基于粒子群算法的电力运输网络拓扑结构设计方法技术

本发明专利技术公开一种基于粒子群算法的电力运输网络拓扑结构设计方法，其实现步骤为：(1)设定参数；(2)初始化种群；(3)产生新的个体；(4)产生新的个体最优和全局最优；(5)生成新的种群；(6)判断当前迭代次数，若满足最大迭代次数，执行步骤(7)，否则，执行步骤(3)；(7)输出最优电力运输网络。本发明专利技术在设计电力运输网络拓扑结构的过程中，将网络鲁棒性作为个体的评价标准，设计了有效的编码、个体更新算子和领域自生种群操作，采用了粒子群算法框架，能够设计出具有高鲁棒性的电力运输网络拓扑结构。

【技术实现步骤摘要】
基于粒子群算法的电力运输网络拓扑结构设计方法
本专利技术属于物理
，更进一步涉及物理网络设计
的一种基于粒子群(particleswarmoptimization，PSO)算法的电力运输网络拓扑结构设计方法。本专利技术可用于设计电力运输网络拓扑结构，以便当其受到攻击或者扰动时，能够使电力运输网络的功能最大程度地维持完整，有效地抵抗受到的攻击或者扰动。
技术介绍
网络鲁棒性(Networkrobustness)是网络的一个重要属性，它是指网络在遭受到攻击、破坏或者扰动的情况下，其能否保持功能完善或者能否继续工作的一个衡量指标。在电力运输系统中，将发电站、变电站等抽象成复杂网络节点，将输电线看成连接边，那么电力运输系统就可以抽象成一个复杂网络模型，称为电力运输网络。电力运输网络拓扑结构设计就是，在维持电力运输网络度分布不变的条件下，调整电力运输网络拓扑结构，使其在受到攻击或扰动时，网络功能尽可能的维持完整，即最大化地提高电力运输网络的鲁棒性。杭州中威智能科技有限公司，浙江工业大学申请的专利“一种基于策略自适应差分进化的配电网络扩展规划方法”(专利申请号CN201410352906X，公开号CN104102956A)中提出了一种基于策略自适应的差分进化的配电网络扩展规划方法。该方法考虑资金的时间价值，以获得最大经济利益为目标，旨在设计出一种投资回报率最高的电力运输网络拓扑结构。该方法存在的不足是，在电力运输网络受到攻击或者扰动时，不具有良好的电力运输网络鲁棒性，使得电力运输网络不能有效地抵抗受到的攻击或者扰动。C.M.Schneider等人在论文“Mitigationofmaliciousattacksonnetworks”(ProceedingsoftheNationalAcademyofSciences.USA108，3838-3841(2011))中提出了基于最大连通子分量的鲁棒性衡量标准，并且设计了一种基于启发式算法的网络拓扑结构设计方法。文中所提到的启发式方法的主要步骤：步骤1，对电力运输网络执行随机调整结构操作得到一个临时网络；步骤2，计算临时网络的鲁棒性；步骤3，判断鲁棒性是否提高，若提高，则用临时网络代替电力运输网络，否则，电力运输网络不变；步骤4，判断迭代次数是否满足最大迭代次数，若满足，得到最终的电力运输网络，否则，返回步骤1；步骤5，输出电力运输网络。该方法的特点是简单易用，但是，该方法仍然存在的不足是，在优化过程中全局搜索能力弱，搜索过程类似于穷举搜索，随着网络规模的增大，时间增长过快，该方法的搜索效率会大大降低，从而影响了电力运输网络拓扑结构设计的效果。
技术实现思路
本专利技术的目的在于克服上述现有技术的不足，提出了一种基于粒子群算法的电力运输网络拓扑结构设计方法。本专利技术在获得最优粒子个体的进化过程中，对粒子群种群更新过程进行改进，性能得到提高。本专利技术实现的思路是，在电力运输网络拓扑结构调整的过程中采用粒子群算法，设计有效的编码方法和个体更新操作算子，充分利用粒子群算法全局搜索能力强的优点，并采用基于最大连通子分量的鲁棒性评价准则评价个体的好坏，进行个体最优和全局最优的更新，最后得到具有高鲁棒性的电力运输网络拓扑结构。本专利技术实现的具体步骤包括如下：(1)设定参数：将粒子群的种群大小设定为8，将粒子群算法的惯性权重设定为0.5，粒子群算法的加速因子c1和c2分别设定为6和3，粒子群算法的最大迭代次数设定为6250；(2)初始化种群：(2a)从电力运输网络拓扑结构中随机选择两条边，记为eij和elk，其中，eij和elk分别表示节点i，j之间的连接边和节点l，k之间的连接边，并删除所选的两条边eij和elk，在节点i和k之间建立新的连接边eik，在节点j，l之间建立新的连接边ejl，得到临时电力运输网络拓扑结构；(2b)判断当前已随机选择边数的总和是否为最大选择边数10，，若是，则将临时电力运输网络拓扑结构作为新的电力运输网络拓扑结构，执行步骤(2c)，否则，用临时电力运输网络拓扑结构代替电力运输网络拓扑结构，执行步骤(2a)；(2c)从新的电力运输网络拓扑结构中选出第一个节点；(2d)将所选节点的所有邻居作为该节点的位置编码；(2e)将所选节点的邻居相似度作为该节点的速度编码；(2f)判断所选节点是否为最后一个节点，若是，则执行步骤(2g)，否则，从新的电力运输网络拓扑结构中，选出当前所选节点的下一个节点，执行步骤(2d)；(2g)采用适应度函数公式，计算种群个体的网络鲁棒性；(2h)从种群个体中选出网络鲁棒性最高的个体，作为初始个体最优；(2i)从个体最优中选出网络鲁棒性最高的个体，作为初始全局最优；(3)产生新的个体：(3a)根据粒子群速度更新公式，得到新的个体速度；(3b)从种群个体中选出第一个节点；(3c)当所选节点的个体速度小于所设定的粒子群算法的惯性权重时，从所选节点的邻居节点中随机选出一个节点x，从全局最优个体中与所选节点相对应的节点的邻居节点中随机选出一个节点y，再从种群个体的网络拓扑结构中随机选择与节点y相连的节点z，在所选节点和节点y之间建立连接边，在节点x和z之间建立连接边，删除所选节点和节点x之间的连接边，删除节点y和z之间的连接边，得到所选节点更新后的个体位置；(3d)判断所有节点是否为最后一个节点，若是，则执行步骤(3e)，否则，从种群个体中，选出当前所选节点的下一个节点，执行步骤(3b)；(3e)对种群个体更新后的个体位置进行解码，得到新的种群个体；(4)产生新的个体最优和全局最优：(4a)从新的种群中选出第一个种群个体；(4b)采用适应度函数公式，计算所选种群个体的网络鲁棒性；(4c)从所选种群个体和该个体的个体最优中，选出网络鲁棒性高的种群个体作为新的个体最优；(4d)判断所选种群个体是否为最后一个种群个体，若是，则执行步骤(4e)，否则，从新的种群中选出所选种群个体的下一个种群个体，执行步骤(4b)；(4e)从所有新的个体最优中选出网络鲁棒性最高的个体，作为新的全局最优；(5)生成新的种群：(5a)采用邻域自生种群方法，生成新的电力运输网络拓扑结构；(5b)将新的电力运输网络拓扑结构进行编码，生成新的种群个体，将新的种群个体加入新的种群；(5c)判断新的粒子群的种群大小是否等于8，若是，则执行步骤(6)，否则，执行步骤(5a)；(6)判断当前迭代次数是否满足最大迭代次数6250，若满足，执行步骤(7)，否则，执行步骤(3)；(7)输出最优网络结构。本专利技术与现有技术相比具有如下优点：第一，本专利技术在进行电力运输网络拓扑结构设计过程中，采用网络鲁棒性作为计算种群个体适应度的适应度函数公式，评价种群个体的优劣，克服了现有技术设计的电力运输网络在遭受攻击或者扰动时，可能导致电力运输网络迅速瘫痪，造成大面积地区电力供应中断的不足，使得本专利技术大大提高了电力运输网络的鲁棒性，使电力运输网络能有效地抵抗受到的攻击或者扰动。第二，本专利技术在优化电力运输网络拓扑结构时，设计了合适的编码和个体更新算子，充分利用了粒子群算法全局搜索能力强的优点，采用粒子群算法设计电力运输网络拓扑结构，克服了现有技术在设计大规模电力运输网络拓扑结构时，容易陷入局部最优状态的不足，使本文档来自技高网...

【技术保护点】
一种基于粒子群算法的电力运输网络拓扑结构设计方法，包括如下步骤：(1)设定参数：将粒子群的种群大小设定为8，将粒子群算法的惯性权重设定为0.5，粒子群算法的加速因子c1和c2分别设定为6和3，粒子群算法的最大迭代次数设定为6250；(2)初始化种群：(2a)从电力运输网络拓扑结构中随机选择两条边，记为eij和elk，其中，eij和elk分别表示节点i，j之间的连接边和节点l，k之间的连接边，并删除所选的两条边eij和elk，在节点i和k之间建立新的连接边eik，在节点j，l之间建立新的连接边ejl，得到临时电力运输网络拓扑结构；(2b)判断随机选择边数是否为最大选择边数，若是，则将临时电力运输网络拓扑结构作为新的电力运输网络拓扑结构，执行步骤(2c)，否则，用临时电力运输网络拓扑结构代替电力运输网络拓扑结构，执行步骤(2a)；(2c)从新的电力运输网络拓扑结构中选出第一个节点；(2d)将所选节点的所有邻居作为该节点的位置编码；(2e)将所选节点的邻居相似度作为该节点的速度编码；(2f)判断所选节点是否为最后一个节点，若是，则执行步骤(2g)，否则，从新的电力运输网络拓扑结构中，选出当前所选节点的下一个节点，执行步骤(2d)；(2g)采用适应度函数公式，计算种群个体的网络鲁棒性；(2h)从种群个体中选出网络鲁棒性最高的个体，作为初始个体最优；(2i)从个体最优中选出网络鲁棒性最高的个体，作为初始全局最优；(3)产生新的个体：(3a)根据粒子群速度更新公式，得到新的个体速度；(3b)从种群个体中选出第一个节点；(3c)当所选节点的个体速度小于所设定的粒子群算法的惯性权重时，从所选节点的邻居节点中随机选出一个节点x，从全局最优个体中与所选节点相对应的节点的邻居节点中随机选出一个节点y，再从种群个体的网络拓扑结构中随机选择与节点y相连的节点z，在所选节点和节点y之间建立连接边，在节点x和z之间建立连接边，删除所选节点和节点x之间的连接边，删除节点y和z之间的连接边，得到所选节点更新后的个体位置；(3d)判断所有节点是否为最后一个节点，若是，则执行步骤(3e)，否则，从种群个体中，选出当前所选节点的下一个节点，执行步骤(3b)；(3e)对种群个体更新后的个体位置进行解码，得到新的种群个体；(4)产生新的个体最优和全局最优：(4a)从新的种群中选出第一个种群个体；(4b)采用适应度函数公式，计算所选种群个体的网络鲁棒性；(4c)从所选种群个体和该个体的个体最优中，选出网络鲁棒性高的种群个体作为新的个体最优；(4d)判断所选种群个体是否为最后一个种群个体，若是，则执行步骤(4e)，否则，从新的种群中选出所选种群个体的下一个种群个体，执行步骤(4b)；(4e)从所有新的个体最优中选出网络鲁棒性最高的个体，作为新的全局最优；(5)生成新的种群：(5a)采用邻域自生种群方法，生成新的电力运输网络拓扑结构；(5b)将新的电力运输网络拓扑结构进行编码，生成新的种群个体，将新的种群个体加入新的种群；(5c)判断新的粒子群的种群大小是否等于8，若是，则执行步骤(6)，否则，执行步骤(5a)；(6)判断当前迭代次数是否满足最大迭代次数6250，若满足，执行步骤(7)，否则，执行步骤(3)；(7)输出最优网络结构。...

【技术特征摘要】
1.一种基于粒子群算法的电力运输网络拓扑结构设计方法，包括如下步骤：(1)设定参数：将粒子群的种群大小设定为8，将粒子群算法的惯性权重设定为0.5，粒子群算法的加速因子c1和c2分别设定为6和3，粒子群算法的最大迭代次数设定为6250；(2)初始化种群：(2a)从电力运输网络拓扑结构中随机选择两条边，记为eij和elk，其中，eij和elk分别表示节点i，j之间的连接边和节点l，k之间的连接边，并删除所选的两条边eij和elk，在节点i和k之间建立新的连接边eik，在节点j，l之间建立新的连接边ejl，得到临时电力运输网络拓扑结构；(2b)判断当前已随机选择边数的总和是否为最大选择边数10，若是，则将临时电力运输网络拓扑结构作为新的电力运输网络拓扑结构，执行步骤(2c)，否则，用临时电力运输网络拓扑结构代替电力运输网络拓扑结构，执行步骤(2a)；(2c)从新的电力运输网络拓扑结构中选出第一个节点；(2d)将所选节点的所有邻居作为该节点的位置编码；(2e)将所选节点的邻居相似度作为该节点的速度编码；(2f)判断所选节点是否为最后一个节点，若是，则执行步骤(2g)，否则，从新的电力运输网络拓扑结构中，选出当前所选节点的下一个节点，执行步骤(2d)；(2g)采用适应度函数公式，计算种群个体的网络鲁棒性；(2h)从种群个体中选出网络鲁棒性最高的个体，作为初始个体最优；(2i)从个体最优中选出网络鲁棒性最高的个体，作为初始全局最优；(3)产生新的个体：(3a)根据粒子群速度更新公式，得到新的个体速度；(3b)从种群个体中选出第一个节点；(3c)当所选节点的个体速度小于所设定的粒子群算法的惯性权重时，从所选节点的邻居节点中随机选出一个节点x，从全局最优个体中与所选节点相对应的节点的邻居节点中随机选出一个节点y，再从种群个体的网络拓扑结构中随机选择与节点y相连的节点z，在所选节点和节点y之间建立连接边，在节点x和z之间建立连接边，删除所选节点和节点x之间的连接边，删除节点y和z之间的连接边，得到所选节点更新后的个体位置；(3d)判断所有节点是否为最后一个节点，若是，则执行步骤(3e)，否则，从种群个体中，选出当前所选节点的下一个节点，执行步骤(3b)；(3e)对种群个体更新后的个体位置进行解码，得到新的种群个体；(4)产生新的个体最优和全局最优：(4a)从新的种群中选出第一个种群个体；(4b)采用适应度函数公式，计算所选种群个体的网络鲁棒性；(4c)从所选种群个体和该个体的个体最优中，选出网络鲁棒性高的种群个体作为新的个体最优；(4d)判断所选种群个体是否为最后一个种群个体，若是，则执行步骤(4e)，否则，从新的种群中选出所选种群个体的下一个种群个体，执行步...

【专利技术属性】
技术研发人员：刘静，焦李成，马亮亮，屈嵘，张青富，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61