为了验证协同进化蚁群算法在大规模复杂含光伏发电的配电网重构中的有效性，本案例采用某114节点配电系统为仿真对象，选择日前时间尺度为优化时段，从目标函数值、电压质量、计算速度几个方面对文中所述方法进行验证。

该114节点网络接线如图5.12所示，标称电压为12.66 kV，系统总负荷为3 271＋j2 465 kVA。

图5.11　求解流程图

图5.12　114节点配电网接线图

该系统共接入4台额定功率300 kW的光伏电源，功率因数均为0.85，接入节点编号分别为28，43，62和99。整个系统采用统一的基准值进行计算，将预测的光伏发电日功率曲线进行归一化后得到的光伏功率曲线如图5.13所示。

图5.13　归一化光伏功率曲线

分别用普通蚁群算法和协同进化蚁群算法对该网络进行重构，在日前时间尺度上分为3个优化时段，各个时段所得的断开支路、整体优化模型的目标函数值、最低电压和计算时间见表5.5。(www.daowen.com)

表5.5　重构方案比较

由表5.5可知，采用普通蚁群算法对网络进行重构优化后，总运行费用为1 016.7元，而采用协同进化蚁群算法优化后运行费用则降为652.2元，能更好地提高配电网运行的经济性；采用普通蚁群算法和本案例算法优化后系统最低电压分别10.23 kV和10.41 kV，说明采用本案例所提出的协同进化蚁群算法对配电网进行重构后，得到的电压质量更高；从计算速度上看，普通蚁群算法的计算时间为157 s，协同进化蚁群算法的计算速度则明显增加，计算时间仅为32 s，两者的比值约为5∶1，证明了本案例所提出的算法具有较快的计算速度，在大规模复杂配电网重构中具有一定的实用价值。

本案例算法和普通蚁群算法的收敛特性如图5.14所示。由图5.14可知，普通蚁群算法在计算次数达到150次以上时才趋于收敛，而协同进化蚁群算法在计算次数为50次左右就能稳定地收敛，且适应度值更优。由两种算法的收敛特性可得出，本案例所提出的算法，对含光伏发电的复杂重构问题能有效且快速地寻找到最优解，其收敛性能好于普通蚁群算法。

图5.14　算法收敛特性比较图

将光伏发电从该114节点配电系统中撤出之后，再次使用本案例提出的协同进化蚁群算法对配电网进行重构，与含光伏发电时的配电网重构结果进行比较，分析结果见表5.6。由表5.6可知，含有光伏发电时，配电网的运行费用由731.6元降低为652.2元，减少了11%；开关操作总次数由8次降低为5次，节约了设备使用成本；系统最低电压由9.98 kV提高到了10.41 kV，升高了4.3%。可见，光伏发电接入配电网后，对提高系统的经济性和安全性有不可忽视的作用。

表5.6　光伏发电对重构的影响