本发明涉及电力系统超多目标最优潮流领域，具体来说是一种双种群弱协同进化算法的超多目标最优潮流求解方法。
背景技术：
1、最优潮流(opf)是电力系统优化的研究热点之一，在满足电力系统安全性和可靠性要求的前提下，寻找电力系统的最优运行和管理方案。一般情况下，opf问题对不同的目标函数进行单目标优化，近年来更关注研究多目标最优潮流(moopf)，但无法全面反映电力系统的经济性、环保性和可靠性等因素。为了全面体现电力系统的运行状况，超多目标最优潮流(maoopf)问题同时最小化燃料成本、排放、电压幅值偏差、有功功率损耗和线路指数(l-指数)，对于实现电力系统的可持续发展具有重要意义。
2、maoopf具有非线性、非凸性、大规模和约束性等特点，在满足电力系统复杂的潮流等式与不等式约束的同时，通过调整一系列的控制变量包括发电机真实的功率、发电机母线电压、变压器变比和无功补偿器产生的无功功率，对目标函数进行优化。在过去十几年里，各种传统的方法被用于解决maoopf问题，如基于牛顿法(nw)，内点法(ipm)，线性规划(lp)和非线性规划(nlp)等。由于maoopf问题的非线性和多约束条件的存在，这些经典的方法可能会陷入局部最优，而无法找到全局最优潮流解。
技术实现思路
1、为解决现有最优潮流技术的不足之处，本发明提供了一种基于双种群弱协同进化算法的超多目标最优潮流求解方法，以期能保证最优潮流方案的可行性、多样性和收敛性，从而能提高了电力系统的运行效率。
2、本发明为解决超多目标最优潮流问题采用如下技术方案：
3、本发明一种基于双种群弱协同进化算法的超多目标最优潮流求解方法的特点在于，是按如下步骤进行：
4、步骤1、利用式(1)-式(7)构建超多目标最优潮流模型的目标函数f(x)：
5、minimize f(x)＝(f1(x),f2(x),...f5(x)) (1)
6、
7、
8、
9、
10、f5(x)＝maxp＝1，...，np(lp) (6)
11、
12、式(1)中，x＝(pg1，...，pgng，v1，...，vng，t1，...，tnt，qc1，...，qcnc)表示电力系统的一个最优潮流解，并由ng个发电机组的有功功率pg、ng个发电机组的电压幅值v、nt个变压器的变比t、nc个并联补偿装置的无功功率qc构成，x的维度为d，x的编码方式为实数编码，f1(x)～f5(x)分别表示五个不同的目标函数；
13、式(2)中，f1(x)为总燃料成本的目标函数，其中，ag，bg，cg表示第g个发电机的成本系数，pgg表示第g个发电机的有功功率，ng表示电力系统中发电机的数量；
14、式(3)中，f2(x)为总排放的目标函数，其中，αg，βg，γg，λg表示第g个发电机的五个排放系数；
15、式(4)中，f3(x)为有功功率损耗的目标函数，其中，gk表示由母线i与母线j连接的第k条线路的电导；vi和vj表示母线i和母线j的电压幅值，θij表示一条线路的起始母线i和结束母线j之间的相位角差，nl表示电力系统中的线路数量；
16、式(5)中，f4(x)为电压偏差的目标函数，其中，vp表示第p条pq母线的电压幅值，vr表示pq母线的额定电压，np表示pq母线的数量；
17、式(6)中，f5(x)为电压稳定性的目标函数，其中，vg表示第g个发电机的电压幅值，fp_g表示第p条pq母线与第g个发电机的母线的雅可比矩阵，lp表示第p条pq母线的稳定性指标；
18、步骤2、利用式(8)构建超多目标最优潮流模型的2个等式约束：
19、
20、式(7)中，pgg和qgg表示第g个发电机母线的有功功率和无功功率，pdi和qdi表示母线i的有功需求和无功需求，gk和bk表示母线i和母线j之间的第k条线路的电导和电纳；
21、步骤3、构建超多目标最优潮流模型的不等式约束：
22、步骤3.1、利用式(8)构建发电机的4个不等式约束：
23、
24、式(9)中，pgng表示第ng个发电机松弛母线的有功功率，和分别表示pgng的下界和上界，和分别表示qgg的下界和上界；
25、步骤3.2、利用式(9)构建安全性3个不等式约束：
26、
27、式(10)中，和表示第p条pq母线电压的下界和上界，slk表示第k条线路的功率流，表示slk的上界；
28、步骤4、使用双种群弱协同进化算法求解超多目标最优潮流模型；
29、步骤4.1、初始化参数：
30、定义当前迭代次数为t，并初始化t＝1，定义最大迭代次数为tmax，设置种群大小为n；
31、步骤4.2、初始化种群：
32、随机初始化第t代第1个主种群p1(t)中n个维度为d的最优潮流主解以及第t代第2个辅助种群p2(t)中n个维度为d的最优潮流辅助解；
33、将p1(t)中的任意两个不同的最优潮流主解分别记为和将p2(t)中的任意两个不同的最优潮流辅助解分别记为和
34、步骤4.3、评价第t代主种群p1(t)中的每个最优潮流主解；
35、步骤4.4、评价第t代辅助种群p2(t)中的每个最优潮流辅助解；
36、步骤5、根据p1(t)与p2(t)分别产生第t代子代主种群o1(t)和第t代子代辅助种群o2(t)：
37、使用二元锦标赛选择方法分别对p1(t)和p2(t)进行处理，相应得到第t代交配主种群s1(t)和第t代交配辅助种群s2(t)，使用二元交叉算子和多项式突变算子分别对s1(t)和s2(t)的最优潮流解进行交叉和变异，相应产生包含n/2个最优潮流主解的第t代子代种群o1(t)和包含n/2个最优潮流辅助解的第t代子代种群o2(t)；
38、步骤6、双种群弱协同进化：
39、步骤6.1、从p2(t)或o2(t)中选择n/2个最优潮流辅助解并构成第t代转移种群tr(t)：
40、步骤6.2、构建第t代杂交辅助种群h2(t)＝p2(t)∪o2(t)∪o1(t)；
41、步骤7、评价h1(t)和h2(t)中的最优潮流解：
42、步骤7.1、对h1(t)中的最优潮流解进行环境选择，并选择n个适应度最小的最优潮流解作为第t+1代主种群p1(t+1)；
43、步骤7.2、对h2(t)中的最优潮流解进行选择，并选择n个适应度最小的最优潮流解集作为第t+1代辅助种群p2(t+1)；
44、步骤8、将t+1赋值给t，判断t＞tmax是否成立，若成立，则输出p1(t)中的最优潮流解作为最终的最优潮流方案，否则，返回步骤5顺序执行。
45、本发明所述的基于双种群弱协同进化算法的超多目标最优潮流求解方法的特点也在于，所述步骤4.3包括：
46、步骤4.3.1、利用式(11)计算主种群p1(t)中一个最优潮流主解的总约束违反
47、
48、式(11)中，表示的第c个不等式约束；
49、步骤4.3.2、计算主种群p1(t)中的支配关系：
50、当时，表示支配
51、当时，表示支配
52、当时，则根据式(1)-式(7)分别计算的第m个目标函数和的第m个目标函数m∈{1，...，5}；
53、若表示支配否则，表示不支配其中，表示的总约束违反；
54、将主种群p1(t)中被所支配的所有最优潮流主解的个数记为
55、步骤4.3.3、利用式(12)计算主种群p1(t)中的适应度
56、
57、式(12)中，表示与主种群p1(t)中除之外的所有最优潮流主解的相似度函数值之和。
58、所述步骤4.4包括：
59、步骤4.4.1、利用式(13)计算辅助种群p2(t)中一个最优潮流辅助解的总约束违反
60、
61、步骤4.4.2、计算辅助种群p2(t)中最优潮流辅助解的支配关系：
62、根据式(1)-式(7)计算的第m个目标函数和第m个目标函数
63、若表示支配否则，表示不支配
64、将辅助种群p2(t)中被所支配的所有最优潮流辅助解的个数记为
65、步骤4.4.3、利用式(14)计算辅助种群p2(t)中的适应度
66、
67、式(12)中，表示与辅助种群p2(t)中除之外的所有最优潮流辅助解的相似度函数值之和。
68、所述步骤6.1包括：
69、步骤6.1.1、按照步骤4.3，计算p2(t)和o2(t)中所有最优潮流辅助解的约束违反和适应度；
70、步骤6.1.2、计算p2(t)中所有cv＝0的最优潮流辅助解在p2(t)中所占的比例fr_p(t)，计算o2(t)中所有cv＝0的最优潮流辅助解在o2(t)中所占的比例fr_o(t)；
71、步骤6.1.3、若fr_p(t)＞fr_o(t)，则在p2(t)中选择适应度最小的n/2个最优潮流辅助解作为第t代转移种群tr(t)，否则，将o2(t)直接作为第t代转移种群tr(t)；
72、步骤6.1.4、构建第t代杂交主种群h1(t)＝p1(t)∪o1(t)∪tr(t)。
73、所述步骤7.1包括：
74、步骤7.1.1、按照步骤4.3对h1(t)中所有的最优潮流解进行评价，并得到h1(t)中所有的最优潮流解的适应度；
75、步骤7.1.2、如果h1(t)中的非支配最优潮流解数大于n，则使用基于转移的密度估计的截断策略从h1(t)中选择n个最优潮流解作为第t+1代主种群p1(t+1)；否则，根据所有最优潮流解的适应度值对h1(t)中的最优潮流解进行排序，选择n个适应度最小的最优潮流解作为第t+1代主种群p1(t+1).
76、所述步骤7.1包括：
77、步骤7.2.1、按照步骤4.4对h2(t)中所有的最优潮流解进行评价，并得到h2(t)中所有的最优潮流解的适应度；
78、步骤7.2.2、如果h2(t)中的非支配最优潮流解数大于n，则使用基于转移的密度估计的截断策略从h2(t)中选择n个最优潮流解作为第t+1代主种群p2(t+1)；否则，根据适应度对h2(t)中的最优潮流解进行排序，选择n个适应度最小的最优潮流解集作为第t+1代辅助种群p2(t+1)。
79、本发明一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述基于双种群弱协同进化算法的超多目标最优潮流求解方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
80、本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述基于双种群弱协同进化算法的超多目标最优潮流求解方法的步骤。
81、与已有技术相比，本发明有益效果体现在：
82、1、本发明通过构建更适合现代电力系统运行和规划的最优潮流模型，并采用双种群协同的进化算法，通过原始超多目标最优潮流问题构造一个不考虑约束的辅助问题，基于原始问题和无约束辅助问题同时进化主种群和辅助种群，并交互两个种群的最优潮流解集，相互促进两个种群的进化，从而提高了电力系统的运行效率。
83、2、本发明制定两个种群的交互规则，从宏观的角度考虑最优潮流解的可行性，根据辅助父代种群和辅助子代种群可行解的比例，选择有利于主种群进化的转移种群进入杂交种群，从杂交种群中选择最优潮流解更新下一代种群，可以更好地帮助主种群跳出局部最优和快速收敛，更有利于，在能够满足发电机约束和安全约束的前提下，找到电力系统最优的参数设置，使电力系统的燃料成本、排放、电压幅值偏差、有功功率损耗和线路指数达到最优值。
1.一种基于双种群弱协同进化算法的超多目标最优潮流求解方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于双种群弱协同进化算法的超多目标最优潮流求解方法，其特征在于，所述步骤4.3包括：
3.根据权利要求2所述的基于双种群弱协同进化算法的超多目标最优潮流求解方法，其特征在于，所述步骤4.4包括：
4.根据权利要求3所述的基于双种群弱协同进化算法的超多目标最优潮流求解方法，其特征在于，所述步骤6.1包括：
5.根据权利要求4所述的基于双种群弱协同进化算法的超多目标最优潮流求解方法，其特征在于，所述步骤7.1包括：
6.根据权利要求5所述的基于双种群弱协同进化算法的超多目标最优潮流求解方法，其特征在于，所述步骤7.1包括：
7.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-6中任一所述基于双种群弱协同进化算法的超多目标最优潮流求解方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
8.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-6中任一所述基于双种群弱协同进化算法的超多目标最优潮流求解方法的步骤。
