【IEEE-33bus自适应遗传算法实现集群划分—采用综合性能指标的高渗透率分布式电源集群划分方法】

IEEE-33bus自适应遗传算法实现集群划分—采用综合性能指标的高渗透率分布式电源集群划分方法

复现论文

以含高渗透率分布式可再生能源的配电网规划为应用场景，提出综合考虑结构性与功能性的集群划分方法：结构性上采用基于电气距离的模块度指标；功能性上以集群的无功平衡度及有功平衡度为指标，构建了综合性能指标体系。仿真在IEEE33节点进行，采用常规自适应遗传算法进行求解验证。

丁明,刘先放,毕锐,等.采用综合性能指标的高渗透率分布式电源集群划分方法[J].电力系统自动化,2018,42(15):47-52+141.

论文特点

1、基于模块度指标的集群分区

采用基于综合电气距离的模块度函数 $ \rho $ 衡量配电网集群划分后的结构强度，如下式：
$$\rho =\frac{1}{2m}\sum _{i=1}^{N_B}\sum _{j=1}^{N_B}\left(e_{ij}-\frac{k_i{k}_j}{2m}\right)\delta (i,j)$$
式中：$e_{i}j=1-L_{ij}/\max (L_{ij})$为连接节点$i$ 和 节 点 $j$的电气边的权重(简称边权); $m=\frac{1}{2}{\sum }_i^{N_k}{\sum }_i^{N_k}{e}_{ij}$ 为网络所有边权之和；$k_i={\sum }_{i=1}^{N_E}{e}_{ij}$表示所有与节点$i{\text{相连的边权之和；当节点}}_i$和节点$j$在同一集群内时$\delta (i,j)=1$,否则$\delta (i,j)=0$ 。

其余功能指标可以查看论文，在此不赘述。

2、自适应遗传算法

• Srinivas提出的自适应遗传算法，将交叉率和变异率随着迭代次数进行自适应调整。

$$p_c=\{\begin{array}{l}{p}_{c,max}-\left(\frac{p_{c,max}-p_{c,\min }}{I_{\max }}\right)I,F>F_{avg}\\ p_{c,max},F\le F_{avg}\end{array}$$

$$p_m=\{\begin{array}{l}{p}_{m,\min }+\left(\frac{p_{m,\max }-p_{m,\min }}{I_{\max }}\right)I,F^{\prime }>F_{avg}\\ p_{m,\min },F^{\prime }\le F_{avg}\end{array}$$

式中：$p_{ϵ}$和 $p_m$ 分别为交叉和变异概率；$p_{c.\max }$、$p_{c.\min }$和 $p_{m,\max }$、$p_{m,\min }$分别为交叉和变异概率的最大、最小值；$I$为迭代次数；$I_{\max }$ 为最大迭代次数；$F$为进行交叉操作的两个个体中的较大适应度值；$F^{\prime }$为进行变异操作的个体适应度值；$F_{\mathrm{avg}}$为种群的平均适应度。

• 自适应遗传算法流程：
  

3、考虑集群间物理耦合

上图中1和2分别为两个集群，也就是说红色节点必须通过导线两两相接，所谓的集群节点必须集中，不能分散。本帖中在自适应函数中引入物理连通惩罚项$f$，鼓励个体寻找符合要求的集群分区。
$$f=\frac{K_{\lim }}{c}\sum _{o=1}^c\frac{I_o}{N_o-1}$$
式中：$I_{\mathrm{o}}$为集群$C_{\mathrm{o}}$中所有节点的物理连接边权之和；$K_{\lim }$是保证集群内部物理连通性的惩罚系数；$N_{\mathrm{o}}$为集群$C_{\mathrm{o}}$中节点的个数；$c$为划分配电网的集群个数。

%% 考虑集群的物理连通性
% jiqun为待检验集群编号
% 配电网连通矩阵32*32
% c集群划分个数
function fitness = customFitness(jiqun, node,c)
    idx=unique(jiqun);
    numClusters = length(idx); % 获取集群的数量
    fitness = 0; % 初始化适应度分数
    % 计算每个集群的连通性得分
    for cluster = 1:numClusters
        clusterNodes = find(jiqun == idx(cluster)); % 获取属于当前集群的节点
        clusterSize = length(clusterNodes); % 当前集群的大小
            connectivityScore = 0;
            for i = 1:clusterSize
                for j = 1:clusterSize
                    node1 = clusterNodes(i);
                    node2 = clusterNodes(j);
                    connectivityScore = connectivityScore + node(node1, node2); %判断连通性
                end
            end
            connectivityScore=connectivityScore/2;
            % fitness = fitness + connectivityScore/(clusterSize-1);
            %当节点是孤立节点时，不减1
            if clusterSize>1
                fitness = fitness + connectivityScore/(clusterSize-1);
            else
                fitness = fitness + connectivityScore/(clusterSize+1);
            end
    end
    fitness=fitness./c;
    if isnan(fitness)
    error('计算结果为 NaN，程序已停止运行。'); % 触发错误并停止程序执行
    end
end

4、MATLAB仿真情况

此代码将包括以下几个部分：

• IEEE33节点配电网灵敏度矩阵
• 遗传算法函数包（英国谢菲尔特大学出品）
• 自适应遗传算法，变异、交叉概率自适应调整
• MATPOWER潮流计算过程
• IEEE33节点分区结果
  

运行演示

光伏并入IEEE33节点后电压情况

求解结果（仅为示例）

迭代情况

注意：上图演示结果只是其中的一个可行解，并不一定是最优的，仅作为展示。最优结果可以自行多多运行尝试。

5、更多指导

欢迎留言 1492970771@qq.com；链接：https://m.tb.cn/h.TcHEplx?tk=fIwZ3tNrH1D CZ0012