资源描述：
《改进遗传算法在福建电网规划中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第26卷第3期福建电力与电工ISSN1006-01702006年9月FUJIANDIANLIYUDIANGONGCN35-1174/TM改进遗传算法在福建电网规划中的应用ApplicationofAdvancedGeneticAlgorithminPlanningofFujianGrid1,3231,34张卓生王大光陈树棠汤志达杨志永(1.福建省电力有限公司技术中心,福建福州350007;2.福建省电力试验研究院,福建福州350007;3.福州大学电气工程与自动化学院,福建福州350002;厦门电业局,福建厦门361000)摘要:用一种改进的遗传算法对福建电网进行规划。分析了遗传
2、算法用于电网规划遇到的多目标、非线性和容易陷入局部最优的问题,提出了解决方法。提供了福建电网规划例证,说明该方法可行、有效。关键词:电网规划;改进遗传算法Abstract:Anadvancedgeneticalgorithmisappliedtogridplanninginthispaper.Theoptimalsolutioniseasytofallintopartiallyinthegridplanningwhichisuncertainandnon-linear.Thisadvancedgeneticalgorithmisconfirmedtobefeasibleandef
3、fectiveduringthesouthfujiangridplanning.Keywords:Gridplanning;Advancedgeneticalgorithm中图分类号:TM715文献标识码:A文章编号:1006-0170(2006)03-0004-031引言传算法的解、结合自身经验,进行分析对比,得出最适合实际的一个方案[1]。本文对遗传算法进行改进,电网规划是根据负荷增长和电源规划方案确定并应用到福建南部500kV电网规划中,取得了好最佳合理的规划电网结构,以满足经济可靠地输送的效果。电力要求的一项工作。合理的电网结构是电力系统安全稳定运行的重要基础,可以获得巨
4、大的社会经2遗传算法济效益,具有重大的现实意义。2.1遗传算法电网规划要解决复杂的多决策变量、多约束条遗传算法是一种通用的自适应全局优化概率件优化问题,以及复杂的动态多目标不确定性线性搜索算法。遗传算法的数学模型可以表示为:规划问题。目前电网规划方法可以分为启发式方法SGA=(Ch,E,P,N,S,Cr,M,T)(1)和数学优化方法两大类。启发式方法通常以系统的式中Ch——个体的编码方法;某一性能指标,计算待选线路参数的灵敏度,以一定E——个体适应值函数;的原则,进行逐步迭代,直到满足方案要求为止。启P——初始种群;发式方法计算简单、直观、灵活,容易与规划人员的N——种群大小;经
5、验结合,应用也比较广泛。但是启发式方法无法严S——选择算子;格保证解的最优性,其性能指标也难以反映系统整Cr——交叉算子;体特性。数学优化方法是将电网规划的问题用数学M——变异算子;模型来描述、求解,在理论上可以保证解的全局最T——终止条件。优性,但通常计算量大,实际应用难度较大。遗传算法作为一种通用的优化算法,对求解的2.2一种改进的遗传算法问题不需太多条件,只要给出适应度函数即可。不但传统遗传算法在求解电网规划问题时容易陷具有可得到全局最优解的优点,还可以提供多个次入局部最优和过早收敛的结果,具体表现为:群体优方案。遗传算法用于电网规划形成数学优化方法中所有个体陷于同一极值而
6、停止进化以及最优个和启发式方法相结合的方法,规划人员可以根据遗体总被淘汰。本文针对遗传算法的过早收敛和后期-4-搜索速度慢的缺点,提出了改进的算法,具体如下:θ、θl——节点相角向量和线路两端相角差向量;(1)采用有条件的最佳保留策略,即有条件地将B、Bl——节点导纳矩阵的虚部和由线路导纳组最佳个体直接传递到下一代或至少等同于前一代,成的对角矩阵;有效地防止过早收敛。P、P——线路正常运行和N-1运行时的支路l1l2(2)增加种群的多样性和高适应度个体的主导潮流向量;[2]地位。本文取高于平均适应度值的个体,进行基于P——支路潮流容量限制向量。相似度的选择。相识度定义为:两个个体
7、逐位比较,由于各方案投资费用的差别远比系统运行费用在相应的位置上存在着相同字符的数量。当相似度大,故本文不考虑系统运行费用。R值超过个体长度的L/2时,认为两个个体相似。将电网规划的目标函数作为个体的适应度函通过不相似个体组成的新群体,可以增加群体的多数,并将约束条件作为惩罚项加到适应度函数中,可样性。以得到(6)式个体适应度函数:[3](3)交叉率Pc、变异率Pm的自适应选择。Pc、Pmf=F+aw+b(6)iii的自适应公式如下:式中fi——个体的适应度值,即方案的适应值;F
