配电网规划是电网改造与建设的一个关键环节,它在结构上的最大特点是作为电力网的末端而直接与用户相连,敏锐地反映着用户在安全、优质、经济等方面的用电要求。随着用户对供电可靠性的要求越来越高,配电网络规划越来越得到人们的重视。规划方法的研究也从最初的方案比较和数学优化方法发展到近几年应用比较广泛的现代启发式算法。论文对近几年兴起的仿生优化算法进行了深入的研究,并在配电网GIS环境下,针对配电网规划的特点,将粒子群算法与蚁群算法应用到配电网规划中,以期最大限度地提高电网改造和规划质量,满足配电网建设发展的需要。论文研究的内容包括以下几个部分:(1)地理信息系统是能够收集、管理、查询、分析、操作以及表现与地理相关的数据信息的计算机信息系统,它能够为分析、决策提供重要的支持平台。论文应用GIS管理规划所需的空间数据和属性数据,将需要规划的电网直观地显示于规划人员的面前,使配电网规划实现了可视化,使规划过程更具交互性,并利用GIS的空间分析功能,使变电站选址规划避开了山地、河流等不适宜的位置,规划结果更符合工程实际。(2)将粒子群算法引入到变电站选址优化问题的求解中,并运用惯性权重动态调整策略,有效地平衡了算法的全局和局部搜索能力,从而改善了PSO算法的性能。在变电站选址定容过程中,以GIS数据库为平台,充分考虑地理信息系统对规划站址的影响,尝试把改进的粒子群算法和图形问题相结合,并将其运用到某市变电站选址定容的工程实际中,算例分析结果表明,GIS和改进粒子群算法的结合提高了变电站优化规划过程中得到全局最优解的概率和收敛速度,并实现了规划的可视化。(3)针对变电站选址过程中有诸多不确定的模糊量的特点,论文在获取若干可行待选站址的前提下,提出了一种基于粗集-模糊识别理论的方法,并将其应用到变电站选址的专家优化调整过程中。对影响站址选择的各个因素进行综合考虑,尝试将粗集理论中属性重要度的概念引入到变电站选址评价的权重确定过程中,并研究了运用模糊模式识别理论,确定各选址决策指标和样本数据的优属度的方法。(4)配电网网架规划是一个复杂的非线性组合优化问题,现代启发式算法做为一种新兴的智能优化算法已经逐步得到了重视并开始应用于该领域,但目前各种现代启发式算法仍存在计算速度和收敛性的问题。论文针对基本蚁群算法易陷入局部最优解的缺点,首次提出了一种改进的蚁群算法,它在基本蚁群算法的基础上,通过动态调整信息素挥发因子p来控制其正反馈过程,提高了网络优化规划过程中得到全局最优解的概率和收敛速度。并针对配电网络的辐射性特点,使用生成树算法来指导蚂蚁的搜索过程,可以避免网络辐射性的检验,大大提高算法的优化效率。算例分析显示,在相同参数下,改进蚁群算法的迭代次数明显减少。结果表明,改进蚁群算法提高了电力网络优化规划过程中得到全局最优解的概率和收敛速度。