蚁群算法在配电网重构中的应用
改进蚁群算法在可靠多电源配电网规划模型中的应用
设计应用技术改进蚁群算法在可靠多电源配电网规划模型中的应用吴恺琳（国网福州供电公司，福建福州针对传统电力系统存在的故障诊断能力差、数据冗余等问题，提出一种基于自组织和深度强化学习相结合的新一代分布式电源系统可靠性优化方法。
首先，利用蚁群算法对传统的单电源配电网进行建模分析；其次，采用改进蚁群算法对该模型进行训练与测试；最后，将结果作为输入，构建出一个全新的多电源配电网综合评价体系并验证了所提方法的有效性。
研究表明，相比于传统的单电源配电网而言，该模型能够显著提升网络的鲁棒性、抗干扰能力以及预测准确率。
同时，由于引入了自组织机制来改善网络结构，使得网络具有较高的泛化性及适应度，因此可以更好地实现对复杂电网运行状态下的动态响应，从而进一步提高预测精度和稳定性。
此外，通过实验证明所提出的方法能够有效提高供电系统整体的供电效率。
蚁群算法；多电源配电网；规划模型Application of Improved Ant Colony Algorithm in Reliable Multi-Source DistributionNetwork Planning ModelWU Kailin(State Grid Fujian Fuzhou Electric Power Supply Company, Fuzhou条件；三是遗传算法，这是近年来研究比较成熟的一种方法，能够解决传统优化方法无法解决的一些实际问题，特别适合处理大规模的复杂问题[1]。
1.2 配电网潮流计算的数学模型为了更好地理解潮流计算方法，首先建立了配电网潮流计算数学模型。
假设某地区有n条支路和1条线路，每条路都独立且不与其他路相连接；该地区所有的节点均位于同一个区域内；各支路上的电流分别由各自的源点（X1）和汇点（X2）提供；各个节点上的电压值为U1、U2[2]。
1.3 配电网潮流计算方法根据上述方法，对某一地区的电负荷进行分析。
首先利用MATLAB软件编程求出各站用电量；其次将该区域划分为若干个小区间，每一个小区间内分别设置一个节点（即潮流节点）和一个潮流单元；最后再通过潮流单元与各个节点之间的距离关系来求出整个区域的总潮流值。
蚁群算法在配网重构中的应用
电网的运行状态而主动的做出一些响应，这就是主动配电网。
在配网中，一些开关也变成了可控的开关，可以根据电 网的控制指令进行断开和闭合，若作为支路间的联络开关， 根据指令进行断开或者是闭合，则就可以根据指令改变网络 的连接情况，这种改变网络的连接状态的现象，就是配网的 网络重构。
意义
网络重构可以降低网损，提高系统经济性。在提倡节约
第六步，更新全局的信息素；
第七步，重复以上的第三步至第六步，直至达到终止条件。
3 配网重构模型
配网重构模型
目标函数 min Ploss kiri | Ii2 |
以降低配电网运行的网络损耗为目标。
约束条件
潮流约束 电压约束 电流约束 辐射状约束
k为支路i上的开关控制变量，其值为1时证明开关闭合，其 值为0时，证明开关断开；r为支路i上的电阻；I为流过支路i 的电流。
无功功率
0.03 0.03
/MW
0.02 0.02 0.03 5
5
0
0
0
节点
17 18 19 20 21 22 23 24
有功功率
/MW 0.06 0.09 0.09 0.09 0.09 0.09 0.09 0.42
蚁群算法在配网重构中的应用
汇报人：XXX 指导老师：XXX
目录
1 背景和意义 2 蚁群算法 3 配网重构模型 4基于蚁群算法的配电网重构 5 总结
1 背景和意义
背景
近年来，随着一些分布式电源的发展，配电网的运行有了
很多新的挑战，由此，“主动配电网” 的概念被提出来。由于
一些可控的分布式电源的加入，有一些元件可以开始自身根据
型社会、节能减排的形势下，配电网网络重构显得尤为重要。
基于最大最小蚁群算法的含分布式电源的配电网重构
3 最大最小蚁群算法
3.1 蚁群算法
蚁群算法是意大利学者M.Doirgo，V.Maniezzo等人模拟自然界蚂蚁寻径的行为提出的一种启发式算法，因其具有较好的寻优能力，被广泛应用于各种组合式优化问题[8]。配电网重构便是一种复杂的组合式优化问题，可以将蚁群算法应用其中。
基于最大最小蚁群算法的含分布式电源的配电网重构
阮博;俞德华;柴继勇;周鹏;曾渤
【摘 要】This paper applies max-min ant colony algorithm for solving distribution network recon⁃figuration including distributed generation for the smallest power loss. In the process of reconfigura⁃tion, the formation of radiation network based on the growth of tree guarantees that the ants’paths meet network constraints, which improves the computational efficiency. By setting minimum and maximum value of road pheromone and the global pheromone updating methods, it can avoid the lo⁃cal optimal solution of ant colony algorithm and guarantee the convergence speed. Based on the Mat⁃lab programming, the IEEE69 node example is used for simulation analysis. The network loss reduc⁃es greatly and the voltage improves significantly after the reconfiguration. The optimization effect is remarkable.%以配电网网损最小为目标函数，将最大最小蚁群算法应用于含分布式电源（DG）的配电网重构。在重构过程中，基于生成树来形成辐射网保证了蚂蚁路径均满足网络拓扑约束，提高了计算效率。最大最小蚁群算法通过设置各支路信息素的最大最小值以及采用信息素全局更新方式，既可以避免基本蚁群算法易陷入局部最优解的弊端，又保证了收敛速度。基于Matlab编程，对IEEE69节点配电网进行仿真分析，配电网重构后，网损大大降低，节点电压有效提升，验证了该方法的可行性。
蚁群算法在配电网重构中的应用
蚁群算法在配电网重构中的应用摘要近几年科技迅速发展，使用智能算法在配电网中得到了极大的应用，例如粒子群算法、遗传算法、禁忌搜索算法、蚁群算法等都可以很好的解决问题，但是由于传统意义上的蚁群算法应用实例比较少，为了得到最佳解决方案需要花费大量的时间，并且计算过程复杂，现在多位学者对传统意义上的蚁群算法进行优化，从而改变现状，使蚁群算法得到应用。
关键词：蚁群算法遗传算法配电网重构配电网网络重构信息素配电网络分布式电源无功优化多目标优化配电网规划目录蚁群算法在配电网重构中的应用 (1)摘要 (1)1 引言 (3)2 蚁群算法 (3)2.1蚁群算法的起源 (3)2.2蚁群算法的基本思路 (3)2.3蚁群算法的特点 (4)3 蚁群算法和配电网重构的结合 (4)3.1配电网重构 (4)3.2用蚁群算法的应用 (5)3.3对蚁群算法的改进 (8)3.4仿真 (10)3.5算例 (11)4 配电网重构的意义 (16)结论 (18)引用 (19)1 引言近几年科技迅速发展，使用智能算法在配电网中得到了极大的应用，例如粒子群算法、遗传算法、禁忌搜索算法、蚁群算法等都可以很好的解决问题，但是由于传统意义上的蚁群算法应用实例比较少，为了得到最佳解决方案需要花费大量的时间，并且计算过程复杂，现在多位学者对传统意义上的蚁群算法进行优化，让蚁群算法大范围的应用，改善当前的状况。
2 蚁群算法2.1 蚁群算法的起源在上世纪九十年代初期，一篇论文出现了一种特殊的计算方法，它是Marco Dorig 再观察了蚂蚁的各种行为，尤其是在寻找食物的时候的行为之后想出了的类似优化蚂蚁进食顺序那样的一种计算方法，被命名为蚁群算法。
蚁群算法可以说是一种在整体算法中不断优化的进化算法，它具有很多优点，如启发式搜索，信息的正负反馈，分布式计算等特性。
Ant系统或蚁群系统最初由意大利学者Marco Dorig和其他人在20世纪90年代提出。
他们观察了蚂蚁的生命状态。
基于蚁群算法的配电网故障后恢复重构_张雅
#(
*+ " - $ ! *+ ’ 其他
!"#
算法步骤
)*+,"：初始化算法参数。设迭代次数初值 + % !，所有线路上的初始信息素!"# （ ! ）% . ，并令
! ! !"# % !， ( -./ % * " ，其中 * " 是一大数；建立 *012 表，用来存放已访问过的线路。
$
{
$
)( ] , ! (3& .% ./%
’
/ [ ! .% + .- ] , 5 !
%3&
%" $)
}
34 5 4 0 % !"# $ 0 % $ 0 % !/0 （ 6/7"/+（ 895）% *6:; <） 式中， 4 、 / 为权重系数； 5 为过负荷惩罚系数， — ;: —
8 ）3 ! !%( （
E］ 。本文将蚁群算法应用于 A9/=<59+ 72.>/=5 ）等［ 配电网故障后恢复重构，提出了一个综合考虑切负
荷最小和开关操作次数最少的配电网故障后恢复重 构模型。很多文献将网损最小也列为目标函数之 一，但在实际的实时恢复重构中会延长给出方案的 速度，不符合紧急事故情况下快速恢复供电的原 则，故本文仅将网损最小作为最后选取方案的一个 依据。算例验证了本文所提方法的有效性。
%3& ’)
.* 8 ）3 %( （
{
点； 9 为蚂蚁 * 下一时刻所允许转移的相邻节点；
" 为反映信息素作用的强弱指数因子， $ 为反映路 径信息作用的强弱指数因子；#%( 为路径 % ( 的路径
基于协同进化蚁群算法的含光伏发电的配电网重构
基于协同进化蚁群算法的含光伏发电的配电网重构随着社会的发展和经济的增长，电力需求也在不断增长。
然而，现有的配电网络基础设施已经无法满足这些需求，尤其是在人口稠密度高的城市地区。
因此，升级配电网络是一个必要的措施，以适应现代城市的快速增长。
伴随着传统燃煤发电的环保压力，光伏发电成为了未来发电领域的热门话题。
本文将以协同进化蚁群算法为基础，提出一种实现含光伏发电的配电网重构方案。
一、协同进化蚁群算法协同进化蚁群算法（CEA）是一种优化算法，其实质是一种自适应的多智能体系统。
该算法结合了蚁群算法和协同进化技术，将多个优化算法和智能体组合起来工作，以实现更好的全局优化效果。
它可应用于各种实际问题的解决，如路由问题、覆盖问题、调度问题、生产调度问题等等。
CEA包含三个主要部分：1.群体智能体（AI）每个AI是一个代表分配的解决方案。
每个AI都有自己的目标函数，其目标是最小化或最大化这个函数。
AI不断尝试寻找包含在搜索空间中良好解决方案的区域。
2.种群智能体种群智能体是一组AI，它们协同工作来寻找最佳解决方案。
人们可以通过微调种群智能体中每个AI的参数来优化整个群体的性能。
3.交流机制这种机制允许AI之间交流信息和资源。
种群智能体和单个AI之间的交流可以提高整个系统的性能。
基于此，CEA可以应用于配电网的重构中，以优化整个系统的性能。
二、含光伏发电的配电网重构1.问题定义在现有的配电网络基础上，考虑加入光伏发电，通过优化方案，以实现以下目标：（1）尽量降低能源成本，减少电力输送损失。
（2）保障电力供应的可靠性和稳定性。
（3）增加光伏发电的比例，提高环保效益。
（4）最小化新设备的成本开支。
2.设计方案（1）优化升级方案在已有的配电网络基础上，通过分析，找到合适的光伏发电配置方案，以实现上述目标。
（2）光伏发电系统的设计在确定光伏发电配置方案之后，可继续考虑光伏发电系统的设计，包括系统容量、板块的位置、倾角等。
基于蚁群算法的配电网重构
了本 文 所提 出 的算 法 的可 行 性 和 有 效 性 。
２ 装 有 连 接 开 关 ， 其余 用 实线 表 示 的支 路 装 有 分 段 开 关 联 络 开 的 负荷 ＋ 点 ｆ 续 所 有 节 点 的 功 率之 和 ＋ 点 ｆ 续所 有支 路 功率 损 ６上 而 节 后 节 后 关 是 常 开 开 关 ， 段 开关 是 常 闭开 关 。 分 当运 行 条件 改 变时 ， 过 打 开 和 耗）ＰＪＱ 为节点 ｉ 通 ；ｆ、 的有 功和无 功负荷， Ｖ 为节点 的电压， 为节点 闭合 这 两 种 类 型 的 开 关 来 实 现 网络 重 构 以 减 少线 路 损 失 。 也 就 是 说 ． 的 电压 ， 是 以 ｉ 始 节 点 的 支路 的终 节 点 集 ，对 图 ２所 示 的 情 况 ： 为 其 中一 个 联 络 开 关 被 合 上 以 转 移 负 荷 到 不 同 的 馈 线 上 ； 时 ， 个 分 同 一 （， ｝ ｂｅ ， Ｊ 对于末端节点 为空集 。 段 开关 被 打开 以维 持 配 电 网 络 的 放 射 性 结 构 。 例 如 在 图 ｌ ， 馈 线 中 当 总 的功 率 损 耗 应 该 是 所 有 支 路 功 率 损 耗 之 和 ， 以本 文 所 建立 的 所 Ⅱ上 的负 荷 在 正 常 运 行 条件 下 变 为 重 负 荷 时 ，联 络 开 关 １ ５被 合 上 以 目标 函数 为 ： 将 母 线 Ⅱ上 的 负 荷从 馈 线 Ⅱ转 移 到 馈 线 Ｉ 同 时 ， 段 开 关 １ 。 分 ９打 开 以 维 持 该 配 电 网 络 的放 射 性 结 构 。
基于模拟退火改进蚁群算法的配电网重构
式 中，
【 分别 为母 线 ｉ 电压 幅值 的下 限和 上限值 ； 为支 的
路 ｉ 电流 的上 限值 。
（） 射 状 约 束 。 ４辐
＾ ∈｛ １ ｌ ２ ３ … ， ） ０，｝（ ， ， ，
（） ６
式中 ， 为潮 流流 向节 点 的 弧数 。 ＾
提 高供 电质量 ， 降低 网损 ， 高系统 经济 性 。在 发生 故障 时， 提 隔离故 ３ 基 于 模 拟 退 火 改 进 蚁 群 算 法 的 配 电 网 重 构 障、 转移 负载 ， 小停 电影 响 ， 可以在 故障后快速 恢复供 电 。所 ３． 模 拟退 火算 法概 念 缩 并 １ 以说配 电 网络 重 构是 提高 配 电系 统安 全稳 定性和 经济 性 的重 要 Ｈ ． 模 拟 退火 算法 是 一种 求 解 大规 模 组 合优 化 问题 的有 效方 法 。 有 效的手 段。 它 源 于模拟 固体 退火 过程 。 该算 法是 设计合 适 的全局冷 却过程 ， 即
函数 进行 讨论 。 最小 化配 电网网损 ，配 电 网重构 中考 虑 的网损 一般 指 线路 上
生物 界 中的蚂 蚁 虽然 单个行 为简 单 ，但 是 由简单 个体 组成 群
体 却表 现 出极其 复杂 的人 工智 能特 性 ，蚂 蚁 群体 有能 力在 没有 任 何 可见提 示 下找 出从 其窝 巢至 食物源 的最短 路径 ，并 且能 随环 境 的变 化 而变化 ， 应性 地搜 索 新的路 径 ， 适 形成 新 的选择 路径 。能形
复 杂 的多 目标 高 维数 非线 性混 合优 化 问题 。 损 ， 保 留这 种结 构 ， 则采用 Ｍｅ ｏ ｏｉ 接 受准 则决 定接 受 或者 则 否 ￣ｐｌ ｓ 当前 常用 的配 电网重 构方 式主要 有解 析 类方 法 、 启发 式方 法 、 保 留 。 继续 交换 支路 ， 到达 到最 大支 路交 换数 目。 直 接着 逐步 衰减 人 工智 能化方 法 、 随机 优化 方 法 ＿ 。 ２ ］ 控 制参 数 ， 续冷 却 ， 继 重复 以上 迭代 过程 。 直到 网损 变化 极小 ， 得到 本文 讨论 的就 是结合 模拟退 火算法 和蚁 群算 法两者 的优 点 ， 避 系 统近 似最优 解 ， 终得 到配 电 网重构优 化 结构 。 最 开 两者的不 足 ，采用 其组合 分析 方式对 配 电网重 构 问题 进行研 究 ，
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
蚁群算法在配电网重构中的应用
摘要
近几年科技迅速发展，使用智能算法在配电网中得到了极大的应用，例如粒子群算法、遗传算法、禁忌搜索算法、蚁群算法等都可以很好的解决问题，但是由于传统意义上的蚁群算法应用实例比较少，为了得到最佳解决方案需要花费大量的时间，并且计算过程复杂，现在多位学者对传统意义上的蚁群算法进行优化，从而改变现状，使蚁群算法得到应用。
关键词：蚁群算法遗传算法配电网重构配电网网络重构信息素配电网络分布式电源无功优化多目标优化配电网规划
目录
蚁群算法在配电网重构中的应用 (1)
摘要 (1)
1 引言 (3)
2 蚁群算法 (3)
2.1蚁群算法的起源 (3)
2.2蚁群算法的基本思路 (3)
2.3蚁群算法的特点 (4)
3 蚁群算法和配电网重构的结合 (4)
3.1配电网重构 (4)
3.2用蚁群算法的应用 (5)
3.3对蚁群算法的改进 (8)
3.4仿真 (10)
3.5算例 (11)
4 配电网重构的意义 (16)
结论 (18)
引用 (19)
1 引言
近几年科技迅速发展，使用智能算法在配电网中得到了极大的应用，例如粒子群算法、遗传算法、禁忌搜索算法、蚁群算法等都可以很好的解决问题，但是由于传统意义上的蚁群算法应用实例比较少，为了得到最佳解决方案需要花费大量的时间，并且计算过程复杂，现在多位学者对传统意义上的蚁群算法进行优化，让蚁群算法大范围的应用，改善当前的状况。
2 蚁群算法
2.1 蚁群算法的起源
在上世纪九十年代初期，一篇论文出现了一种特殊的计算方法，它是Marco Dorig 再观察了蚂蚁的各种行为，尤其是在寻找食物的时候的行为之后想出了的类似优化蚂蚁进食顺序那样的一种计算方法，被命名为蚁群算法。
蚁群算法可以说是一种在整体算法中不断优化的进化算法，它具有很多优点，如启发式搜索，信息的正负反馈，分布式计算等特性。
Ant系统或蚁群系统最初由意大利学者Marco Dorig和其他人在20世纪90年代提出。
他们观察了蚂蚁的生命状态。
在研究蚂蚁喂食的过程中，他们发现蚂蚁的行为相对单一，可是纵观整个蚁群系统，可以很清晰的看出他们的行为都是十分有秩序，十分明确。
一个简单的例子：蚂蚁无论在什么样的环境之下总是能够快输准确的确定最便捷的寻食途径。
这其中的原因很简单，就是它们可以利用自身头顶上的两根触须进行两者之间的信息交流与传递，这大大提高了办事效率。
而经过进一步的研究分析，蚂蚁们是通过分泌一种信息素来进行信息共享。
在这条路径上行走的每只蚂蚁都会留下一种新的信息素，形成一种类似于正反馈的操作。
这样经过短时间的寻找，就可以找到最短的获得食物的途径。
2.2 蚁群算法的基本思路
在蚂蚁寻找食物的过程中的种种途径就可以看做对于一个问题的处理方法。
整个蚁群的所有路径构成了要优化的问题的解决方案。
蚂蚁寻找食物时分泌的信
息素越多，那么它们在确定最终的觅食路线时的距离就越短，伴随着觅食的时间越来越长，该条路径上信息素的密度也就越来越大。
最后，所有蚂蚁将根据信息素密度使用最短路径进行觅食。
因此，选择最佳路径，这也是要优化的问题的最佳解决方案。
2.3 蚁群算法的特点
（1）利用正反馈的方法，在试验阶段不断的优化，最终得到最优解决方案。
（2）每一个实验体在运动的过程中都会留下信息素来影响附近的环境，并且每一个实验体都能够接收上一个实验体留下的信息素，实验体之间通过信息素之间传递信息。
（3）蚁群算法可以同时多实验体同时进行计算，无不干扰，有效的提高了计算能力和实际运行的时间。
（4）在实验中遇到瓶颈时，可以快速的找到最佳解决方案。
因而将蚁群算法应用到配电网中可以使一些复杂问题得到有效的解决。
利用蚁群算法来针对一些重构配电网的问题进行求解，并且在其中改进了方向信息素的确定方式。
在这个算法中出现了一种新的策略，即新的信息素的更新与路径选择策略。
进而加速蚁群算法的收敛速度和精度控制，以确保全面的最优性。
除此以外，还有一系列的仿真实验也对其进行了证明，并且在重构配电网的问题当中发挥了很好的效用。
而且还提高了找到解决方案和优化方案的速度，比较最终确定最有效的方案。
3 蚁群算法和配电网重构的综合使用
3.1 配电网重构
在当下科技飞速发展的情况下，各种各样的算法也纷纷出现，当时对于重构配电网的问题最有效的解决方法还是近几年互联网兴起之后出现的人工智能算法。
它主要包括GA（遗传算法）、ACA（蚁群算法）、TSA（紧急搜索算法）以及PSO （粒子群优化算法）等等。
但是这些算法在现实中应用的例子却少之又少，主要原因是求解的过程十分复杂，最优解的构造耗时较长，计算效率较低。
为此，许。