配电网多目标pareto重构+智能算法matlab

简介: 配电网多目标pareto重构+智能算法matlab

前言:之前分享的采用智能算法的配电网优化重构和故障重构程序,主要是采用罚函数的方式确保网络不出现环网和孤岛,但是在多目标pareto求解中,采用罚函数的方式大大降低了程序可用性,因此主要的难点就在于此,本次和大家看一下多目标重构的编程方法。


一、主要理论

以IEEE 33节点系统为例说明,配网中保持配网辐射状态的方法,IEEE 33节点系统有33个节点,32个分段开关和5个联络开关,为了使得网络保持辐射运行状态,具体的步骤如下:

1.将系统中的各个支路进行标号,0代表支路上的开关是断开的,1代表支 路上的开关是闭合的; 2.利用图论决定基本的环路,环路的个数与联络开关的个数是一样的,对33 节点系统而言即5个,如下图所示。

3.然后,根据基本的环路列出基本环矩阵M。 M的行数即基本环的个数, 列数为支路数最多的那个环的支路数,其他小一些的环中没有这么多支路的空余 的地方值都填充为0。本文中,为了更简便,每条支路,包括环共有的支路,都只会包含在一个支路环里,这样就省略了节点分类以及还需创建其他支路的麻烦。 编码的规则是从图的最上面的支路编码到最下面的支路,从最左边的支路编码到最右边的支路。公共的支路只会被包含在首次将其编码进去的环内。通过上面的编码即得到IEEE 33节点的基本环矩阵M:

4.从矩阵M的每一行中选取一个非零元素,在每一次的网络重构中,每个环路中的都有且只有一条支路(非零元素)能被选为断开,每个环中被选中的断开的支路开关状态改为0,其余支路的开关状态都保持为1。

通过上面的步骤,在重构过程中没有非可行解的产生,因此整个重构过程的步骤大大简化。

该算例的目标函数分别是网损、电压偏差和开关开断成本。

二、主要程序内容

通过引入kxx函数改变传统罚函数方式,在目标函数中增加方案校验和修正方式,确保满足配网联络性和辐射性特点。

al=0.9,0.88,0.89,0.91,0.92,0.94,0.96,1.02,1.04,1.06,1.08,1.05,1.02,0.98,0.96,0.95,0.98,0.99,1.02,1.05,1.07,1.05,1.03,0.96];%不同时间负荷比例
 
pw=50.*[0.359165    0.378539    0.397914    0.546945    0.518629    0.497765    0.459016    0.318927    0.253353    0.4307  0.490313    0.561848    0.582712    0.603577    0.643815    0.663189    0.718331    0.631893    0.530551    0.460507    0.38152 0.371088    0.359165    0.338301];
 
pv=50.*[0,0,0,0,0,0.00670613838163443,0.0740392771149517,0.240411546113239,0.450742969667699,0.699735172142443,0.855341269188865,0.963572441035704,1,0.917690448475439,0.500560277957363,0.463527102400363,0.341920844346065,0.191942376214751,0.136370650849977,0,0,0,0,0];
 
for it=1:24
 
BranchM=[1 1 2    0.0922+i*0.047  %支路参数矩阵
 
         2 2 3    0.4930+i*0.2511
 
         3 3 4    0.3660+i*0.1864
 
         4 4 5    0.3811+i*0.1941
 
         5 5 6    0.8190+i*0.7070
 
         6 6 7    0.1872+i*0.6188
 
         7 7 8    0.7114+i*0.2351
 
         8 8 9    1.0300+i*0.7400
 
         9 9 10   1.0440+i*0.7400
 
         10 10 11 0.1966+i*0.0650
 
         11 11 12 0.3744+i*0.1238
 
         12 12 13 1.4680+i*1.1550
 
         13 13 14 0.5416+i*0.7129
 
         14 14 15 0.5910+i*0.5260
 
         15 15 16 0.7463+i*0.5450
 
         16 16 17 1.2890+i*1.7210
 
         17 17 18 0.7320+i*0.5740
 
         18 2  19 0.1640+i*0.1565
 
         19 19 20 1.5042+i*1.3554
 
         20 20 21 0.4095+i*0.4784
 
         21 21 22 0.7089+i*0.9373
 
         22 3  23 0.4512+i*0.3083
 
         23 23 24 0.8980+i*0.7091
 
         24 24 25 0.8960+i*0.7011
 
         25 6  26 0.2030+i*0.1034
 
         26 26 27 0.2842+i*0.1447
 
         27 27 28 1.0590+i*0.9337
 
         28 28 29 0.8042+i*0.7006
 
         29 29 30 0.5075+i*0.2585
 
         30 30 31 0.9744+i*0.9630
 
         31 31 32 0.3105+i*0.3619
 
         32 32 33 0.3410+i*0.5362
 
         33 8  21 2.0+i*2.0
 
         34 9  15 2.0+i*2.0      %要保证联络开关的首节点必须是T=3节点,编程决定的。(如果两个节点T=2时就不做要求了)
 
         35 12 22 2.0+i*2.0
 
         36 18 33 0.5+i*0.5
 
         37 25 29 0.5+i*0.5   ];
 
 
 
NodeM=[1 0
 
       2 0.1000+i*0.0600     %节点参数矩阵(电源节点负荷为0)
 
       3 0.0900+i*0.0400
 
       4 0.1200+i*0.0800
 
       5 0.0600+i*0.0300
 
       6 0.0600+i*0.0200
 
       7 0.2000+i*0.1000
 
       8 0.2000+i*0.1000
 
       9 0.0600+i*0.0200
 
       10 0.0600+i*0.0200
 
%        10 0.4200+i*0.2000
 
       11 0.0450+i*0.0300
 
       12 0.0600+i*0.0350
 
       13 0.0600+i*0.0350
 
       14 0.1200+i*0.0800
 
%        14 0.4200+i*0.2000
 
       15 0.0600+i*0.0100
 
       16 0.0600+i*0.0200
 
       17 0.0600+i*0.0200
 
       18 0.0900+i*0.0400
 
       19 0.0900+i*0.0400
 
       20 0.0900+i*0.0400
 
       21 0.0900+i*0.0400
 
       22 0.0900+i*0.0400
 
       23 0.0900+i*0.0500
 
       24 0.4200+i*0.2000
 
       25 0.4200+i*0.2000
 
       26 0.0600+i*0.0250
 
       27 0.0600+i*0.0250
 
       28 0.0600+i*0.0200
 
       29 0.1200+i*0.0700
 
       30 0.2000+i*0.6000
 
       31 0.1500+i*0.0700
 
       32 0.2100+i*0.1000
 
       33 0.0600+i*0.0400 ];
 
  %  NodeM(:,2)=NodeM(:,2)+SDG;
 
  NodeM(:,2)=al(it).*NodeM(:,2);
 
  NodeM(7,2)=NodeM(7,2)-pw(it)/1000;%加入风电
 
  NodeM(9,2)=NodeM(9,2)-pw(it)*2/1000;%加入风电
 
  NodeM(18,2)=NodeM(18,2)-pv(it)/1000;%加入光伏
 
  NodeM(25,2)=NodeM(25,2)-pv(it)/1000;%加入光伏
 
Dim=5;
 
lb=ones(1,Dim);
 
ub=[10 7 15 21 11];
 
% a1=rand(sizepop, Dim);
 
% a2=repmat(ub-lb,sizepop,1);
 
% a3=repmat(lb,sizepop,1);
 
% pop = round(a1.* a2+ a3);
 
%     for i1=1:LL
 
%         a(1,i1)=H(i1,Swarm1(1,(it-1)*5+i1));
 
%         state(a(1,i1),it)=0;
 
%     end
 
    [checkhl,checkgd]=kxx(Swarm1(1,(it-1)*5+1:it*5));
 
    while checkhl==0 || checkgd==0
 
        Swarm1(1,(it-1)*5+1:it*5)=round(rand(1,5).* (ub-lb)+ lb);
 
        [checkhl,checkgd]=kxx(Swarm1(1,(it-1)*5+1:it*5));
 
    end
 
    for i1=1:LL
 
        a(1,i1)=H(i1,Swarm1(1,(it-1)*5+i1));
 
        state(a(1,i1),it)=0;
 
    end
 
for i1=1:LL          %按照断开开关矩阵,剔除Z矩阵中的断开支路
 
    j=i1-1;
 
    for i2=1:b+LL-j
 
        if BranchM(i2,1)==a(1,i1)
 
            BranchM(i2,:)=[];
 
            break
 
        end
 
    end
 
end
 
NodeN=zeros(n);   %节点-节点关联矩阵A
 
for i1=1:b
 
    NodeN(BranchM(i1,2),BranchM(i1,3))=1;
 
    NodeN(BranchM(i1,3),BranchM(i1,2))=1;
 
end
 
 
 
LayerM=[1];      %节点分层矩阵,电源节点号记“1”
 
NU=zeros(1,n);   %上层节点矩阵(有33列的行矩阵)
 
 while(checkhl==1)
 
%以下用循环求取矩阵LayerM和NU
 
 
 
while(checkgd==1)
 
    h=1;
 
while(min(NU(2:33)~=0)==0) %NU矩阵的2-最后都有上层节点了,表示循环结束了
 
m=max(find(LayerM(:,h)));  %m为矩阵LayerM第h列非零元素的个数
 
 k=1;
 
for i1=1:m     
 
    g=LayerM(i1,h);           %LayerM的第i1行第h列元素
 
    ss=find(NodeN(g,:)==1);
 
       for i2=1:length(ss)
 
        if LayerM~=ss(1,i2)   %排除相同节点
 
           LayerM(k,h+1)=ss(1,i2);
 
           NU(1,ss(1,i2))=g;
 
           k=k+1;             %k表示第h层含有的节点数
 
        end
 
       end
 
end
 
h=h+1;                     %h表示网络分层的层数
 
if length(LayerM(1,:))==h-1  %如果网络分层矩阵没有搜索到下层节点,说明形成了断点,后边网络形成了孤岛,与电源节点没有连通回路
 
        checkgd=0;        
 
       % disp('形成孤岛')
 
        guan=10000;
 
        check=0;
 
        break       %结束循环
 
    end
 
end
 
if min(NU(2:33)~=0)  %若解可行,已经计算完LayerM,则让其跳出最外层while循环
 
    checkgd=0;
 
    %disp('可行解')
 
  end
 
end

三、程序结果

程序运行过程解集实时优化图

可私信获取程序链接~


相关文章
|
2月前
|
存储
基于遗传算法的智能天线最佳阵列因子计算matlab仿真
本课题探讨基于遗传算法优化智能天线阵列因子,以提升无线通信系统性能,包括信号质量、干扰抑制及定位精度。通过MATLAB2022a实现的核心程序,展示了遗传算法在寻找最优阵列因子上的应用,显著改善了天线接收功率。
|
2月前
|
算法
基于粒子群算法的分布式电源配电网重构优化matlab仿真
本研究利用粒子群算法(PSO)优化分布式电源配电网重构,通过Matlab仿真验证优化效果,对比重构前后的节点电压、网损、负荷均衡度、电压偏离及线路传输功率,并记录开关状态变化。PSO算法通过迭代更新粒子位置寻找最优解,旨在最小化网络损耗并提升供电可靠性。仿真结果显示优化后各项指标均有显著改善。
|
2月前
|
机器学习/深度学习 人工智能 算法
【MM2024】面向 StableDiffusion 的多目标图像编辑算法 VICTORIA
阿里云人工智能平台 PAI 团队与华南理工大学合作在国际多媒体顶级会议 ACM MM2024 上发表 VICTORIA 算法,这是一种面向 StableDiffusion 的多目标图像编辑算法。VICTORIA 通过文本依存关系来修正图像编辑过程中的交叉注意力图,从而确保关系对象的一致性,支持用户通过修改描述性提示一次性编辑多个目标。
|
4月前
|
机器学习/深度学习 监控 算法
R-CNN系列目标算法
8月更文挑战第12天
|
5月前
|
机器学习/深度学习 人工智能 分布式计算
算法金 | 最难的来了:超参数网格搜索、贝叶斯优化、遗传算法、模型特异化、Hyperopt、Optuna、多目标优化、异步并行优化
机器学习中的超参数调优是提升模型性能的关键步骤,包括网格搜索、随机搜索、贝叶斯优化和遗传算法等方法。网格搜索通过穷举所有可能的超参数组合找到最优,但计算成本高;随机搜索则在预设范围内随机采样,降低计算成本;贝叶斯优化使用代理模型智能选择超参数,效率高且适应性强;遗传算法模拟生物进化,全局搜索能力强。此外,还有多目标优化、异步并行优化等高级技术,以及Hyperopt、Optuna等优化库来提升调优效率。实践中,应结合模型类型、数据规模和计算资源选择合适的调优策略。
226 0
算法金 | 最难的来了:超参数网格搜索、贝叶斯优化、遗传算法、模型特异化、Hyperopt、Optuna、多目标优化、异步并行优化
|
6月前
|
算法 安全 数据库
基于结点电压法的配电网状态估计算法matlab仿真
**摘要** 该程序实现了基于结点电压法的配电网状态估计算法,旨在提升数据的准确性和可靠性。在MATLAB2022a中运行,显示了状态估计过程中的电压和相位估计值,以及误差随迭代变化的图表。算法通过迭代计算雅可比矩阵,结合基尔霍夫定律解决线性方程组,估算网络节点电压。状态估计过程中应用了高斯-牛顿或莱文贝格-马夸尔特法,处理量测数据并考虑约束条件,以提高估计精度。程序结果以图形形式展示电压幅值和角度估计的比较,以及估计误差的演变,体现了算法在处理配电网状态估计问题的有效性。
|
6月前
|
存储 算法
基于布谷鸟搜索的多目标优化matlab仿真
该程序运用布谷鸟搜索算法进行多目标优化,设置三个目标函数,生成三维优化曲面和收敛曲线。在MATLAB2022a中运行,显示了迭代过程中的优化结果图。算法基于布谷鸟的寄生繁殖和列维飞行行为,通过非支配排序和拥挤度计算处理多目标问题。迭代中,新解不断被评估、更新并加入帕累托前沿,最终输出帕累托前沿作为最优解集。
|
6月前
|
算法
基于仿射区间的分布式三相不对称配电网潮流算法matlab仿真
```markdown # 摘要 本课题聚焦于基于仿射区间的分布式三相配电网潮流算法在MATLAB2022a中的仿真。算法利用仿射运算处理三相不平衡情况及分布式电源注入,旨在提供比区间算法更精确的不确定区域。仿真结果展示了算法优势。核心程序设计考虑了PQ、PV及PI节点,将不同类型的节点转换统一处理,以适应含分布式电源的配电网潮流计算需求。 ``` 这个摘要以Markdown格式呈现,总字符数为233,满足了240字符以内的要求。
|
6月前
|
算法 调度
【完全复现】基于改进粒子群算法的微电网多目标优化调度
该文档描述了一个使用改进粒子群算法实现的微电网多目标优化调度的Matlab程序。该模型旨在最小化运行成本和环境保护成本,将多目标问题通过权值转换为单目标问题解决。程序中定义了决策变量,如柴油发电机、微型燃气轮机、联络线和储能的输出,并使用全局变量处理电负荷、风力和光伏功率等数据。算法参数包括最大迭代次数和种群大小。代码调用了`PSOFUN`函数来执行优化计算,并展示了优化结果的图表。
|
7月前
|
算法
【优选算法】——Leetcode——LCR 179. 查找总价格为目标值的两个商品
【优选算法】——Leetcode——LCR 179. 查找总价格为目标值的两个商品