基于遗传算法的Matlab配电网优化配置：分布式电源与无功补偿装置的接入及IEEE3
3节点系统仿真验证
配电网的优化配置就像在玩一场复杂的策略游戏，既要考虑经济账又得盯着电压稳定。最近用Matl
ab折腾了个基于遗传算法的解决方案，发现这玩意儿对付多目标优化是真能打。
先说说咱们的目标函数怎么构造。经济性这块直接把设备投资成本、线损费用按贴现率折算成年费
用，环境成本取个燃煤折合系数怼上去。最麻烦的是电能质量指标，这里用了节点电压偏差的均方根值作
为惩罚项。Matlab里写目标函数的时候得注意归一化处理，不然不同量纲的指标会打架：
```matlab
function fitness = objective_function(x)
% x为决策变量矩阵，包含DG位置/容量、无功补偿配置
% 经济性计算
cost_investment = sum(x(:,1)*50e4 + x(:,2)*30e3);
cost_loss = calculate_power_loss(x)*0.6*8760;
% 环境成本
emission = sum(x(:,3)*0.8)*1.2;
% 电压质量计算
[voltage, ~] = load_flow(x); % 调用潮流计算
voltage_deviation = rms(voltage - 1.0);
% 加权求和
fitness = 0.4*(cost_investment + cost_loss) + ...
0.3*emission + 0.3*voltage_deviation*1e4;
end
```
注意这里的权重系数得根据实际需求调整，我试过用熵权法自动确定权重，结果还不如老师傅的经
验值靠谱。可能实际问题中的专家经验比数学方法更接地气。
遗传算法的精髓在变异操作。针对配电网离散-连续变量混杂的特点，设计了分层变异策略。位置变
量用交换突变，容量参数用正态分布扰动，这个trick让收敛速度提升了约40%：
```matlab
function offspring = mutation(parent)
% 分层变异操作
