配电网重构优化：粒子群算法的应用与改进

1. 项目概述：配电网重构与粒子群算法应用

配电网重构是电力系统运行优化中的经典问题。我们日常用电时，可能很少思考电是怎么从发电厂来到家里的插座。实际上，电力需要经过复杂的输电和配电网络，而配电网就是电力送达用户的"最后一公里"。传统的配电网采用"闭环设计、开环运行"的方式，就像城市道路网中有很多支路，但平时只开放部分路口以保证交通流畅。

这个项目要解决的，就是在保证供电可靠性的前提下，通过调整配电网中的开关状态（相当于调整开放哪些路口），使得电网运行更经济（网损最小）、电压质量更好（电压偏差最小）。就像交通调度员需要根据实时车流调整路口开放方案一样，电网调度员也需要根据负荷变化调整配电网的运行结构。

2. 核心问题与技术路线

2.1 配电网重构的数学本质

配电网重构本质上是一个复杂的组合优化问题。以IEEE 33节点系统为例，系统中有5个联络开关和32个分段开关，可能的开关组合数量是一个天文数字。我们需要在这些可能性中找到最优的一个，同时满足三个硬性约束：

1. 拓扑必须是辐射状（不能有环网）
2. 所有节点电压必须在允许范围内（通常0.95-1.05p.u.）
3. 线路功率不能超过其容量限制

这就像在一个巨大的迷宫中寻找唯一的最佳路径，而且这条路径还必须满足多个特殊条件。

2.2 粒子群算法的适应性改进

传统优化算法（如线性规划）难以处理这种离散、非线性的问题。粒子群算法(PSO)作为一种群体智能算法，特别适合解决这类问题。但标准PSO需要针对配电网重构进行三个关键改进：

1. 混合编码设计：粒子位置用实数表示，但在评估适应度时，通过分段取整映射到实际的开关编号。就像用尺子量东西时，我们读数是连续的，但实际使用时还是会取整到最接近的刻度。

2. 约束处理机制：采用惩罚函数法处理约束条件。当粒子代表的解违反辐射状约束或电压约束时，给予一个很大的惩罚值，引导粒子远离这些不可行区域。

3. 自适应参数调整：惯性权重w随迭代次数线性递减（从0.9到0.4），学习因子c1递减、c2递增。这种设计让算法前期注重全局搜索，后期注重局部精细调整。

3. 系统实现与关键技术

3.1 整体架构设计

系统采用模块化设计，主要分为四个层次：

1. 人机交互层：负责参数输入和结果展