基于GIS和改进PSO算法的配电网络变电站选址规划

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于GIS和改进PSO算法的配电网络变电站选址规划范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】提出了一种改进的PSO算法来解决配电网络变电站选址问题。在改进PSO算法中是将模拟退火思想和变异算子引入粒子群算法之中，在计算初期保证群体的多样性，后期增强了算法的寻优精度。在变电站计算模型中，首次将地理信息作为元数据权重因子引入到选址模型中，最后通过实例分析，给配电网规划建设提供了参考。

【关键词】变电站选址；地理信息系统；粒子群优化

1.引言

配电网络变电站站址站容的优化是一个特殊的组合优化平面定位问题，是城市电网优化的一个重要环节，直接影响着未来中低压配电网络的结构，对未来电网运行的经济性和可靠性有很大的影响。

近年来，变电站选址问题已发展了模拟退火法[1-3]、禁忌搜索算法、遗传算法[4]等多种算法。但是变电站选址优化规划，属于大规模组合优化问题。当问题规模较大时，求解速度慢，解的质量不高。与其它智能优化算法相比，粒子群优化算法（PSO）是一种最新发展起来的智能优化算法，简单容易实现，搜索速度较快。本文受遗传算法中存在着交叉和变异操作的启发，首次考虑地理信息的情况下将模拟退火思想和变异算子引入到粒子群当中，提出了一种改进的模拟退火粒子群算法。在计算过程中并与标准PSO算法的优化结果比较，结果表明改进PSO算法具有更好的全局寻优能力。

2.变电站选址模型

变电站选址问题是为了满足规划目标年分布负荷需求，以变电站和馈线投资最小、变电站和网络运营费用最低为目标函数，以变电站负荷低于其规定最大负载为约束条件，确定变电站的数量、位置。

本文不仅考虑了包括线路的年投资和网损费用，还着重对地理位置的进行考虑，将其作为元数据权重因子作用于目标函数 。在优化选址之前，新建变电站的容量已经确定，变电站新建的投资费用和运行费用固定。变电站选址优化模型可以简化为只考虑线路投资费用和损耗费用的方程，具体如式（1）：

式中：N为待建变电站的个数；J为变电站所供用电负荷集合；为单位长度线路投资费用；为贴现率； 为变电站低压侧线路折旧年限；为变电站i与负荷点j之间的线路直线长度，； 为线路网损折算系数，，为单位电能损耗折价系数，为线路单位长度电阻，为线路年损耗小时数，U为线电压；为功率因数；为第j点负荷的有功功率；K为待建变电站区域中的无法建站或建站较困难的地段个数；数值含义见式（5）；

其中：S为新建变电站容量；D为线路供电半径限制；为待建变电站区域中的无法建站或建站较困难的区域半径；为待建变电站距待建变电站区域中的无法建站或建站较困难的中心距离，P为元数据权重因子，作为变电站选址在非可建站地域内的权重，一般取值很大，当落在要求区域外时，权重为零；当落在区域内时，进行有效权重。

3.地理信息的处理

地理信息系统（geographical information system ，GIS）[5]是由计算机硬件、软件和不同的方法组成的系统，该系统设计支持空间数据的采集、管理、处理、分析、建模和显示，以便解决复杂的规划和管理问题。地理信息系统中最重要的部分就是空间数据。空间数据能够有效地表达空间位置信息和属性数据。配电网络GIS空间数据一般分为2种：

（1）图形数据。也叫空间定位数据，如变电站、负荷、线路、开关等；

（2）属性数据。各种电力设备的性质及运行参数，大多对图形的描述等。在进行变电站选址定容时，变电站的站址在GIS中被看作一个点，而其坐落的地块一般是由几个顶点的多段线组成的闭合区域。地块的属性数据中包含了负荷密度、地块面积、地质地形等各种信息，这些信息对变电站选址起到了决定性的作用。在选址过程中，湖泊、建筑物等一些不可行建站区域往往在给定的一个或几个规划地块中，这时不仅要判断站址落点和地块的关系，还要在GIS中判断落点和不可行建站区域的关系，湖泊和建筑物等不适宜建站区域一般有两种表现形式：一种是圆形；另一种是不规则的多段线组成的闭合区域。点和区域的拓扑关系通常有3种：点在区域内；点在区域的边界上；点在区域外。

判断点是否在区域内的主要依据是垂线法[3]是：从点引垂线（实际上可以是任意方向的射线），计算与多边形的交点个数。若交点个数为奇数则说明该点在多边形内；若交点个数为偶数，则该点在多边形外。如图1所示。

5.2地理信息对变电站规划的结果

在规划中，考虑地理信息和不考虑地理信息的计算结果是不同的，考虑地理信息后的变电站规划结果更实际、可行。图3和图4分别为未计及和计及地理信息因素的规划结果。图3中，变电站1、变电站4和变电站7的规划落点在街道上，属于不可行区域。图5为充分考虑用地性质、交通状况、地质地形等地理因素后的规划结果。

5.3结论

变电站选址是一个多目标、多约束、大规模、非线性的组合优化问题，本文对变电站选址模型进行了研究，着重将地理信息作为元数据权重因子引入到选址模型中。提出一种改进的PSO算法，从引入模拟退火思想和变异算子两个方面进行了改进，运用该改进算法对变电站选址进行了优化分析。实际算例表明该算法降低了寻优的复杂度，提高了搜索精度，给电力规划提供了参考。

参考文献：

[1] OYAMA T. Restorative planning of power system using genetic algorithm with branch exchange method// Proceedings of Intelligent Systems Applications to Systems， Jan 28-Feb 2，

1996， Orlando， FL， USA： 175-179.

[2] 倪秋龙，黄民翔.基于支路交换的模拟退火算法在配电网规划的应用[J].电力系统及其自动化学报.2000，12（4）： 31-35.

[3] BOUCHARD D E， SALAMA M M A， CHIKHANI A Y. Optimal feeder routing and optimal substation sizing and placement using guided evolutionary simulated annealing// Proceedings of 1995 Canadian Conference on Electrical and Computer Engineering： Vol 2， Sep 5-8， 1995， Montreal，Canada：688-691.

[4] 王成山，刘涛，谢莹华.基于混合遗传算法的变电站选址定容[J].电力系统自动化.2006， 30（6）： 30-47.

[5] 胡鹏，黄杏元，华一新.地理信息系统教程[M].武汉：武汉大学出版社2002.

[6] 董永峰，杨彦卿，宋洁等.基于改进粒子群算法的变电站选址规划[J].继电器.2008，36（5）：32-35.

[7] 孙林燕 ，一种新的改进粒子群算法[D].大连海事大学硕士论文，2008年

[8] 牛卫平，刘自发，张建华等.基于gis和微分进化算法的变电站选址及定容[J].电力系统自动化.2007.31（18）：82-86.

[9] 刘自发，张建华.基于改进多组织粒子群优化算法的配电网络变电站选址定容[J].中国电机工程学报.2007.21（1）：105-111.