基于人工智能的配电网故障恢复重构研究

网络重构是配电系统运行和控制的重要手段,也是配电管理系统的重要组成部分。随着智能技术的发展,运用智能算法重构配电网络来达到降低网损的目的已经成为一种可能。 论文阐述了配电网重构的背景、现状与特点;研究了目前较为流行的配电网重构算法;分析了各种配电网重构的目标函数以及约束条件。在此基础上,论文针对支路交换法,研究其算法原理,并对算法进行有效地改进。运用PSASP电力系统分析综合程序,对不同结构的配电网络进行实际算例仿真,考察算法的实用性。 BP神经网络等人工智能算法能避免一般算法反复进行潮流计算而耗费时间的缺点,并且有很好的全局逼近优点。论文从BP算法自身着手,针对其学习速度慢和可能局部收敛两个问题,采取有效的手段分别改进。 论文还从图论知识着手,构造三种数学模型。用配电网的树形拓扑约束改进BP算法的误差函数,并且对BP神经网络的输出结果做了环网和孤立顶点约束判断,很好地解决了BP算法可能收敛到局部最小的缺点。最后以实际算例对改进算法进行仿真测试,证实该算法具有输出结果速度快、能有效全局逼近的特点。 BP神经网络还有自学习——这一最重要也最令人注目的特点,非常适合长期运行的配电网络。因此,论文所研究的算法有很好的应用前景。