改进粒子群算法在变电站选址规划中的应用 application of improved pso algorithm in location selection of substations.pdfVIP

第25卷第10期 电力科学与工程 V01．25．No．10 4 2009年lO月 ElectricPowerScienceand Oct．．2009 Engineering 改进粒子群算法在变电站选址规划中的应用 王保震，梁志瑞，苏海峰，刘亚洲 (华北电力大学电气与电子工程学院，河北保定071003) 摘要：提出了一种利用改进的粒子群算法来解决配电网变电站选址问题．在改进的方法中，引入模糊的方 法，根据粒子适应度高低来确定粒子的惯性权重的取值，对同一代的不同粒子使用不同惯性权重来更新粒 子速度，从而获得了更高性能的PSO算法．通过某开发区规划实例验证了该文所提模型和方法正确性和有 效性，其规划结果科学．可行． 关键词：变电站选址；粒子群算法；模糊自适应；配电网 中图分类号：TM715文献标识码：A 子适应度高低来确定粒子的惯性权重的取值，对同 0 引 言 一代的不同粒子使用不同惯性权重来更新粒子速 度，从而获得了更高性能的PSO算法。通过实际 变电站规划是电网规划的重要组成部分。根据 应用算例，证明了其科学合理。 电源情况及用电量需求，建立合理的电网结构，是 I 变电站选址的数学模型 电网规划设计的主要任务之一。要确定合理的电网 结构，必须首先确定变电站的位置，使变电站规模 变电站站址优化，首先必须建立包含各种信息 和供电范围最佳，从而使电网的建设费用和运行费 的数学模型。在其初始阶段，已有的条件是负荷预 用综合最小¨】。在系统的电网变电站规划中，往往 测后各个小区或下一级变电站的负荷数据、各个小 是通过对大量数据的统计确定出水平年的负荷量， 区地块的各种属性、规划区内地理上的各种信息以 再考虑原有变电站的布局，经人工分析比较最终定 及现有变电站的位置和容量；而地理信息等因素不 出新建变电站站址口1。据调查，目前在实际操作 能量化，不可能包含在数学模型中。 中，依靠经验确定站址，很难保证所选站址是最优 考虑到变电站费用中包含占地费用，情况十分 站址口1。这种变电站选址方法的主要缺点是人为因 复杂(不同地块费用显然不同)，因而本文假设各 素影响较大。 点单位面积的土地费用一致，即变电站费用的差别 随着计算机技术和现代智能优化技术的发展， 就只取决于其投资和运行费用。这样，变电站选址 配电网络变电站规划从最初的人工筛选方式发展为 问题可描述为：在规划水平年负荷分布、变电站容 通过计算机计算自动生成站址的方式，其优化方法 量和供电范罔已知的情况下，为了满足一定的负荷 也由传统的数学优化方法上升到现代的智能优化算 需求，寻优确定变电站的位置，以获得最小的投资 法H·51。虽然配电网络变电站规划有了很大的提高， 和年运行费用(变电站的投资和运行费用、线路的 但是目前的很多方法普遍存在当问题规模较大时， 投资和运行费用)