一种基于蚁群算法的PMU量测优化配置方法技术

本发明专利技术公开了一种基于蚁群算法的PMU量测优化配置方法，涉及PMU量测技术优化领域，包括S1、选取节点设置PMU量测；S2、映射构造图；S3、子节点赋予信息素；S4、设置各个子节点中的可观值基础值；S5、确定可观值最大的PMU优化配置蚁群算法S6、建立PMU量测优化配置仿真模型；S7、路径评估。本发明专利技术利用软件内嵌的蚁群算法来增强系统切换时间的精确性，从而实现了在保证PMU量测基本功能的前提下，有效地减小系统运行的故障切换时间，提高了系统稳定性，在PMU配置经验数目下，应用蚁群算法的个体寻优和群体寻优交互进行的优点，最终确定一条相对稳定并且有效合理的规划技术方案，大幅度提高了PMU量测在配电网中的实际运作效果。

An Optimal Measurement Configuration Method for PMU Based on Ant Colony Algorithms

【技术实现步骤摘要】
一种基于蚁群算法的PMU量测优化配置方法
本专利技术涉及PMU量测技术优化领域，具体为一种基于蚁群算法的PMU量测优化配置方法。
技术介绍
随着国民经济的迅速发展，我国电力需求快速增长，电力系统规模和结构也越来越复杂，给如何维持电力系统的安全稳定以及有效地控制电力系统的运行状态提出了更高的要求。基于全球定位系统(GPS)的同步相量测量单元(PMU)可以直接测量系统各节点的电压幅值和相角，所以它的引入为电网系统安全运行提供了新的条件，PMU中文名称为电源管理单元，是一种高度集成的、针对便携式应用的电源管理方案，即将传统分立的若干类电源管理器件整合在单个的封装之内，这样可实现更高的电源转换效率和更低功耗，及更少的组件数以适应缩小的板级空间。随着现代随机优化技术的不断发展，出现了如蚁群算法这样的优化计算技术，蚁群算法是一种新型的模拟进化算法，通过模拟自然界中真实的蚂蚁搜索食物源的行为来求解很多组合优化问题。在自然世界里，蚂蚁通过释放信息素来进行个体之间的交流，可以在蚁巢和食物之间找到一条最短的路径，由于蚁群算法本身具有的正反馈性、并行性、强收敛性以及鲁棒性，使得其在组合优化问题中有很好的表现，如旅行商问题、调度问题、二次分配问题等。与其它的元启发式算法相比，蚁群算法具有较强的全局搜索能力和寻优能力，解的质量稳定并具有更高的搜索效率，因而，十分适用于PMU配置电路中的优化问题，为此，我们提出了一种基于蚁群算法的PMU量测优化配置方法。
技术实现思路
本专利技术要解决的技术问题是克服现有的缺陷，提供一种基于蚁群算法的PMU量测优化配置方法，可以有效解决
技术介绍
中的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于蚁群算法的PMU量测优化配置方法，包括如下步骤：S1、选取节点设置PMU量测：在配电网中，取一点作为节点A，在节点A上安装PMU量测，并将该PMU量测在节点A的范围中所有子节点相互串接，形成节点网络图；S2、映射构造图：在步骤S1中所得子节点的网络图中，针对各个子节点对应的离散情况进行取值，并将这些离散取值映射到一个蚂蚁算法的PMU量测优化配置电路的构造图中；S3、子节点赋予信息素：在步骤S2所映射到构造图中的子节点中，在每个子节点上赋予一定的信息素，用于引导蚂蚁探索各个子节点间的路径；S4、设置各个子节点中的可观值基础值：将步骤S3中被赋予信息素的子节点选取一个初始值τ0＝1，用作该子节点中可观值的基础值；S5、确定可观值最大的PMU优化配置蚁群算法，包括如下子步骤：a、随机确定X只蚂蚁在各个子节点上的初始位置，并设置每条路径上各个支路的信息素总量等于一个常数；b、在步骤a中所确定X只蚂蚁所确定的初始位置上，派出蚂蚁，使得派出的每一只蚂蚁都会根据每个子节点上的信息素搜寻一条路径，所有蚂蚁重复该过程；c、针对每一只蚂蚁完成一个路径进行方案的评价，其评价函数即为此路径的目标函数φ，并对此次蚂蚁群中最优的路径纪录为最佳方案；d、对蚂蚁形成的路径进行判断，以搜索路径次数达到预先设定的最大次数，在该最大次数下，选取较多蚂蚁所选择的子节点路径；S6、建立PMU量测优化配置仿真模型：在子步骤d中选择的子节点路径，依据步骤S2中对应该路径中各个子节点的离散取值，在PMU量测优化配置电路中，进行仿真，构造仿真模型；S7、路径评估：利用步骤c中的目标函数φ，对上述仿真模型的路径结果进行评估，得到的评估结果为可观，则该路径为整个PMU量测优化配置的最优解。作为本专利技术的一种优选技术方案，所述步骤S1中，所取的节点A，应满足该节点上的同步相量量测单元除了可以测量该配电网的电压外，还应具备量测与该节点A相关联的所有支路电流的数据通道。作为本专利技术的一种优选技术方案，所述步骤a中，该常数确定为τij＝M，Δτij＝0，其中i表示初始子节点位置，j表示下一个子节点的位置。作为本专利技术的一种优选技术方案，蚂蚁从初始子节点i选择下一个子节点j，都会依据两个节点之间的转移概率Pij。作为本专利技术的一种优选技术方案，所述两个节点之间的转移概率Pij由如下公式得出：其中，Jk＝{1，2，...，n}-tabuk；式中，ηij＝1/dij为线路ij的长度倒数；tabuk用于记录蚂蚁k当前所走过的路径；α和β分别表示蚂蚁在运动过程中积累的信息素以及启发式因子在蚂蚁选择路径中所起作用的大小。作为本专利技术的一种优选技术方案，所述步骤c中，目标函数φ由如下公式得出：式中，n为系统的子节点数，F(i)＝1表示初始节点i可观，F(i)＝0表示节点i不可观。与现有技术相比，本专利技术的有益效果是：利用软件内嵌的蚁群算法来增强系统切换时间的精确性，从而实现了在保证PMU量测基本功能的前提下，有效地减小系统运行的故障切换时间，提高了系统稳定性，在PMU配置经验数目下，应用蚁群算法的个体寻优和群体寻优交互进行的优点，最终确定一条相对稳定并且有效合理的规划技术方案，大幅度提高了PMU量测在配电网中的实际运作效果。附图说明图1为本专利技术的流程框架图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提供的一种基于蚁群算法的PMU量测优化配置方法，包括如下步骤：S1、选取节点设置PMU量测：在配电网中，取一点作为节点A，在节点A上安装PMU量测，并将该PMU量测在节点A的范围中所有子节点相互串接，形成节点网络图；S2、映射构造图：在步骤S1中所得子节点的网络图中，针对各个子节点对应的离散情况进行取值，并将这些离散取值映射到一个蚂蚁算法的PMU量测优化配置电路的构造图中；S3、子节点赋予信息素：在步骤S2所映射到构造图中的子节点中，在每个子节点上赋予一定的信息素，用于引导蚂蚁探索各个子节点间的路径；S4、设置各个子节点中的可观值基础值：将步骤S3中被赋予信息素的子节点选取一个初始值τ0＝1，用作该子节点中可观值的基础值；S5、确定可观值最大的PMU优化配置蚁群算法，包括如下子步骤：a、随机确定X只蚂蚁在各个子节点上的初始位置，并设置每条路径上各个支路的信息素总量等于一个常数；b、在步骤a中所确定X只蚂蚁所确定的初始位置上，派出蚂蚁，使得派出的每一只蚂蚁都会根据每个子节点上的信息素搜寻一条路径，所有蚂蚁重复该过程；c、针对每一只蚂蚁完成一个路径进行方案的评价，其评价函数即为此路径的目标函数φ，并对此次蚂蚁群中最优的路径纪录为最佳方案；d、对蚂蚁形成的路径进行判断，以搜索路径次数达到预先设定的最大次数，在该最大次数下，选取较多蚂蚁所选择的子节点路径；S6、建立PMU量测优化配置仿真模型：在子步骤d中选择的子节点路径，依据步骤S2中对应该路径中各个子节点的离散取值，在PMU量测优化配置电路中，进行仿真，构造仿真模型；S7、路径评估：利用步骤c中的目标函数φ，对上述仿真模型的路径结果进行评估，得到的评估结果为可观，则该路径为整个PMU量测优化配置的最优解。在本专利技术中，优选的，步骤S1中，所取的节点A，应满足该节点上的同步相量量测单元除了可以测量该配电网本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的PMU量测优化配置方法，其特征在于：包括如下步骤：S1、选取节点设置PMU量测：在配电网中，取一点作为节点A，在节点A上安装PMU量测，并将该PMU量测在节点A的范围中所有子节点相互串接，形成节点网络图；S2、映射构造图：在步骤S1中所得子节点的网络图中，针对各个子节点对应的离散情况进行取值，并将这些离散取值映射到一个蚂蚁算法的PMU量测优化配置电路的构造图中；S3、子节点赋予信息素：在步骤S2所映射到构造图中的子节点中，在每个子节点上赋予一定的信息素，用于引导蚂蚁探索各个子节点间的路径；S4、设置各个子节点中的可观值基础值：将步骤S3中被赋予信息素的子节点选取一个初始值τ0＝1，用作该子节点中可观值的基础值；S5、确定可观值最大的PMU优化配置蚁群算法，包括如下子步骤：a、随机确定X只蚂蚁在各个子节点上的初始位置，并设置每条路径上各个支路的信息素总量等于一个常数；b、在步骤a中所确定X只蚂蚁所确定的初始位置上，派出蚂蚁，使得派出的每一只蚂蚁都会根据每个子节点上的信息素搜寻一条路径，所有蚂蚁重复该过程；c、针对每一只蚂蚁完成一个路径进行方案的评价，其评价函数即为此路径的目标函数φ，并对此次蚂蚁群中最优的路径纪录为最佳方案；d、对蚂蚁形成的路径进行判断，以搜索路径次数达到预先设定的最大次数，在该最大次数下，选取较多蚂蚁所选择的子节点路径；S6、建立PMU量测优化配置仿真模型：在子步骤d中选择的子节点路径，依据步骤S2中对应该路径中各个子节点的离散取值，在PMU量测优化配置电路中，进行仿真，构造仿真模型；S7、路径评估：利用步骤c中的目标函数φ，对上述仿真模型的路径结果进行评估，得到的评估结果为可观，则该路径为整个PMU量测优化配置的最优解。...

【技术特征摘要】
1.一种基于蚁群算法的PMU量测优化配置方法，其特征在于：包括如下步骤：S1、选取节点设置PMU量测：在配电网中，取一点作为节点A，在节点A上安装PMU量测，并将该PMU量测在节点A的范围中所有子节点相互串接，形成节点网络图；S2、映射构造图：在步骤S1中所得子节点的网络图中，针对各个子节点对应的离散情况进行取值，并将这些离散取值映射到一个蚂蚁算法的PMU量测优化配置电路的构造图中；S3、子节点赋予信息素：在步骤S2所映射到构造图中的子节点中，在每个子节点上赋予一定的信息素，用于引导蚂蚁探索各个子节点间的路径；S4、设置各个子节点中的可观值基础值：将步骤S3中被赋予信息素的子节点选取一个初始值τ0＝1，用作该子节点中可观值的基础值；S5、确定可观值最大的PMU优化配置蚁群算法，包括如下子步骤：a、随机确定X只蚂蚁在各个子节点上的初始位置，并设置每条路径上各个支路的信息素总量等于一个常数；b、在步骤a中所确定X只蚂蚁所确定的初始位置上，派出蚂蚁，使得派出的每一只蚂蚁都会根据每个子节点上的信息素搜寻一条路径，所有蚂蚁重复该过程；c、针对每一只蚂蚁完成一个路径进行方案的评价，其评价函数即为此路径的目标函数φ，并对此次蚂蚁群中最优的路径纪录为最佳方案；d、对蚂蚁形成的路径进行判断，以搜索路径次数达到预先设定的最大次数，在该最大次数下，选取较多蚂蚁所选择的子节点路径；S6、建立PMU量测优化配置仿真模型：在子步骤d中选择的子节点路径，依据步骤S2中对应该路径中各个子节点的离散取值，在PMU...

【专利技术属性】
技术研发人员：刘君，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁,21