遺傳蟻群算法的配電網(wǎng)狀態(tài)估計

1、遺傳蟻群算法的配電網(wǎng)狀態(tài)估計：Sincethesinglegeneticalgorithmorantcolonyalgorithmcan'tobtainthedesiredestimationresultsofpowerdistributionnetworkstate，anestimationmethodofpowerdistributionnetworkstatebasedongeneticalgorithmandantcolonyalgorithmisproposedaccordingtotheprincipleofcomplementaryadvantages.Thecurren

2、testimationsituationofthepowerdistributionnetworkstateisanalyzed.Themathematicalmodelofpowergridstateisconstructed，andsolvedbymeansofthegeneticalgorithmwithgoodglobaloptimizationability.Andthentheantcolonyalgorithmwithgoodlocaloptimizationabilityisusedtosearchthesolutionofgeneticalgorithmfinely，soas

3、toobtaintheoptimalestimationvalueofthepowerdistributedstate.Theexperimentalresultsshowthattheproposedalgorithmusestheadvantagesofgeneticalgorithmandantcolonyalgorithmfully，avoidstheshortcomingsofthetwoalgorithmeffectively，andobtainsbetterstateestimationresultofpowerdistributionnetwork.Keywords：power

4、distributionnetwork；stateestimation；geneticalgorithm；antcolonyalgorithm0引言隨著各種電器設(shè)備的增加，人們對配電網(wǎng)的可靠性要求更高，而配電網(wǎng)狀態(tài)估計可以幫助管理人員了解配電網(wǎng)當(dāng)前以及將來的變化態(tài)勢，引起了人們的廣泛關(guān)注1。配電網(wǎng)絡(luò)狀態(tài)估計是一種多約束組合優(yōu)化問題，針對該問題，許多學(xué)者投入了大量的時間，展開了深入的研究，提出一些性能良好的配電網(wǎng)狀態(tài)估計算法2。配電網(wǎng)狀態(tài)估計最初是基于加權(quán)最小二乘算法（WeightLeastSquare,WLS進行求解，首先對配電網(wǎng)狀態(tài)估計問題進行抽象，構(gòu)建一個數(shù)學(xué)模型，然后采用WLSB法得到配

5、電網(wǎng)狀態(tài)值3,WLSB法雖然簡單，易得到配電網(wǎng)狀態(tài)的解，但在建模過程中對問題進行了簡化，如假設(shè)配電網(wǎng)狀態(tài)是線性變化趨勢，這與實際配電網(wǎng)狀態(tài)的變化特點不太相符，因為配電網(wǎng)狀態(tài)與天氣、政策、季節(jié)等因素有關(guān)，不僅具有線性變化的特點，而且具有突變性、偶然性等非線性變化趨勢，這樣WLS»法進行配電網(wǎng)狀態(tài)估計，其通用性差，估計誤差大，結(jié)果不可靠2,4。針對WLS!法的局限性，學(xué)者們對其進行了相應(yīng)的改進，出現(xiàn)一些非線性的配電網(wǎng)狀態(tài)估計算法，如神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型、貝葉斯網(wǎng)絡(luò)等，它們可以對配電網(wǎng)狀態(tài)線性變化趨勢估計，利用這些方法進行配電網(wǎng)狀態(tài)估計，其估計的結(jié)果更優(yōu)5?7。近幾年有學(xué)者采用遺傳算法

6、、蟻群算法等8?10對配電網(wǎng)狀態(tài)估計問題進行求解，通過不斷迭代搜索得到配電網(wǎng)狀態(tài)估計的最優(yōu)解，然而單一算法無法對復(fù)雜、大規(guī)模的配電網(wǎng)狀態(tài)進行準(zhǔn)確估計11。針對單一遺傳算法或者蟻群算法的不足，結(jié)合優(yōu)勢互補原理，提出一種遺傳?蟻群算法的配電網(wǎng)狀態(tài)估計方法。首先構(gòu)建配電網(wǎng)狀態(tài)數(shù)學(xué)模型，然后利用遺傳算法對配電網(wǎng)狀態(tài)數(shù)學(xué)模型進行求解，最后采用蟻群算法對遺傳算法的解進行精細(xì)搜索，最后對算法的效果進行測試，測試結(jié)果表明，遺傳?蟻群算法避免了單一算法的不足，能夠獲得更優(yōu)的配電網(wǎng)狀態(tài)估計結(jié)果。1 配電網(wǎng)狀態(tài)估計的數(shù)學(xué)模型2 .3遺傳?蟻群算法遺傳算法無反饋機制，局部搜索能力差，蟻群算法缺乏初始信息素濃度，前期搜

7、索速度慢，因此將兩者進行組合，可以實現(xiàn)優(yōu)勢互補，遺傳?蟻群算法的工作步驟為：（ 1） 設(shè)置遺傳算法、蟻群算法初始參數(shù)。（ 2） 根據(jù)配電網(wǎng)狀態(tài)估計初始化種群。（ 3） 計算個體的適應(yīng)度函數(shù)值，并計算個體進入下一代的概率，選擇部分優(yōu)秀個體進入下一代。（4）采用自適應(yīng)交叉和變異概率產(chǎn)生新的個體，并計算其適應(yīng)度函數(shù)值，選擇父代和子代較優(yōu)者進入下一代。（5）滿足遺傳算法結(jié)束條件就停止執(zhí)行，轉(zhuǎn)而執(zhí)行蟻群算法。6）選取遺傳算法20%的優(yōu)秀個體作為蟻群算法初始信息。（7）根據(jù)蟻群算法的工作步驟得到配電網(wǎng)狀態(tài)估計最優(yōu)值。3 配電網(wǎng)狀態(tài)估計的效果測試為了分析遺傳?蟻群算法的配電網(wǎng)狀態(tài)估計效果，選擇一個配電網(wǎng)系統(tǒng)

8、作為測試對象，采用4核3.2GHzCPU,8GB內(nèi)存，Win7的計算機作為測試平臺，利用VC6.0+編程實現(xiàn)遺傳?蟻群算法，選擇遺傳算法、蟻群算法在相同實驗條件下進行配電網(wǎng)狀態(tài)估計對照實驗。遺傳?蟻群算法和對比算法的配電網(wǎng)電壓及電流進行估計的結(jié)果如圖5所示。對圖5的實驗結(jié)果進行分析和對比可以發(fā)現(xiàn)，遺傳?蟻群算法的配電網(wǎng)電壓和電流的估計精度要高于單一的遺傳算法和蟻群算法，其測量值與估計值沒有太大差別，估計偏差完全忽略，這主要是由于遺傳?蟻群算法利用了遺傳算法的全局搜索能力優(yōu)點，可以很快發(fā)現(xiàn)配電網(wǎng)的電壓和電流的可行解，然后采用蟻群算法對配電網(wǎng)的電壓和電流可行解進行精細(xì)搜索，綜合利用了兩種算法的優(yōu)點，避免了各自的不足，有效降低了配電網(wǎng)的電壓和電流估計誤差，準(zhǔn)確反映了配電網(wǎng)狀態(tài)的變化態(tài)勢，得到了理想的配電網(wǎng)狀態(tài)估計結(jié)果。在配電網(wǎng)狀態(tài)估計的實際應(yīng)用中，尤其對于規(guī)模較大的配電網(wǎng)，執(zhí)行速度比較重要，成為評價配電網(wǎng)狀態(tài)估計算法性能的一個重要指標(biāo)，為了測試各算法的執(zhí)行速度，遺傳?蟻群算法和對比算法均運行5次，統(tǒng)計它們求解時間，具體如圖6所示。遺傳?蟻群算法比其他算法的運行時間少，獲得了更高的配電網(wǎng)狀態(tài)估計效率，可以滿足配電網(wǎng)狀態(tài)估計的實時性，具有更高的實際應(yīng)用價值。4 結(jié)語配電網(wǎng)狀態(tài)估計受到多種因素的影響，利用單一算法進行配電網(wǎng)狀態(tài)的估計，單一算法均有各自的局限性，