基于细菌菌落优化算法分布式电源优化配置.pdf

第４３卷第２１期２０１５年１１月１目电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶｌ０１．４３ＮＯ．２１ＮＯＶ．１，２０１５基于细菌菌落优化算法分布式电源优化配置陈海东（宁夏电力公司石嘴山供电公司，宁夏石嘴山７５３０００）摘要：分布式电源位置和容量的优化配置可确保其发挥更好的技术经济效用。在分析ＤＧ特性的基础上，建立了考虑含分布式电源的有功网损费用最小和综合投资成本以及购电成本最小模型的多目标优化模型，并且提出了一种新颖的智能优化算法细菌菌落算法。细菌菌落优化算法根据单个细菌的生长方式及其群体菌落繁殖的特性演化而来。该算法建立了细菌菌落的生成和死亡的寻优机制，并提供了一种新的寻优算法的结束方式。最后，通过算例验证所提算法具有良好实用性和适应性，并且也验证所提模型的实际意义。关键词：配电网络；分布式电源；多目标优化；细菌菌落优化算法；细菌菌落ＯｐｔｉｍａｌｐｏｗｅｒｆｌｏｗｏｆｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｗｉｔｈｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｂａｓｅｄｏｎｂａｃｔｅｒｉａｌｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎＣＨＥＮＨａｉｄｏｎｇ（ＳｈｉｚｕｉｓｈａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＢｕｒｅａｕ，ＮｉｎｇｘｉａＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙ，Ｓｈｉｚｕｉｓｈａｎ７５３０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｏｐｔｉｍａｌｃｏｎｆｉｇｕｒａｔｉｏｎｏｆｌｏｃａｔｉｏｎａｎｄｃａｐａｃｉｔｙｏｆｔｈｅｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎ（ＤＧ）ｃａｎｅｎｓｕｒｅｉｔｓｂｅｔｔｅｒｔｅｃｈｎｉｃａｌａｎｄｅｃｏｎｏｍｉｃｕｔｉｌｉｔｙ．ＢａｓｅｄｏｎｔｈｅｄｅｔａｉｌｅｄａｎａｌｙｓｉｓｏｎｐｅｃｕｌｉａｒｉｔｙｏｆＤＧｔｈｉｓｐａｐｅｒｅｓｔａｂｌｉｓｈｅｓａｍｏｄｅｌｏｆＤＧｗｈｉｃｈｔａｋｅｓｔｈｅｍｉｎｉｍａｌａｃｔｉｖｅｎｅｔｗｏｒｋｌｏｓｓｏｆＤＧａｎｄｔｈｅｌｅａｓｔｃｏｓｔｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎ．Ａｂａｃｔｅｒｉａｌｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ（ＢＣＯ）ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｂａｓｉｃｇｒｏｗｔｈｌａｗｏｆｂａｃｔｅｒｉａｌｃｏｌｏｎｙｉｓｐｒｅｓｅｎｔｅｄ．Ａｎｉｎｆｏｒｍａｔｉｏｎｓｈａｒｉｎｇｍｅｔｈｏｄｉｓｂｕｉｌｔｆｏｒｔｈｅｃｏｌｏｎｙ．ＴｈｉｓＢＣＯａｌｇｏｒｉｔｈｍｐｒｏｖｉｄｅｓａｎｅｗｔｙｐｅｏｆｔｅｒｍｉｎａｔｉｏｎ；ｉｔｗｉｌｌｔｅｒｍｉｎａｔｅｔｈｅｉｔｅｒａｔｉｏｎｗｈｅｎｔｈｅｃｏｌｏｎｙｖａｎｉｓｈｅｓ，ｒｅｇａｒｄｌｅｓｓｏｆｔｈｅｉｔｅｒａｔｉｏｎｎｕｍｂｅｒｏｒｔｈｅｐｒｅｃｉｓｉｏｎｖａｌｕｅ．Ｆｉｎａｌｌｙｊｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓｉｌｌｕｓｔｒａｔｅｄｂｙｅｘｐｅｒｉｍｅｎｔｓ．Ｋｅｙｗｏｒｄｓ：ｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋ；ｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎ；ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ；ｂａｃｔｅｒｉａｌｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ；ｂａｃｔｅｒｉａｌｃｏｌｏｎｙ中图分类号：ＴＭ７１文献标识码：Ａ—文章编号：１６７４．３４１５（２０１５）２１０１０６．０６０引言分布式发电作为智能电网的重要组成部分，近年来受到日益广泛的关注。但是，分布式电源接入配电网后，会引起各支路潮流大小和方向改变，使得系统损耗不仅与负荷大小有关，同时还与ＤＧ选址及定容有关。因此，深入研究ＤＧ的合理规划具有重要意义Ｊ。目前，国内外学者己对ＤＧ的优化配置问题进行了较多研究。文献［６］采用蚁群算法确定ＤＧ的最佳安装位置与容量大小，但蚁群算法要求各调节参数必须选择合理，否则会影响其优化效果；文献【７］以网损为目标函数，提出采用常规萤火虫算法（Ｆｉｒｅｆｌｙａｌｇｏｒｉｔｈｍ，ＦＡ）求解该问题，但ＦＡ算法存在收敛精度不高，易于陷入局部最优：文献［８】提出多目标量子遗传优化算法应用到分布式电源选址和定容问题的求解中，建立了以有功网损最小为目标函数的优化模型，但是这种算法的参数设置复杂，并且运行速度慢。文献【９］提出了一种改进型粒子群优化算法（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ），并建立了以有功网损最小为目标函数的优化模型，然而这种改进形式一般计算时间较长、运行复杂。文献［９】提出细菌菌落优化算法，同通过算例验证该算法优越性，并且验证了概算的自动结束循序功能。文献［１０哿细菌菌落优化算法用在配电网的无功优化的求解中，并申请了专利，同时也证明该算法在求解无功优化问题，能够找到更高质量的解。本文首先建立了包含有功网损费用最小，分布式陈海东基于细菌菌落优化算法分布式电源优化配置一１０７．电源综合投资成本最小以及购电成本最小多目标优化模型，其次，详细介绍一种新颖智能优化算法，并对分布式电源选址和定容问题进行优化求解，最后，将计算结果与粒子群算法、细菌觅食优化法的计算结果进行比较，验证了所提算法的有效性与优越性。１分布式电源优化配置模型首先建立含ＤＧ的配电网规划配置模型，在满足功率频率、节点电压、线路极限传输功率、电流约束条件的同时，最大程度地降低配电网的有功网损和ＤＧ的总体投资费用以及购电成本。１．１目标函数１１目标函数１分布式电源单位容量的装机成本与集中式发电设备相比偏高，但随着技术的进步这一制约分布式电源发展的因素有望得到解决。分布式电源的综合成本与工程项目具体情况密切相关，主要由分布式电源的设备购买安装费用和年运行维护费用组成。分布式电源的综合成本的可表示为＝‘‰善ｘｊ［（告－＇ｔ－（１）式中：ｎ为规划期限；为固定年利率；ＣＤ。．代表第ｉ个节点的ＤＧ的安装费用；Ｃｒ表示分布式电源的运行费用：尸Ｄ在ｉ节点的安装容量；Ｘｉ表示是否安装分布式电源；分布式电源安装的节点数目。２）目标函数２本文以有功网损最小为目标函数，给出一个精确网损计算公式［】ＪＪ：∑∑尸Ｌ＝［ａ０（ＰｉＰｊ－Ｉ－）＋（一）】（２）＝ｃｏｓ＠）＝ｓｉｎ（Ｏｉ－－￣ｊ）（３）Ⅳ式中：ｈ为线路的节点；线路的阻抗＝＋ｊ；节点电压；、分别为节点ｉ的注入有功功率和无功功率。分布式电源安装节点相应的有功和无功功率注入容量为＝。一（４）＝。一（５）‰式中：是分布式电源节点注入功率；，节点负荷功率。将式（４）和式（５）带入到式（３）和式（２）得到接入分布式电源之后的系统有功网损：ＮＮ。＝２［ａｕ（（Ｐｉ（ＰＤ。一）＋（。一ＱＤ））＋ｉｉ（（尸ｎ一尸Ｄ）一Ｑ，（。一ＱＤ））】（６）最后将配电网接入分布式电源之后的网损转化为经济费用，如下Ｃ１＿＝ｘ×（７）式中：最大年负荷小时数；Ｃｎ为实时电价。３）目标函数３分布式电源的购电成本＝△（尸ｗ一。。一。）＝一ｍ．（８）［（尸ｗ一胛ｏ一（。一。）］ｉ＝１式中：代表最大负荷利用小时数；Ｐｗ为网络总容量；。。安装分布式电源总的有功出力：。为优化前的网络损耗；代表接入分布式电源以后有功损耗。１．２综合目标函数由于本文将网络损耗转化为经济费用，然后以损耗费用和分布式电源综合投资成本最小为分布式电源优化配置的目标模型，统一量纲以后采取线性加权目标函数的具体描述，因此加入上述约束条件的惩罚函数之后，综合的目标函数为Ｆ（ｘ）＝ＸＣｉ－Ｉ－ｘＣＩ＿＋（９）式中：Ｆ（ｘ）是线性加权之后的综合目标函数；、、以为权重系数，可以根据实际优化目标函数要求具体设定０＜、、＜１。１．３约束条件１１节点功率平衡约束Ⅳ一∑ｅｉ（Ｇｉｊｅｊ一）＋（＋）＝００ｏ）Ⅳ∑Ｑ一Ｚ（Ｇ￣．ｅｊ一）一（＋Ｂｏｅｊ）＝０＝１Ⅳ式中：为系统节点个数；、Ｑ＿．分别为节点ｉ的注入有功功率和无功功率；ｇ和分别为节点ｉ电压的实部和虚部；Ｇ分别为节点ｉ、，之间的电导、电纳。２）节点电压约束≤Ｕｉｉｕｉ（１１）其中：一、分别为节点电压的上下限值。３）输电线路的极限传输功率约束为一１０８一电力系统保护与控制“＜Ｐ（１２）式中，只是节点ｉ到节点，的传输功率。４）线路电流约束ＩＬ＜ＩＬ一（１３）式中：，为线路传输电流；。为线路最大传输电流。２细菌菌落优化算法的基本原理在２０１１年李明等人提出是细菌菌落优化算法，是通过细菌菌落生长过程得到的启发［１２－１３］。将细菌的生长方式及菌落生长过程演化为问题最优解的寻找过程。假设需要求解的优化问题模型用指定的培养液来表示，细菌培养液中营养物质的浓度表示为优化问题中对应的个体细菌的目标函数值（适应度的值）。根据上面的介绍，细菌到培养液以后有一个适应过程，然后就开始以指数的形式增加。而细菌培养液中的营养物质不可能是无限的，所以细菌个体一定不可能无限制的繁殖下去，会受到营养物质浓度和其他外界条件的一些约束，在问题的寻优求解过程中事先规定，细菌培养液所能承受的菌落的种群最大的规模为，细菌个体的在营养液中的繁殖数量不能超过规定最大规模。在细菌个体的适应阶段过了以后，根据外界的条件只要能够吸收充分的营养物质，细菌个体就能够达到繁殖的条件，细菌个体就可以一分为二，相反当超过个体生命周期㈤或者满足其他的一些规定条件时则死亡，在这样的前进、繁殖、翻转、死亡转化为求解优化问题的目标函数逐渐寻优的过程。由于细菌个体能够记忆外界的环境，保留其父代经历的最优位置，并且通过菌落信息相互沟通和交流可以保存整个菌落之前经历的最优位置。细菌主要依靠两种运动方式进行优化的探索：翻转和前进。翻转即是在当前空间位置作随机运动，前进即沿着上一次的转移方向向上面所讲述的两个最优位置移动。在细菌个体的更新过程中，细菌个体所处的空间位置的目标函数值优于上一次位置的目标函数值时，细菌个体则会采取前进运动方式，细菌个体在前进的时候，空间位置的更新公式为＋ｌ＝＋ｒ￣ｒａｎｄ。（。ｔ一）＋１＂１ｒａｎｄ。（ｇｂ。ｓｔ一）（１４）Ｘ＝Ｘ＋Ｖ＋１（１５）式中：表示第ｋ次迭代时，个体的前进的方向；Ｘｋ对应的是第ｋ次迭代时，细菌个体在营养液培养基中的位置；．代表细菌个体上一次（父代）所经历的最优位置；ｇ表示目前菌落所到达的最优位置；和为系数；ｒａｎｄ为（０，１）上的随机数。细菌个体的前进公式与粒子群算法的位置更新公式有很大的相同。粒子群算法的位置更新公式也是由两个最优值指引的。其中就相当于粒子群算法中的粒子所经历的全局最优位置，从这个角度看，两种算法更新公式是一样的。但是从全局最优质的动态变化角度看，两者之间的意义有很大的区别，在细菌菌落优化算法中是在动态变化的，在算法的后期最优值细菌数量会越来越少。细菌的前进的更新公式都是沿着上一次方向进行的，但并不是每一次的细菌位置更新所得到的目标函数值都优越其父代，当个体所处的空问位置的目标函数值没有上一次的目标函数值优越时候，此时就模拟了细菌当前所在的区域环境不如其父代所处的位置。细菌个体不会向着这个方向移动，就会在原地翻转，即在附近的空间位置进行搜索。其位置的更新公式为Ｘｋ＋ｌ＝＋Ｒ・ｒａｎｄｎ（１６）其中：Ｒ是搜索半径；ｒａｎｄｎ为（一１，１）上的随机数。从上述可以发现细菌个体不及会向营养物浓度高的区域前进，还有可能发生回退，或者是在前进和后Ⅳ退的路上徘徊。如果细菌个体再起生命周期中连ⅣⅣⅣ续沿正的浓度梯度方向移动次数Ｄ（＞Ｄ），表示细菌个体吸收了足够的营养物质，可以进行繁殖了。不然，则认为细菌个体死亡。根据达尔文生物进化论，细菌经过一段时间的优化之后，达到繁殖条件的细菌个体进行自我繁殖，生成的新个体与原来的个体具有相同的位置，死亡操作即相应的个体消失。但是菌落算法根据自身仿生机制原理，细菌菌落消失后算法就会自然结束，换句话说就是该算法可以在没有外界条件下，自行结束寻优算法程序。２．１细菌菌落优化算法的求解步骤本文采用细菌菌落优化算法对优化模型进行相应的求解。运用细菌菌落优化算法求解分布式电源选址和定容问题的步骤如下。１１分布式电源的容量在细菌菌落算法中对应于细菌在培养液中的位置，确定电压、电流上下限等约束条件，细菌个体的搜索空间ｆ维数）就是ＤＧ的变量个数，代入算法进行演算；２）初始化细菌群体，初始化一个或者少量的细菌个体；３）对于细菌个体，应用前推回代法进行潮流计算和目标函数计算，取其中最小值作为群体当前的全局最优解ｇｂｍ值，并记录当前的最优位置；陈海东基于细菌菌落优化算法分布式电源优化配置．１０９．４）如果细菌个体的目标函数值优越于父代，相应更新细菌个体的位置之后进行步骤６１，否则进行步骤５）；５）细菌个体翻转，判断是否达到死亡条件，达到则细菌个体死亡，否则直接返回步骤３）；６）判断细菌种群的个数是否超过所设定的最大种群规模，没有则继续进行步骤７），否则，返回步骤３１；７）判断个体满足繁殖条件，达到繁殖条件细菌个体繁殖之后进行步骤８）；８）判断是否达到迭代的次数，如果达到迭代结束，否则进行步骤３１。２．２细菌菌落优化算法的求解流程图运用细菌菌落优化算法求解分布式电源选址和定容问题流程图如图１所示。设豫算法的相关参数以及满足约束条件细菌的个体／汁算适应度的值，足错优越＼竺＝＼＼三进，ｉ＿｝算适ｌ、＼／ｌ细菌翻转，计算：ｌ按适应度的ｌｌ值排序，记Ｊ求全局最优债ｌ＞童＼／ｌ足—兰、、＞结束循环到迭代次数／ｌ。图１算法求解流程图Ｆｉｇ．１ＦｌｏｗｃｈａｒｔｏｆｓｏｌｕｔｉｏｎｗｉｔｈＦＡ３算例分析３．１算例中模型参数的选取本文以ＩＥＥＥ一６９节点配电网系统为例ｆ图２）ｕ，将各分布式电源看作负的ＰＱ节点处理【１引，功率因数取０．９。首先，可以令＝１０ｋＷ，如果求解出为０，表明在负荷节点ｉ处不安装分布式电源；若为非零常数，则表明在节点ｉ处规划安装ＤＧ，且其安装容量为×１０ｋＷ，其中的取值范围为『０，之间的实数，编号对应的最大值Ｍ＝ＤＧ（Ｍａｘ（ｉ））／Ｐ￣，这样设置既可以通过优化算法确定分布式电源的位置，也可以计算出电源的接入容量。单位网损电价Ｃ＝０．６５元／ｋＷｈ，每条支路的年最大网络损耗时间为８７６０ｈ，权重＝０．６，＝０．２，＝０．２。分布式发电单位安装费．ｒ＝９３００元／ｋＷ，运行维护成本．．＿＝１９００元／ｌ【ｗ。ｒ为０．０６７，规划年限为２０年。５９６０６１６２６３６４６５６６６７６８２８２９３０３１３２３３３４３５图２ＩＥＥＥ．６９节点配电网测试系统图Ｆｉｇ．２ＩＥＥＥ一６９ｎｏｄｅｉｓｔｈｅｔｅｓｔｓｙｓｔｅｍ为了验证本文算法的优越性，分别与粒子算法和细菌觅食算法进行比较。本文算法将与标准的ＰＳＯ￣ＨＢＣＦ算法进行比较。其种群数规模均设置为３０，迭代次数为３００，这样有利于在相同运行条件下比较这几种算法的优劣。粒子群算法特性参数设置如文献［１６１，细菌觅食算法参数设置如文献［１７１。本文算法的相关参数设置为：菌落的种群规模设置为Ｓ＝－２０，细菌个体生长周期Ｎ＝６以及繁殖条件（死亡条件＿２。参数设定＝０．７、ｒ】＝ｒ２＝１．５，搜索半径尺设置为１０一。３．２算例结果分析对三种算法仿真结果对比可知，考虑分布式电源的接入，最佳的分布式电源的接入位置是１４、５０、５５和６１号节点。采用本文算法ＤＧ接入后系统，优化后的有功网损减少了３９．７２％，有效地降低了投资费用，而应用ＢＣＦ算法和ＰＳＯ算法系统网损分别减少３６．５１％和３５．４６％，均小于细菌菌落优化算法求解结果，另外从表１为三种算法在分布式电源表１三种算法的优化结果Ｔａｂｌｅ１Ｒｅｓｕｌｔｓｗｉｔｈｔｈｒｅｅａｌｇｏｒｉｔｈｍｓ一ｌ１０．电力系统保护与控制接入前后配电网运行费用的变化比较。若考虑ＤＧ的运行成本，含ＤＧ的方案年费用为５８１．６９万元，不含ＤＧ的方案年费用为５８７．６５万元。ＤＧ的接入带来了一定的经济效益。图３是在接入ＤＧ前后，采用本文算法对分布式电源进行规划，节点电压的最低值均得到了提高，优化之后最低电压为０．９６８１Ｐ．ｕ．，配网系统电压普遍有明显改善，平均电压为０．９９３１Ｐ－ｕ．，提高了系统节点整体电压水平。、、：≤：＿ｌ＼：＼／。：ｌｌ＿＿：…ｌｌｌｌｉ５ｌ０１５２Ｏ２５３０３５系统节点图３ＩＥＥＥ．６９各节点电压幅值Ｆｉｇ．３ＶｏｌｔａｇｅｏｆＩＥＥＥ一６９ｎｏｄｅｓ由于这几种算法都是随机智能优化的，所以测试的次数设置为２０次，实验结果取平均值。图４为采用ＢＣＯ、ＢＣＦ和ＰＳＯ对目标函数进行的独立优化２０次的最优情况下的收敛特性曲线。从图中可以看出，粒子群算法和细菌觅食优化算法，收敛速度较慢，并且容易陷入局部最小值，且搜索精度不高。、、一Ｉ。Ｌ１＿＝一一一．迭代次数图４三种算法收敛曲线图比较Ｆｉｇ．４Ｃｏｍｐａｒｉｓｏｎｏｆｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｗｉｔｈｔｈｒｅｅａｌｇｏｒｉｔｈｍｓ细菌菌落的形成到死亡，模拟为优化问题的求解过程，为了验证本文所提算法算法能够白行结束循环，将细菌菌落优化算法在优化过程中，细菌种群变化在图５，从图中可以看出大概在６０次左右的时候细菌的中种群个体就趋近于零。细菌种群规模的变化，与细菌菌落形成和消失比较吻合。验证本文仿生算法的合理性。迭代次数图５种群规模变化曲线图Ｆｉｇ．５Ｃｕｒｖｅｏｆｐｏｐｕｌａｔｉｏｎｓｉｚｅｃｈａｎｇｅ４结论首先分析了配电网接入分布式电源以后，对电网潮流和网损的影响。从电力系统经济总利益的角度出发，在ＤＧ接入容量和接入位置不确定的情况下，采用将配电网网络损耗转化为经济指标的损耗费用最小的目标函数，并运用工程实践中常用的时间价值的转换方法，以２０年为规划实践，合理地建立了分布式电源的综合成本。运用细菌菌落优化算法对该模型进行求解，并与标准粒子群算法和细菌觅食优化算法的优化结果进行比较，验证了该算法的实用性和优越性。参考文献［１］余琼，余胜，李晓晖．含分布式电源的配刚自适应保护方案［Ｊ］．电力系统保护与控制，２０１２，４０（５）：ｌ１０－１ｌ５．ＹＵＱｉｏｎｇ，ＹＵＳｈｅｎｇ，ＬＩＸｉａｏｈｕｉ．ＡｎａｄａｐｔｉｖｅｐｒｏｔｅｃｔｉｏｎｓｃｈｅｍｅｆｏｒｍｅｓｈｅｄｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｗｉｔｈＤＧ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１２，４０（５）：１１０－１１５．［２］任洪伟，韩丛英，裴玮，等．基于多目标优化模型的分布式电源选址方案研究『Ｊ１．电力系统保护与控制，２０１３，３９（４）：１８－２２．ＲＥＮＨｏｎｇｗｅｉ，ＨＡＮＣｏｎｇｙｉｎｇ，ＰＥＩＷｅｉ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｌｏｃａｔｉｎｇｂａｓｅｄｏｎｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１３，３９（４）：１８－２２．［３］代双寅，韩民晓，严稳莉．含分布式电源的配电嘲电压暂降评估［Ｊ］．电网技术，２０１１，３５（７）：１４５．１４９．ＤＡＩＳｈｕａｎｇｙｉｎ，ＨＡＮＭｉｎｘｉａｏ，ＹＡＮＷｅｎｌｉ．Ｖｏｌｔａｇｅｓａｇａｓｓｅｓｓｍｅｎｔｆｏｒｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｃｏｎｔａｉｎｉｎｇｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２０１１，３５（７）：—１４５１４９．［４］邓威，李欣然，李培强，等．基于互补性的间歇性分布式电源在配网中的优化配置ＩＪ１．电工技术学报，２０１３，—２８ｆ６１：２１６２２５．陈海东基于细菌菌落优化算法分布式电源优化配置ＤＥＮＧＷｅｉ，ＬＩＸｉｎｒａｎ，ＬＩＰｅｉｑｉａｎｇ，ｅｔａ１．Ｏｐｔｉｍａｌａｌｌｏｃａｔｉｏｎｏｆｉｎｔｅｒｍｉｔｔｅｎｔｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｃｏｎｓｉｄｅｒｉｎｇｃｏｍｐｌｅｍｅｎｔａｒｉｔｙｉｎｄｉｓｔｒｉｂｕｔｅｄｎｅｔｗｏｒｋ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１３，２８（６）：２１６－２２５．［５］张丽，徐玉琴，王增平，等．包含分布式电源的配电网—无功优化【Ｊ】．电工技术学报，２０１１，２６（３）：１６８１７４．ＺＨＡＮＧＬｉ，ＸＵＹｕｑｉｎ，ＷＡＮＧＺｅｎｇｐｉｎｇ，ｅｔａ１．Ｒｅａｃｔｉｖｅｐｏｗｅｒｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｗｉｔｈｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｏｒｓ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ—Ｓｏｃｉｅｔｙ，２０１１，２６（３）：１６８１７４．［６］ＦＡＬＡＧＨＩＨ．ＨＡＧＨＩＦＡＭＭＲ．ＡＣ０ｂａｓｅｄａｌｇｏｒｉｔｈｍｆｏｒｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｓｏｕｒｃｅｓａｌｌｏｃａｔｉｏｎａｎｄｓｉｚｉｎｇｉｎｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｓ［Ｃ】／／ＰｏｗｅｒＴｅｃｈ，２００７ＩＥＥＥ—Ｌａｕｓａｎｎｅ，２００７：５５５５６０．１７ｊＯＵＡＦＡＨ，ＮＡＤＨＩＲＫ，ＬＩＮＤＡＳ，ｅｔａ１．Ｏｐｔｉｍａｌｐｏｗｅｒｆｌｏｗｗｉｔｈｅｍｉｓｓｉｏｎｃｏｎｔｒｏｌｌｅｄｕｓｉｎｇｆｉｒｅｆｌｙａｌｇｏｒｉｔｈｍ［Ｃ］——／／ＩＣＭＳＡ０Ｔｕｎｉｓｉａ，ＩＥＥＥ，２０１３：９７８１・４６７３５８１４－９／１３．［８］王瑞琪，李珂，张承慧，等．基于多目标混沌量子遗传算法的分布式电源规划［Ｊ］．电网技术，２０１０，３８（１２）：—１８３１８９．ＷＡＮＧＲｕｉｑｉ，ＬＩＫｅ，ＺＨＡＮＧＣｈｅｎｇｈｕｉ，ｅｔａ１．Ｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｐｌａｎｎｉｎｇｂａｓｅｄｏｎｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｃｈａｏｔｉｃｑｕａｎｔｕｍｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍ—Ｔｅｃｈｎｏｌｏｇｙ．２０１１．３５（１２）：１８３１８９．［９］ＬＩＭｉｎｇ．ＡｎｏｖｅｌＳｗＲｒｒｎｉｎｔｅｌｌｉｇｅｎｃｅｏｐｔｉｍｉｚａｔｉｏｎｉｎｓｐｉｒｅｄｂｙｅｖｏｌｕｔｉｏｎｐｒｏｃｅｓｓｏｆａｂａｃｔｅｒｉａｌｃｏｌｏｎｙ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅｌＯｔｈＷｏｒｌｄＣｏｎｇｒｅｓｓｏｎＩｎｔｅｌｌｉｇｅｎｔＣｏｎｔｒｏｌａｎｄＡｕｔｏｍａｔｉｏｎ，Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ，Ｊｕｌｙ６－８，２０１２：４５０．４５３．［１０］上海理工大学．电力系统无功优化的细菌菌落优化算法：中国，２０１３１０１４０８４５．６［Ｐ］．２０１３．０４．２２．［１１］ＫＲＵＥＡＳＵＫＷ，ＯＮＧＳＡＫＵＬＷ．Ｏｐｔｉｍａｌｐｌａｃｅｍｅｎｔｏｆｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎｕｓｉｎｇｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＰｏｒｔｏＰｏｗｅｒＴｅｃｈｎｏｌｏｇｙ，２００５．［１２］李明，杨成梧．细菌菌落优化算法［Ｊ］．控制理论与应—用，２０ｌ１，２８（２）：２２３２２８．ＬＩＭｉｎｇ，ＹＡＮＧＣｈｅｎｇｗｕ．Ｂａｃｔｅｒｉａｌｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．ＣｏｎｔｒｏｌＴｈｅｏｒｙ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１ｌ，２８（２）：２２３－２２８．［１３］宋德逻，孔德福，李明．一种离散细菌菌落优化算法—研究【Ｊ】．软件导刊，２０１３，１２（１２）：５２５４．ＳＯＮＧＤｅｌｕｏ，ＫＯＮＧＤｅｆｕ，ＬＩＭｉｎｇ．Ａｄｉｓｃｒｅｔｅｂａｃｔｅｒｉａｌｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ［Ｊ］．Ｓｏｆｔｗａｒｅ—Ｇｕｉｄｅ，２０１３，１２（１２）：５２５４．［１４］杨建军，战红．基于图论的改进遗传算法在配网重构中的应用［Ｊ］．电力系统保护与控制，２０１０，３８（２１）：２５．２９．ＹＡＮＧＪｉａｎｊｕｎ，ＺＨＡＮＨｏｎｇ．Ａｐｐｌｉｃａｔｉｏｎｏｆｉｍｐｒｏｖｅｄｇｅｎｅｔｉｃａｌｇｒｏｒｔｉｔｈｍｂａｓｅｄｏｎｇｒａｐｈｔｈｅｏｒｙｉｎｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｒｅｃｏｎｆｉｇｕｒａｔｉｏｎ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（２１）：２５－２９．［１５］麻秀范，崔换君．改进遗传算法在含分布式电源的配电网规划中的应用［Ｊ】．电工技术学报，２０１１，２６（３）：１７５．１８１．ＭＡＸｉｕｆａｎ，ＣＵＩＨｕａｎｊｕｎ．Ａｎｉｍｐｒｏｖｅｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｆｏｒｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｐｌａｎｎｉｎｇｗｉｔｈｄｉｓｔｒｉｂｕｔｅｄｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅｃｈｎｉｃａｌＳｏｃｉｅｔｙ，２０１１，２６（３）：１７５－１８１．［１６］姜文，严正．基于一种改进粒子群算法的含风电场电力系统动态经济调度［Ｊ］．电力系统保护与控制，２０１０，３８（２１）：１７３－１７８，１８３．ＪＩＡＮＧＷｅｎ，ＹＡＮＺｈｅｎｇ．ＤｙｎａｍｉｃｅｃｏｎｏｍｉｃｄｉｓｐａｔｃｈｃｏｎｓｉｄｅｒｉｎｇｗｉｎｄｐｏｗｅｒｐｅｎｅｔｒａｔｉｏｎｂａｓｅｄｏｎＩＰＳＯ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１０，３８（２１）：—１７３１７８，１８３．［１７］刘小龙，李荣钧，杨萍．基于高斯分布估计的细菌觅食优化算法【Ｊ】．控制与决策，２０１１，２６（８）：１３３３．１２３８．ＬＩＵＸｉａｏｌｏｎｇ，ＬＩＲｏｎｇｊｕｎ，ＹＡＮＧＰｉｎｇ．Ｂａｃｔｅｒｉａｌｆｏｒａｇｉｎｇｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｅｓｔｉｍａｔｉｏｎｏｆｄｉｓｔｒｉｂｕｔｉｏｎ［Ｊ］．ＣｏｎｔｒｏｌａｎｄＤｅｃｉｓｉｏｎ，２０１１，２６（８）：】３３３．】２３８—收稿日期：２０１４－０４２１；—修回日期：２０１４－０７１２作者简介：陈海东（１９８６一），男，工学硕士，研究方向为电力系统—继电保护和分布式电源的优化调度。Ｅｍａｉｌ：１５１１１０２３６０４＠１６３．ｃｏｍ（编辑姜新丽）