多目標粒子群優化算法在城市供電中的應用摘要：多H標粒子群優化算法是一種新型群智能進化計算技術，它模擬鳥群覓食的行為，在鳥群彼此個體之間共享信息和根據自身經驗總結來修正其行動策略,既體現了個體影響也體現了社會群體影響，最終取得問題最優解。粒子群算法能夠方便地處理大量的等式、不等式約束，以及包含連續變量和離散變量的優化問題。基于此，文章對多L1標粒子群優化算法在城市供電中的應用進行了總結和分析。關鍵詞：多標粒子群優化算法；城市供電：應用1多目標粒子群優化算法在城市供電中的必要性電力是國家主要能源基礎，涉及到國家經濟命脈?，F代電力的發展已經進入到了多效益時代，關乎全球資源、環境保護和可持續發展。同時，用戶對電能質量和可靠性的要求不斷提高，未來電力事業的發展需朝著向更加安全可靠、清潔環保的優質電能的發、輸、配、變發展?？谇?，我國已經進入了電力全面建設的階段。在電力建設中，合理的發、輸、配、變規劃不僅增強了電網的可鼎性，而且提高了電網的經濟性，節省了人力和財力。例如，在發電過程中，如何做到更低的燃料消耗，同時考慮能否減小發電過程中燃料消耗對環境的影響。在輸電過程中，輸電網如何規劃能達到一個更加經濟可黑的輸電網絡。在配電過程中，無功補償如何做到補償的位置和容量最優,達到網損更低，電壓偏差更小，電壓穩定性更好的LJ標。在變電過程中，有載調壓變圧器分接頭如何正確合理地調節，以達到獲得穩定優質電能的標準等。然而,城市供電中的問題存在非線性，多約束，非凸性，高維的難題。傳統的數學計算方法，如動態規劃方法、大系統分解系統方法、網絡流規劃法等在求解城市供電問題時都存在著維數災難、收斂不穩定等缺陷。因此，為了求解城市供電中的優化問題引入了粒子群算法。粒子群算法能夠很好地解決以上難題，并且具有收斂速度快，多粒子并行處理，易于實現等優點。本文釆用的優化算法是在經典粒子群算法的基礎上，釆取各種改進方式，加速了收斂速度，提高了收斂精度；計算結果隨機性小，穩定性好；有較強的全局搜索能力；達到了較好的輔助決策作用。2多目標優化的概念在生活實踐以及科學硏究中常常要同時優化多個相互沖突的問題，此類問題被稱之為多目標優化問題MOPs(Multi-objectiveOptimizationProblems)。進化算法(evolutionaryalgorithm,簡稱EAs)作為一類基于群體智能的啟發式搜索算法具有不受LI標函數數學性質的影響、以及一次運行可以得到多個解等特點使其成為求解多U標優化問題的研究熱點。在進化多U標優化算法領域中，多算子混合策略一直受到廣泛的關注。在每一代用不同的算子生成不同的個體將不同種類信息融合在種群中。3多目標粒子群優化算法的流程第一步：算法初始化。在決策空間中，對種群之中的粒子位置嚴格給予隨機賦值，且粒子運動速度為零。粒子個體向導為其位置，檔案集為空。第二步：種群的評價。判斷每個粒子在口標函數中的賦值情況，按照現有II標函數的取值將維度空間分為10個部分。第三步：更新粒子個體向導。如果粒子運動H標值決定個體向導，那么粒子的當前位置就是該粒子的最新個體向導。如果U標值向量和個體向導之間不相互匹配，那么將個體向導更新為當前位置，如果二者相互匹配，則不進行更新。第四步：按照粒子的支配關系，選擇種群的非支配集，對檔案集進行更新。此處設計檔案集的規模為100,如果現有數量已經超出最大規模，那么沿著粒子密度從大到小的順序開始刪除密度大的檔案集粒子網格。第五步：算法迭代的最高次數為300次，如果超出這個規模則停止繼續搜索,輸出運算后的檔案集。第六步：利用混沌算子，其初始值隨機，迭代后的種群具有分布均勻、種類多樣的特征，可以由其替代原始的例子種群。第七步：全部向導選擇網格密度最小的例子，如果多個例子同時符合條件，則隨機選擇。然后按照自適應網格粒子群優化算法對粒子群的位置和速度進行計算更新。4多U標粒子群優化算法在城市供電中的應用4.1城市供電中的多目標優化問題城市供電中的優化問題可以描述為各種LI標函數不同的優化訃算模型。從投資成本方面考慮，以設備投資和運行費用最小為優化H標；從可幕性方面考慮，以停電損失最小為優化□標；從網損方面考慮，以網損最小為優化LI標；從環境保護方面考慮，以危害氣體對環境影響最小為優化LI標。城市供電中的優化問題有網絡重構、電壓與無功控制、故障定位及隔離、繼電保護再整定、經濟調度和電網規劃等。在城市供電正常運行時，網絡重構、電壓與無功優化和經濟調度都是以優化系統運行狀態為U標，在滿足電網潮流約束、節點電壓約束、支路電流約束的前提下，以實現降低網損、改善節點電壓質量等U標。在無功優化中，系統運行的經濟性不僅對企業效益產生影響，而且對社會效益尤為重要。隨著現代社會的發展，用戶對電能質量的要求越來越高，因此在考慮經濟性的同時還要兼顧考慮電能質量。電能質量的指標有頻率、電壓偏差、電壓穩定性指標、諧波含量等，其中的電壓波動過大造成的危害最為廣泛，不僅影響電氣設備，而且對這個系統的安全性和穩定性帶來危害，其至引起電壓崩潰，造成大面積停電。因此,無功優化問題不僅考慮網損等經濟性指標，還需要考慮電壓質量等穩定性可靠性指標。城市供電中的優化問題既存在著求解連續變量（如發電機出力），乂存在著求解離散變量（如無功補償裝置的投切容量、有載變壓器分接頭的位置）。因此，城市供電中的優化問題是一個連續變量與離散變量并存的多口標、多約束、多變量、非線性、高維的難題。在求解多U標問題時，很多情況下下多個U標之間相互矛盾，不太可能取得所有U標的最優值，因而各個U標之間需要有一定的折中取舍。而經濟學家Pareto對此問題進行了深入研究，并且提出了以自己名字命名的Pareto解能很好地解決多目標協調折中的問題。4.2城市供電中多目標優化問題的傳統解法傳統求解城市供電中多LI標優化問題的方法是把多LI標優化問題轉化為單口標優化問題，再利用較為成熟的單LI標優化算法對問題進行求解訃算。最常用的轉化方法有權重系數法、約束法、Benson法、II標規劃法、模糊理論法等。權重系數法中有自適應權重法和固定權重法，權重法通過各個LI標函數值乘以各自權重系數之和最小或最大求解多LI標問題，其權重取值難以科學化，常常是根據經驗取值，且能否取得整體最優很難評佔。正如文獻相關文獻中指出，權重法簡化了多LI標問題的求解，但本質上還是單U標優化方法，不能為決策者提供可選擇和分析的多樣性解，降低了該方法的工程實踐意義。對于多U標優化問題不同U標的量綱常常不同，而模糊理論法能很好地解決這一點。因此，該方法被廣泛應用于求解城市供電多LI標優化問題。但是，此方法最終還是單LI標優化法。此方法需要對各個U標函數值進行隸屬度函數訃算，計算耗時隨著U標函數的個數增加而迅速增加。基于模糊理論法的城市供電多U標優化問題的求解方法，其本質也是一