(guān)的狀態(tài)，使線路損耗在諸如饋線容量、電壓降和變壓器容量等條件的約束下得到最大優(yōu)化。由于候選開關(guān)組合很多，并且每個開關(guān)狀態(tài)都是離散的，所以配電網(wǎng)絡(luò)重構(gòu)被認(rèn)為是一個離散的、非線性約束的組合優(yōu)化問題。文獻(xiàn)[1]提出了一種具有鄰域搜索機(jī)制的免疫算法用于配電網(wǎng)重構(gòu)；文獻(xiàn)[2]結(jié)合進(jìn)化過程中的自適應(yīng)參數(shù)變化，提出了具有個體老化機(jī)制的遺傳算法，從而避免了早熟收斂；文獻(xiàn)[3]采用循環(huán)編碼的遺傳優(yōu)化與免疫方法相結(jié)合，以減少不可行解的產(chǎn)生。

粒子群優(yōu)化（PSO）是由Kennedy 和Eberhart 于1995 年提出的一種簡單而有效的啟發(fā)式優(yōu)化算法[4]。雖然粒子群算法在連續(xù)問題中得到了廣泛的應(yīng)用，但它并沒有很好的解決離散組合問題，如配電網(wǎng)重構(gòu)。考慮到電源的輸出，文獻(xiàn)[5]采用二進(jìn)制PSO（BPSO）解決重構(gòu)問題，粒子位置的每個維度表示開關(guān)的狀態(tài)，即，0 表示打開，1 表示關(guān)閉。

本文提出了一個基于更新策略，結(jié)合動態(tài)多種群的改進(jìn)粒子群優(yōu)化算法（DMS-PSO），相對于傳統(tǒng)粒子群算法有著更好的魯棒性能和收斂精度，更加適合于解決離散組合問題。

1 基于集合更新策略的動態(tài)多種群粒子群優(yōu)化算法（DMS-PSO）

1.1 動態(tài)多種群粒子群算法

DMS-PSO 算法是一種全局優(yōu)化算法，整個群體分成幾個亞組以相互協(xié)調(diào)，且在進(jìn)化的大多數(shù)時間，進(jìn)化信息不會在不同的子組之間交換。在幾次迭代之后，整個群體將被重組，相互交換進(jìn)化信息，這樣就可以有效地擴(kuò)展整個群體的搜索空間，提高收斂精度。算法的搜索過程如圖1 所示。

圖1 DMS-PSO 搜索過程

從圖1 中，我們可以看到粒子的搜索空間主要通過重組操作擴(kuò)展，更新規(guī)則如下：

1.2 基于集合概念的速度和位置更新機(jī)制

重新定義速度和位置變量并更新機(jī)制解決離散化，具體內(nèi)容表示如下：

（1） 速度變量定義為具有可能性的集合。

式中：vid為粒子在n 維度上的速度；Ed為表示第n 維中的所有元素的明確集合；ed是Ed中的某個元素；p（ed）為ed 的概率。

（2） 當(dāng)初始化粒子速度時，選擇維度中的所有元素，并為每個元素分配隨機(jī)可能性，即p（ed）。

（3） 對于速度更新機(jī)制，原始公式?jīng)]有任何變化，而公式中的計算運(yùn)算符不同。系數(shù)c 和速度集合vid之間的乘法運(yùn)算符被定義為系數(shù)c 和速度元素中的可能性p（ed）之間的乘法。如果可能性大于1，它將被限制為1。

兩個清晰的集合之間的負(fù)算子被定義為元素的加法。速度集合A 中的元素（A 和B 都具有）將從集合A 中移除。這里A 和B 表示兩個速度集。

具有可能性的兩個集合V1，V2之間的加運(yùn)算符被定義為元素加法。對于元素e 兩個集合，具有更大的可能性將被保持。

（4） 在更新粒子位置時，產(chǎn)生隨機(jī)可能性?，并且將選擇具有大于?的可能性的元素以形成候選集candi?。

隨機(jī)選擇候選集中的元素并參與位置更新以形成新的粒子位置。如果沒有可能大于隨機(jī)數(shù)?的元素，則候選集將為空，并且該維中的位置變量不會改變。

1.3 考慮鄰域搜索的動態(tài)多種群粒子群算法

為了進(jìn)一步提高算法的利用能力，本文提出了一種鄰域搜索機(jī)制。這種機(jī)制給予粒子一定的可能性Pc以彼此交換信息，其可能性預(yù)先確定為指數(shù)函數(shù)分布。主要步驟如下所示：

（1） 首先，對于第i 個粒子的第d 維，生成隨機(jī)可能性rand。如果rand 大于第i 個粒子的預(yù)定可能性Pc（i），則ith的位置X（i，d）不改變，否則到達(dá)步驟（2）。

（2） 其次，在整個群體ps 中隨機(jī)選擇兩個粒子Rnd1、Rnd2，并且將具有更好最佳適應(yīng)度Fit[pbest（Rnd）]的粒子以更新X（d）。

（3） 最后，如果d 大于最大尺寸數(shù)D，程序結(jié)束，否則d=d+1，繼續(xù)步驟（1）。

2 拓?fù)涞暮喕途幋a

由于分布網(wǎng)絡(luò)必須滿足網(wǎng)絡(luò)的徑向性質(zhì)，當(dāng)應(yīng)用智能算法來解決分布網(wǎng)絡(luò)重新配置問題時，會產(chǎn)生大量不可行解，有必要簡化拓?fù)浼s束判斷的過程。本文采用等價分支的簡化方法。閉合所有開關(guān)，選擇度數(shù)大于2 的節(jié)點(diǎn)和互連開關(guān)的端點(diǎn)為關(guān)鍵節(jié)點(diǎn)。關(guān)鍵節(jié)點(diǎn)之間的分支是等價的分支，在拓?fù)浼s束的判斷中起到相同的作用。如上所述，PG＆E 69 節(jié)點(diǎn)分布系統(tǒng)可以簡化為圖2。

圖2 PG＆E 69 節(jié)點(diǎn)分布網(wǎng)絡(luò)簡化的過程

對于編碼方法，采用循環(huán)編碼方法，其中每個循環(huán)中只能選擇一個開關(guān)。對于圖論中的樹的概念，連接圖中的輻射樹需要打開和關(guān)閉相等數(shù)量的開關(guān)以轉(zhuǎn)換成另一輻射樹拓?fù)?。循環(huán)編碼方法可以完美地滿足這些要求并有效地壓縮解空間。例如，69 節(jié)點(diǎn)系統(tǒng)原始解空間為273=1057，而循環(huán)編碼可以將解空間壓縮約為106。

3 不可行解的修復(fù)機(jī)制

對于不可行解，傳統(tǒng)的方法是重新求解，不僅低效而且更重要的是影響收斂精度。為了進(jìn)一步提高算法的運(yùn)行效率，提出了一種修復(fù)拓?fù)洳豢尚薪獾姆椒?。對于不同類型的不可行解，根?jù)各自的特點(diǎn)進(jìn)行判斷，并進(jìn)行相應(yīng)的修復(fù)。由于簡化和編碼方法，不可行解可以分為兩類：回路或者“孤島”。對于第一種情況下，回路的開關(guān)對應(yīng)的可用于區(qū)分類型的解，關(guān)閉一個重復(fù)的開關(guān)將有效地解決這些解；于另一種情況下，關(guān)閉所有的在循環(huán)中的接觸開關(guān)可以有效地解決不可行解。

4 實(shí)驗(yàn)結(jié)果與討論

為了驗(yàn)證算法的有效性，基于PG&E 69 節(jié)點(diǎn)分布式系統(tǒng)，分布式發(fā)電機(jī)安裝在21,50,39 節(jié)點(diǎn)上，具體參數(shù)見表1。

表1 DG 的位置和能力

對于參數(shù)選擇，種群大小設(shè)置為81，最大迭代為50，子組大小為3，慣性常數(shù)為0.9 至0.4，較大的慣性權(quán)重保證迭代初期有較大的全局搜索能力，迭代后期較小的慣性權(quán)重有利于更精確的局部搜索。

在配電網(wǎng)的69 節(jié)點(diǎn)上對所提出的修復(fù)機(jī)制進(jìn)行測試。系統(tǒng)的詳細(xì)參數(shù)如圖2 所示，結(jié)果如表2 所示。通過對比我們可以看出，本文所提出的方法具有更好的求解精度。

表2 使用DG 進(jìn)行配置和優(yōu)化的結(jié)果

本研究方法迭代15 次就收斂，文獻(xiàn)[5]的方法迭代24 次收斂，驗(yàn)證了本文方法具有較高的計算效率，原因是修復(fù)機(jī)制可以更好地利用不可行解中的信息，從而加速收斂過程，提高了計算效率。

5 結(jié)論

提出了一種基于改進(jìn)的動態(tài)多群粒子群優(yōu)化（DMS-PSO）的配電網(wǎng)重構(gòu)方法。針對粒子速度和位置提出了基于集的更新策略，提出了鄰域的學(xué)習(xí)策略來提高算法的局部搜索能力和一種修復(fù)機(jī)制，以提高算法的收斂速度和準(zhǔn)確性，在69 節(jié)點(diǎn)配電網(wǎng)絡(luò)系統(tǒng)的測試結(jié)果表明所提出的方法具有良好的性能。