遗传算法在电网规划中的应用

1、遗传算法在电网规划中的应用 遗传算法在电网规划中的应用 【摘要】国内电网的规划层次越来越高，给电网规划人员提出了更加高要求的规划标准。本文针对目前国内较为先进的遗传算法规划方式，首先分析了遗传算法的理论，然后重点分析了遗传算法的运算流程，最后，结合汕头电网规划的案例来论述遗传算法在电网规划中的应用。 【关键词】遗传算法；电网规划；应用 中图分类号： U665.12 文献标识码： A 一、前言 目前，国内对遗传算法的应用还不够广泛，特别是在电网规划中，遗传算法并没有被置于一个重要的位置，因此，本文重点研究了遗传算法的应用问题，并结合实例分析了如何将遗传算法应用到真实的电网规划中。 二、简单的遗传

2、算法 首先将实际优化问题编码成符号串,也称染色体,将实际问题的目标函数转变成染色体的适应度函数,然后在随机产生一批初始染色体根底上,根据各染色体的适应度函数进行繁殖、交叉及变异等遗传操作,产生下一代染色体。适应度函数值的大小决定了该染色体被繁殖的概率,它反映了适者生存的原理,交叉和变异操作通过随机和结构化地交换各染色体之间的信息以产生更优秀的染色体。这样经过逐代遗传,产生出一批适应函数值很高的染色体,最后将这些染色体解码复原就可以获得原问题的解。当染色体域足够大、遗传代数足够多时,理论上讲,遗传算法一定可以逼近原问题的最优解。 虽然从原理上遗传算法可以收敛到全局最优解,但是在实际应用中遗传算法

3、仍存在未成熟收敛、收敛于局部最优解、收敛速度慢等问题。理论上已经证明,简单遗传算法可能发现全局最优解,但是不能保证每次都收敛于全局最优解。 因此,有的文献就提出了改良的遗传算法,改良的措施如下:对于某一代群体,通过选择、交叉、变异的遗传操作后,就产生了新的个体子代。子代是否完全代替父代继续下面的遗传操作是一个值得研究的问题。现有的替代方式可以分为父代全部被子代取代的世代替换方式、保存一个最好的父串的最正确保存方式、按一定比例更新群体中局部个体的代沟方式以及子代和父代同等看待的代际综合方式。在运用遗传算法进行电网规划时,同样遇到收敛于局部解、收敛速度慢的问题,要解决这一问题,必须对算法本身进行改

4、良。改良的方法是参加最优保存操作,数学已证明,只要保存最优方案,遗传算法一定能收敛到全局最优解。但是,在实际寻求最优方案的过程中还会出现收敛于局部最优方案的现象。要跳出局部最优解需增大变异率,但这将导致搜索时间变长,这与上述新群体形成方法所采用的都是代沟固定的方法有关。当代沟固定时,无论某一代所产生的好的染色体是多还是少,其被保存到下一代的个数都一样。 三、基于遗传算法的电网规划 1、电网规划模型 电网规划的任务是在规划水平年的负荷预测和电源规划的根底上，根据现有的网络结构和待选线路及其参数，选择满足运行要求且经济性最正确的网络结线方案。用数学表达式表示如下： 式中：第一项为哪一项新建线路年投

5、资费用，第二项是年网损费用。 f年总费用(元)； K1年投资分摊系数； K2j支路j中一回新建线路的投资费用(万元/Km)； K3单位发电本钱元(元/Km)； Xj一支路J中新建线路，是0-1变量(Xj=1表示建设该线路， Xj=0表示不建该线路)： Pjloss指定运行方式下的支路j损耗(Mw)； 最大负荷损耗时间(小时，年)： 待选新建线路集合； 网络中已有线路和新建线路的集合。 计及各种约束： (一)连通性约束，确保每个负荷点均与网络连通。 (二)线路输送的功率约束， 式中：线路j的允许输送功率容量(MW)； 实际传输功率容量(MW)。 (三)“N-1平安准那么：任一条线路断开时系统不出

6、现过负荷。 2、基于遗传算法的电网规划方法 根据电网规划的特点,在电网规划中,决策变量是某回线是否架设,在某一走 廊中假设有几回线待选,而被选线情况是无异的,因此可选用走廊中添加的线路回数作为决策变量。 编码.由电网规划的特点,采用整数编码,码的形式如下: 图1 码的形式 图2 走廊结构 在结构中,走廊的综合因子反映了该处架线的可能性和地理环境因素. 适合度指标.为了便于分析,直接将电网规划的目标函数作为适合度函数,同时,也将电网规划的约束条件引人到适合度函数中,那么总结出以下的函数: 其中: 为第i个方案的适合度指标; 为第i个方案出现弧岛引人的罚因子; 为第i个方案正常潮流越限引人的罚因子

7、;thrd3为第i个方案出现N-1潮流越限引人的罚因子;a、b、c为正系数; 为第j走廊的长度; 为第i方案中,第j走廊添加线回数; 为第j走廊的综合因子。 产生初始方案集.本文为提高规划的鲁棒性,同时,也为了不失计算速度,采用以下的方法产生初始方案集:首先将所有待选线加人网络得到一个不经济但可行的方案,然后对走廊依次减一回线分别产生其它的初始方案. 方案的评价.根据所设定的适合度指标,对方案进行评价。 四、运算流程 遗传算法的运算流程可分为以下几步: 1、读入GA(遗传算法)参数以及规划的电力网络参数。如最大迭代次数、染色体域、交叉率、变异率及惩罚系数等。输入原有线路和待选线路的参数,各节点

8、的发电出力及负荷大小。 2、随机产生一组初始解,既决策变量值,形成第一代母体。以初始解去修改原始数据中的相应局部,进行潮流计算,得到各节点的有功潮流。 3、根据潮流计算结果计算各个体的目标函数值。 4、进行遗传操作,选择,交叉,变异,形成下一代母体。 5、重复3，4。 6、判断是否满足优化条件,是否收敛。本文以最大迭代数和优良个体假设干代保持不变作为收敛条件。否转到5。 7、结束。输出结果,将所保存的优良品种解码复原成规划方案,并给出各输出方案的费用等。 五、应用实例 1、数学模型 在汕头电网规划中,采用了遗传算法对网架的优化规划进行求解,目标函数表达式为, 约束条件为： 通常采用遗传算法得出

9、的各种优化方案的运行费用差异较小,故目标函数可简化为只计投资费用。 2、操作步骤 运用遗传算法求解上述模型的步骤如下: 准备必要数据。在求解最优网架之前需要知道确定建设的变电站站址,待选线路的电阻、电抗、允许热稳定极限、长度、投资等参数;并需有规划年份各站的负荷和各电源的出力。 编码。对方案的所有决策变量进行编码。在遗传算法中每一个网络方案对应于一个染色体。采用整数编码,每条待选线路对应于一个基因,该线路出现在这个方案中,那么其基因值为1,否那么为0。 确定评价函数。评价函数对每一个染色体即每一个方案进行评价,将约束条件以罚函数形式并入目标函数中,将有约束条件的规划问题转化成无约束条件的规划问

10、题。 进行遗传操作,产生新一代群体然后评价群体中的每一个个体。 重复步骤d,直至得到满意的网络方案。在本次电网规划中,我们对自适应代沟应用于电网规划的性能进行了测试,在作了必要的修改后将其运用于电网规划中,并取得了较好的效果。 3、存在问题及研究方向 遗传算法虽然能够获得潮流合理和满足N-1平安准那么,且具有线路投资最小的解,但是,对于实际电网规划中的其它约束因素还未能全面顾及。例如,网络接线改变时变电站出入线数变化会造成变电站投资的变化,这要根据具体变电站的接线方式和占地情况等因素决定。 六、结束语 以上就是本文对遗传算法在电网规划中应用的分析和研究，通过研究，本文认为遗传算法在电网规划中的应用确