（河北省电力勘测设计研究院 河北石家庄 050000）
摘要：文中提出一种混合算法来处理配电网重构问题，根据遗传算法和粒子群算法各自的原理特点，将遗传算法和粒子群算法相结合，充分的利用粒子群算法的快速性，随机性，全局收敛性，较好的解决了遗传算法用于配电网重构时的缺点和不足。
关键词：数学模型；混合算法
1 配电网重构的数学模型
按照不同的场合和目的可以定义不同的重构模型，一般来说，其数学模型描述如下：
2 混合算法
2.1 混合编码策略
在遗传算法中，编码是至关重要的一个环节，编码的好坏，直接影响算法的效率和稳定性能。在配电网络重构问题中，以0、1设置所有开关状态的编码方式容易产生大量的不可行解，大大降低了算法的寻优效率。在配电网中，相对于常闭的一般开关而言，联络开关占比较小的一部分，且当任意一个联络开关闭合时，在配电网中必然产生环网，为了保持配电网树状运行，则需要把相应环网中的分段开关断开。根据此特点，以网络中环路数量为染色体长度，环路开关号为染色体内容的编码方式。
2.2自适应规则
控制参数的调整主要是对交叉概率 、变异概率 进行的。交叉操作是遗传算法产生新个体的主要方法， 一般应取较大值.但若取值过大，易于破坏群体中的优良个体；若取值过小，产生新个体的速度又太慢， 的范围一般为0.4～0.99。变异操作是产生新个体的必不可少的辅助方法，若 取值较大，有可能破坏掉很多较好的个体，使得算法的性能近似于随机搜索的性能；若 取值太小，则变异操作产生新个体的能力和抑制早熟现象的能力较差，一般地 范围为0.001～0.1。由上可知， 和 越大，算法产生新个体的能力就越强，个体之间的适应度波动比较大； 和 越小，算法使个体趋于收敛的能力越强，个体的平均适应度比较平稳，有可能产生早熟现象。
采用自适应思想，在算法的运行过程中对 和 进行调整，其计算公式为：
运行算法程序得到的结果如表1所示。
图1为HGAPSO在寻优过程中最优适应值和群体平均适应值的动态演化情况，图2分别为上述三种算法最优适应值收敛特性曲线。
5 结论
本文综合考虑降低网损的收益和开关操作的费用，使配电网在一段时间T内的收益最大，得到配电网重构的多目标函数。在算法方面本文把遗传算法和粒子群算法相结合，在保证全局最优的情况下大幅提高了收敛速度，并以美国PG&E的69节点配电系统为算例进行了试算，并对仿真结果进行了具体的比较分析，验证了用于配网重构的混合算法的有效性和快速收敛性，实例表明所用算法对于避免陷入局部最优解显示了良好的优越性，进一步拓展了遗传算法在配电网络重构中的应用。
参考文献：
[1] 张步涵，沙立华，曾次玲.基于随机生成树的配电网重构模拟退火算法
[2] 黄健，张尧，李绮雯. 蚁群算法在配电网重构的应用
[3] 夏媚珠。基于改进遗传算法的配电网络重构的研究。广西大学硕士论文。2004.5
论文作者:赵辉
论文发表刊物:《电力设备》2017年第1期
论文发表时间:2017/3/9
标签：算法论文; 重构论文; 个体论文; 配电网论文; 粒子论文; 最优论文; 能力论文; 《电力设备》2017年第1期论文;