资源描述：
《遗传算法在电网规划中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、遗传算法在电网规划中应用 【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规范。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、
2、简单的遗传算法8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基础上,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还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
3、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。8因此,有的文献就提出了改进的遗传算法,改进的措施如下: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、保留一个最好的父串的最佳保留方式、按一定比例更新群体中部分个体的代沟方式以及子代和父代同等看待的代
4、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进。改进的方法是加入最优保存操作,数学已证明,只要保留最优方案,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,其被保留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已知规划水平年
5、的负荷预测和电源规划的基础上，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佳的网络结线方案。用数学表达式表示如下：式中：第一项是新建线路年投资费用，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单位发电成本元(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
6、及各种约束：8(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”安全准则：任一条线路断开时系统不出现过负荷。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,在某一走廊中若有几回线待选,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。（一）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.（
7、二）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,则总结出以下的函数:8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;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。（三）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
8、案,然后对走廊依次减一回线分别产生其它的初始方案.（四）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)
