对电网规划方法及发展趋势的分析.docx

对电网规划方法及发展趋势的分析 摘要：电网规划的基本原则是指在一定的技术可行性条件下，使电网规划各阶段费用总和最小。在数学上它属于一个复杂的多决策变量、多约束条件优化问题，而且具有整数性、非线性、多目标性、动态性、不确定性等特点。合理地进行电网规划不仅可以获得巨大的社会效益，也可以获得巨大的经济效益。因此，合理的规划方法显得尤为重要。本文结合电网规划的特点，分析了现代电网规划方法，阐述了新经济技术环境的影响，展望了电网规划方法的发展趋势。 关键词：电网规划方法；特点；新经济技术环境；发展趋势 1电网规划的特点 (1)多目标。电网规划中涉及的目标通常以费用函数的形式反映在模型中。包括高可靠性、经济性、运行最优、环境影响最小等。 (2)多约束。通过大量的约束条件完成对各目标的限制，使系统可靠、经济地运行。包括变电容量、电压、功率、线路与走廊、投资预算等约束。 (3)多阶段。为从长远角度考虑电网的整体性布局，避免规划的盲目性和短视行为，电网规划应分阶段进行，并计及前、后阶段性规划之间的影响。 (4)非线性。电力系统中除目标函数具有非线性外，大部分决策变量为离散值。若都将其线性化，虽能降低问题的难度，却不能反映实际问题。 (5)不确定性。负荷预测、发电量、投资单价等基础数据与现行和今后的政策以及供用电的市场化相关联，还包括其他不可测因素。 (6)动态性。电网规划是一种多阶段规划，其动态性体现在规划年限内需要建设的电力设施是分阶段逐次进行的，而非在水平年一次性完成。 (7)多维陛。动态电网规划问题涉及的决策变量较多，其维数是指各阶段上状态变量的维数。当维数增加时，其计算量亦呈指数倍增长，即维数灾。 (8)难协调。各目标之间存在相互冲突的现象，如高可靠性和低成本的矛盾。另外，各目标的优先级、决策变量的量纲等，都需统一协调或转换。 (9)规模大。电网规划涉及的地域广，设备可选择性大，从目标数、决策变量数、约束条件数等数量的多少即可看出其庞大的数据处理量。 (10)非凸性。即规划方案在非凸的解域内。解域的非凸性即呈多峰状，说明存在着局部最优值，这易使规划方法陷入其中较难摆脱。 因此，电网规划问题是多项式复杂程度的非确定性问题，即NPHard(NondeterministicPolynomialHard)问题。 2电网规划方法 电网规划方法是一种通用的优化算法。它的一个重要特点是所有这些方法均能实现并行计算。由于电网规划方法在求解组合最优问题时表现出的卓越性能，在过去的20年中，它受到前所未有的关注。电网规划方法很多，常用的电网规划方法包括模拟进化方法、群体智能方法、人工智能规划方法、不确定系统规划方法等，下面分别就这些方法进行讨论。 21禁忌搜索算法 禁忌搜索算法是一种高效的用于解决组合优化问题的启发式搜索算法，其基本思想是通过记录搜索历史，从中获得知识并利用其来指导后续的搜索方向以避开局部最优解。该方法适合于解决纯整数规划问题，有效处理不可微的目标函数，这正与电网规划的特点相符合，因此该方法被引入到电网规划中。该方法的优点是搜索效率高、收敛速度快；缺点是收敛受到初始解的影响，禁忌表的深度及期望水平影响搜索的效率和最终结果，搜索法机理还不甚清楚，从数学上无法证明其一定能达到最优解，而且对于多阶段大规模的问题可能受到列表大小的限制，难以达到全局最优解。 22蚁群算法 蚁群算法是由意大利科学家DOrigo研究总结出的一种求解组合最优化问题的新型通用启发式方法。该算法仿照蚂蚁群觅食机理，构造一定数量的人工蚂蚁，每个蚂蚁以路径上的荷尔蒙浓度大小选择前进路径，并在自己选择的行进路径上留下一定量的荷尔蒙。当所有蚂蚁均完成一次搜索后，再对荷尔蒙浓度进行一次全局更新。通过反复的迭代，最终大多蚂蚁将沿着相同的路线(最优路线)完成搜索。该方法的优点是算法效率高、寻优能力较强，适合求解有约束问题；缺点是还没有很好地将规划模型处理成适合于蚂蚁算法求解的模型，系统规模增大时，难以求得高质量的解。 23模拟退火算法 模拟退火算法是以马尔科夫链的遍历理论为基础的一种适用于大型组合优化问题的随机搜索技术，算法的核心在于模拟热力学中固体物质冷却和退火过程，采用Metropois接受准则避免落入局部最优解，渐进地收敛于全局最优。已有学者尝试将这种方法应用于电网规划中，但模拟退火为使每一冷却步的状态分布平滑要花费时间，而且这种算法属于单点寻优，不能像遗传算法那样获得多个优化解，若能将模拟退火算法和其它优化方法结合在一起使用，更能发挥其优势。 24遗传算法 遗传算法是电网规划采用的一种智能优化方法，它根据优胜劣汰的原则进行搜索和优化，可以考虑多种目标函数和约束条件，特别适合于整数型变量的优化问题。遗传算法的操作简单，通过交叉和变异完成进化，相对灵敏度分析线性规划等数学方法更便于执行，对于大型电网规划问题不需要分解处理，直接将网络的运行计算结果计入评价值，避免了由于分解或线性化造成的误差。而且该方法为多点寻优，不受搜索空问的限制性约束，不要求连续性、导数存在、单峰等假设，可以考虑多种目标函数和约束条件，使其在解决电网规划这种多目标、多约束、非线性、混合整数优化问题中受到重视。更重要的是，遗传算法在获得最优解的同时也能给出一些次优解，这弥补了数学优化只能求得单解的不足。这种多解的情况使工程技术人员可以充分发挥主观能动性，利用实际工程经验在多解中进行分析判断，再进行综合评定，得到符合实际情况的规划方案。遗传算法目前存在的问题是其收敛的数学机理还未完全搞清楚，和算法收敛有关的控制参数如种群规模、交叉率和变异率等还有待研究，在参数选取不当时有收敛到局部最优点的可能性，且计算速度还较慢。 考虑到模拟退火算法可以有效防止陷入局部最优解这一特性，将模拟退火法和遗传算法结合的混合模拟退火算法也取得了不错的效果。 25粒子群算法 在解决规模优化问题中，粒子群算法比其他智能算法具有更好的全局寻优能力，且参数少易于实现。粒子群算法操作简单，不受搜索空问的限制性约束，使其在解决电网规划这种多目标、多约束、非线性、混合整数优化问题中得到广泛应用。在电网规划中，多种约束条件的处理也是重点。将多目标粒子群用于求解电网规划，有效避免了加权和权重的选择。 3新经济技术环境的影响 目前，新经济技术环境对规划方法带来的影响嘲主要体现为： (1)随着电力体制改革的逐步深入，投资主体倾斜于企业效益最大化，将凸显可靠性与经济性的矛盾。随之出现的环境问题、社会影响、投资风险、电源与电网规划不同步等一系列新问题都需考虑。 (2)分布式电源的发展将增加电网规划在负荷预测、潮流控制、接入系统的稳定性等方面的不确定性。这对规划的目标和约束都影响巨大。 (3)GIS技术的出现，一方面使电网规划工作所得数据更具有参考价值；另一方面却增加了约束量，使该技术难以和当前的算法相结合。 (4)智能计量体系和DSM有助于把握用户侧的信息，利于建模及基础数据的准确性。但却加大了规划工作量，降低了效率。 上述新问题的出现将进一步增加电网规划问题的难度。通过对问题进行合理的取舍，将以上新技术与目前的启发式方法相结合，可获得综合满意度较高的规划方案。 4电网规划方法的发展趋势 在新经济技术环境的影响下，电网规划方法将沿着以下几个方向发展： (1)混合型的或并行性智能算法能解决更复杂的问题，是今后的主要研究对象； (2)多阶段动态规划仍是目前棘手的问题，需结合其他技术处理阶段性方案的过渡和最终方案的整体性； (3)不确定系统规划方法能解决电力市场环境下的不确定性因素，获得的规划方案具有灵活性和鲁棒性，值得研究。 5结论 电网规划是电力系统规划的重要组成部分，也是电网更新改造的依据。合理地进行规划可以获得巨大的社会效益和经济效益，因此，电网规划方法尤为重要。经过多年来不懈地研究和发展，智能优化算法发展十分迅速，在电网规划领域取得重大的进展，计算速度快、突破维数灾难、避免局部最优是其发展的方向。另外层次分析法以其能解决多准则、多目标决策问题的特点跻身电力行业，在电网规划的决策方面发挥了较好的作用。但是由于电网规划的复杂性和多样性，如何对电网准确描述和处理仍然需要更深入地研究，以便使电网规划方法能够早曰为电网规划的实际工程发挥其应