前言
近年来，随着分布式电源(Distributed Generation，DG)的快速发展，为了提高配电网的安全性与电能质量，大量DG被接入到配电网中，这使得传统数学算法在复杂的配电网中不再适用，国内外学者常采用人工智能算法来进行配电网优化。综合考虑已有研究，以有功网损和节点电压偏移作为目标函数，建立配电网重构模型，并对传统二进制粒子群算法(Binary Particle Swarm Optimization，BPSO)进行改进，在IEEE33节点配电系统上进行分析，可以有效增强算法性能，提升网络重构效率。
配电网重构模型
通过改变配电网中开关分合状态，达到有功网损与节点电压偏移最小的目标。配电网重构模型需要考虑优化目标与约束条件，具体如下：
1）有功网损最小目标；2）节点电压偏移最小目标；
程序介绍
程序对传统的二进制粒子群算法进行了改进，将自适应比例选择策略与混沌搜索引入算法中，避免传统算法容易陷入局部最优、收敛速度较慢等问题。以IEEE33节点配电系统为研究对象，考虑了含有多种分布式电源的情况，以有功网损和节点电压偏移作为目标函数，进行了配电网重构的仿真试验。程序算例丰富、注释清晰、干货满满，可扩展性和创新性很高！下面对文章和程序做简要介绍！
仿真平台：Matlab+Yalmip+Cplex
建模方法
网络编码方式
传统研究中常采用二进制编码策略，但会得到许多不可行解，计算效率低，为了提高算法性能，采用环路编码方式。在编码时，每个粒子的维数与开关数相等，用0和1表示开关的分合。步骤如下：
1）使配电系统处于正常运行状态；
2）依次闭合第 1-5 个联络开关，形成 Loop1⋯⋯Loop5；
3）用变量 x 表示 Loop 中的开关编号。例如集合x1包含了支路 2、3、4、5、6、7、18、19、20、33上的开关。
对于不可行解的剔除
接入大量 DG 时，会使配电系统变得更加复杂，但配电网辐射状运行的结构不变。基于图论和树状结构的理论分析得出正常运行判据，即闭合支路数=有效节点数-1。通过剔除不可行解提高计算效率。
潮流计算方法
由于配电网呈辐射状运行，故采用前推回代算法进行潮流计算。
改进算法流程图如图所示
程序结果
部分程序
%% 设置种群参数sizepop = 50; % 初始种群个数dim = 37; % 空间维数ger = 22; % 最大迭代次数[xlimit_max,xlimit_min,vlimit_max,vlimit_min] = set_up_2();c_1 = 0.8; % 惯性权重c_2 = 1.5; % 自我学习因子c_3 = 1.5; % 群体学习因子%% 生成初始种群% 首先随机生成初始种群位置% 然后随机生成初始种群速度% 然后初始化个体历史最佳位置，以及个体历史最佳适应度% 然后初始化群体历史最佳位置，以及群体历史最佳适应度% 设置禁忌对象和其对应的持续迭代次数[pop1,pop2,pop3,pop_v] = CreatPSO_2(sizepop,vlimit_max,vlimit_min);pop=[pop1,pop2,pop3];gbest = pop1; % 每个个体的历史最佳位置success = huanlu(pop2);L=5;%禁忌对象对应的持续迭代次数[SAIFI,SAIDI,CAIDI,ASAI,Lambda_load,Gamma_load,U_load] = reliability(pop1(j,:));fitness_gbest(j) = SAIDI; % 每个个体的历史最佳适应度zbest = pop1(1,:); % 种群的历史最佳位置forbidden=zbest; % 种群的禁忌对象fitness_zbest = fitness_gbest(1); % 种群的历史最佳适应度fitness_gbest(j) < fitness_zbest % 如果求最小值，则为<; 如果求最大值，则为>;zbest = pop1(j,:);fitness_zbest=fitness_gbest(j);
部分内容源自网络，侵权联系删除！
欢迎感兴趣的小伙伴点击文末阅读原文获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！
更多创新性预测及优化程序请点击公众号首页：《预测优化》|《综合能源》链接！
