基于改进蚁群算法的智能配电网网格化规划方法研究

周林康，石 佳，李富鹏，徐静敏，孔志坚，王利民

(1.国网苏州供电公司，江苏 苏州 215000；2.上海交通大学电子信息与电气工程学院，上海 200240)

0 引言

随着智能配电网组网技术的发展，对配电网的网格规划和优化方法的研究受到相关领域的重视[1]。通过构建智能配电网网格化规划模型，结合分块区域规划方法设计智能配电网网格化规划方法，有利于在提高智能配电网网格化规划水平的同时，提高配电网输出的稳定性和安全性[2]。可以说，有效的智能配电网网格化规划方法在配电网设计和网络节点组网部署等方面具有重要意义[3]。

一般来说，对智能配电网网格化规划方法的研究，是建立在对智能配电网网格化节点的优化部署基础上的，并结合寻优控制方法进行智能配电网网格化规划和空间节点部署。而相关的智能配电网网格化规划方法受到学术界的极大关注[4-5]。文献[6]中提出了基于粒子群寻优调度的智能配电网网格化规划方法。该方法在构建智能配电网网格化规划的粒子群节点分配模型的基础上，通过模板匹配和分组检测方法完成对智能配电网的网格化规划。但该方法在进行智能配电网网格化规划时的自适应性不好，节点优选控制能力不强。

为进一步提高智能配电网规划能力，本文基于改进蚁群算法设计了智能配电网网格化规划方法。首先构建智能配电网网格化规划的参数分析模型，采用分块区域网格规划方法配置智能配电网网格化参数，在抗干扰抑制的基础上，以配电网网格谐波参数作为约束代价指标，结合改进蚁群寻优控制实现对智能配电网网格化的规划设计。最后，通过仿真实验证明了该方法在提高智能配电网网格化规划能力方面的优越性能。

1 节点部署和约束指标分析

1.1 智能配电网网格化规划节点部署

为实现智能配电网网格化规划，首先构建智能配电网网格化规划的参数分析模型。

采用分块区域网格规划的方法模拟智能配电网网格化参数[7]，得到智能配电网网格化分布蚁群集合为V={v1,v2,v3,…,vN}，其中N为蚁群的数量；然后完成蚂蚁群体寻优过程汇总，得到智能配电网规划的路线的集合为E={e1,e2,e3,…,em}，其中m为智能配电网节点网格化分布中分块蚁群路线的数量。通过蚁群寻优控制，得到智能配电网网格化路线的初始网格如图1所示。

图1 智能配电网网格化路线的初始网格

在图1所示的智能配电网网格化路线的初始网格中，假设随机1个蚂蚁个体沿着智能配电网网格化分布路线的寻优路径行进的距离为pij，寻优路径的参数为et，则可将智能配电网网格化分布的接连矩阵定义为

A=pij×et

(1)

由此可知，智能配电网网格化节点i与节点j之间的有效连接分布概率uij为

(2)

μ为有效连接分布系数；A为智能配电网网格化分布的接连矩阵。

通过联合随机概率密度估计，可得到智能配电网网格化路线分布的对角元素为

D=N×uij×E

(3)

D为配电网网格化路线分布的对角元素；E为智能电网规划的路线集合；N为蚁群个数。

在此基础上，根据蚁群群体中的个体行为差异性[8]，定义智能配电网网格化节点规划度为

(4)

di为配电网网格化节点规划度；V为智能配电网网格化分布蚁群集合；ri为蚂蚁个体行为差异的特征量。

根据节点规划度，采用自动寻优控制[9]，得到智能配电网网格化分块转移矩阵P为

P=A×V

(5)

P为配电网网格化分块转移矩阵。假设在给定的智能配电网网格区域中，通过模板匹配可得到智能配电网网格化分布的蚁群集合量U为

(6)

基于此，可通过蚁群寻优过程得到优化后的智能配电网网格化节点部署结果,如图2所示。

图2 优化后的节点部署模型

1.2 约束指标参数分析

在优化配电网节点部署模型的基础上，采用分块区域网格规划方法配置智能配电网网格化参数。通过计算用户侧谐波阻抗进行智能配电网网格化规划的模式识别和参数优选控制。假设配电网用户侧谐波阻抗λmax为

(7)

Ui为智能配电网网格化维数；b为智能配电网网格化区域的维数。由此可得到智能配电网网格化规划的约束参数为

(8)

αk为智能配电网网格化规划的约束参数指标；v为智能配电网网格化规划的约束特征值。在此基础上，假设p(U|Θ)为随机概率密度函数，α为电网公共连接点权重向量，σ为配网供电侧谐波阻抗均值向量，由此可得到智能配电网网格化规划函数R为

(9)

假设Z=(U,V)是由智能配电网网格化规划蚁群的随机参数构成的数据集，U为系统侧与用户侧谐波源分布集合。因而，Z也可被称为智能配电网网格化规划的蚁群寻优参数[10]。根据上述分析，建立智能配电网网格化分块融合模型和约束指标参数，从而提高智能配电网网格化组合能力。

2 智能配电网网格化规划设计

2.1 改进蚁群寻优控制

通过改进蚁群寻优方法实现配电网网格化过程中的智能化调度和寻优，通过建立谐波振荡的调制模型完成抗干扰抑制[11]。假设配电网第k个智能配电网网格化规划节点的信息度为βk，在智能配电网网格化规划过程中，通过蚁群算法进行自适应寻优和空间区域模板匹配[12]。若T为智能配电网网格化规划系数，则第t+1次智能配电网网格化规划节点的信息度为

βk(t+1)=βk×T

(10)

在此基础上，定义智能配电网网格化规划节点的特征响应[13]，通过模糊信息聚类得到智能配电网网格化规划谐波等效模型ψ为

(11)

M为谐波电流的波动量分布状态系数；Y为智能配电网网格化规划的蚁群寻优误差值。则可得智能配电网网格化分布的两侧谐波阻抗e为

e=ln(Y×ψ)

(12)

若假设配电网公共线路处的谐波电流为Me，则通过分块融合和特征匹配可得到智能配电网网格化搜索模型Q为

Q=Me×lne

(13)

根据上述分析，采用蚁群寻优的方式进行智能配电网网格化寻优，得到寻优过程函数Gm为

(14)

综上，通过改进蚁群寻优方法进行智能配电网网格化过程中的智能化调度和寻优，建立谐波振荡的调制模型，从而提高电网规划能力。

2.2 智能配电网网格化实现

以配电网网格分布系统侧与落点侧等效谐波源参数Vm作为约束代价指标，在改进蚁群寻优控制下，得到局部控制参数为

Rk(t)=Rs(t)×Vm

(15)

Rs(t)为t时刻电网输出的负荷，Rs(t)={Rs1,Rs2,…,Rsm}。

假设E(pi,nj)为配电网网格化规划分布密度[14]，则通过负载均衡调度可得到智能配电网网格化规划的均衡调度效率D(pi,nj)为

D(pi,nj)=Rk(t)·E(pi,nj)

(16)

E(pi,nj)表示配电网网格化规划分布密度[14]。在此基础上，假设电网路径分布序列为{(x0,t0),(x1,t1),…,(xl,tl)}，通过智能调度方法得到优化的电网规划节点分布函数为

Ds=D(pi,nj)·{(x0,t0),(x1,t1),…,(xl,tl)}

(17)

综上分析，实现了对智能配电网的网格化规划设计，具体的实现流程如图3所示。

图3 智能配电网网格化规划的实现流程

3 仿真实验分析

为验证本文设计的基于改进蚁群算法的智能配电网网格化规划方法的实际应用性能，设计如下仿真实验加以验证。

实验参数设计如下：配电网的直流侧谐波振荡系数为0.34，最大蚁群数为300，配网节点数为120。配电网覆盖范围为60 m×60 m，从中随机选择20个配网节点，并记录其横纵坐标。详细的仿真场景参数如表1所示。

表1 仿真环境描述

根据上述参数设定实现智能配电网网格化规划设计，得到电网功率因素测度信息如图4所示。

图4 功率因数测度

由图4可知，利用本文方法实现智能配电网网格化规划后，功率因数变化状态较为平稳，表明配电网输出信息的功率增益较大、稳定性较好。从而初步证明了本文方法的有效性。

在此基础上，以电网为指标，测试电网的稳定性。为避免实验结果的单一性，将传统的基于粒子群寻优调度的智能配电网网格化规划方法，和基于模糊度特征挖掘的智能配电网网格化规划方法作为对比方法，得到结果如图5所示。

图5 稳定性对比测试

由图5可知，基于改进蚁群算法的智能配电网网格化规划方法下的输出功率曲线最为平稳。由此可知，利用本文方法进行智能配电网网格化规划后，配电网的输出稳定性较好，证明本文方法有效提高了智能配电网网格化规划能力和输出性能。

4 结束语

对智能配电网展开网格化规划设计，能够提高智能配电网网格化规划水平的同时，进一步提高配电网输出的稳定性和安全性。为此，提出了基于改进蚁群算法的智能配电网网格化规划方法。经仿真实验结果可知，应用本文方法后，配电网的输出功率更为稳定性，证明本文方法能够有效提高配电网的安全性和稳定性。