計算機仿真在提升負控系統覆蓋率中的應用研究

田博今++李源++劉亞敏++陳勁

摘 要：營銷負控系統在電力網絡中監控包括負荷在內的各項數據，隨著電力負荷需求越來越多，而電力供需也會因各種原因失去平衡，這就要求負控終端的覆蓋率盡可能的提高，從而達到對電網實現最優控制，確保重要負荷點不受影響。隨著人工智能領域的發展，使用計算機對現實世界的問題進行仿真，尋找最優化的方案已經有了越來越多的實際應用，該文在分析電力負控系統特征的基礎上，使用人工魚群算法來優化負控系統方案，提升覆蓋率。

關鍵詞：負控系統 智能電網 人工魚群算法 覆蓋率

中圖分類號：TP18 文獻標識碼：A 文章編號：1672-3791（2014）12（b）-0016-01

隨著電力網絡負荷需求的不斷變化，負控系統能監控每個用戶節點負荷變化情況在電力網絡中的地位變得越來越重要。在目前階段，由于負控終端尚未達到覆蓋每個用戶節點，因此要盡可能的擴展負控終端的覆蓋范圍，以達到成本和覆蓋率之間的最優化。由于計算機仿真領域的發展，我們可以將現實世界中的事物在計算機中進行模擬仿真。將負荷控制系統的覆蓋規劃，通過建立數學模型，結合電力網絡運行的實際參數進行仿真，模擬現實中電力網絡的運行，然后通過仿真系統的參數來調整負控規劃方案。

1 可用于覆蓋率的常見優化算法

使用數學分析進行建模和計算機仿真模擬進行覆蓋率的研究在現實社會中有著很大的應用，例如移動基站的覆蓋率、衛星通訊的覆蓋率等等。

1.1 人工魚群算法

人工魚群算法（Artificial Fish-swam Algorithm）是一種模擬魚群行為的優化算法，它具有天然的分布式和自組織特征，是通過模擬自然界生物聚群行為來得到最優化方案的算法。人工魚群算法采用自下而上的思路，從魚群中每個個體的行為開始局部尋優，最后可以在群體中表現出全局最優[1]。人工魚群算法的核心思想是根據指定水域中食物最多的地方是魚類密度最高的地方這一特點來模擬魚群的覓食行為，從而得到最優化的方案。

人工魚群算法描述了幾種魚群的行為[1]。覓食行為，魚群在目前所處區域中通過感知來尋找事物最豐富的區域，可以通過建立感知模型來模擬魚群覓食的行為。追尾行為，當魚群中少數個體尋找到食物后，周圍的其他個體也會向該區域集中，從而導致更多的個體朝著該區域集中。集群行為，魚類的活動是一種具有群體性的活動，這樣有助于躲避天敵等，這種群體性行為能夠被很好的用于解決最優化問題。隨機行為，魚類在沒有發現事物之前的活動是一個朝著隨機方向活動的行為。人工魚群算法不需要考慮問題的特殊信息，只需要對問題進行優劣的比較，有著較快的收斂速度。

1.2 粒子群算法

粒子群優化（Particle Swarm Optimization，PSO）算法是一種進化算法的一種，是通過模仿自然界中鳥群尋找食物過程中的群體性規律而建立的模型，并且用來尋找現實問題中的最優解。粒子群算法從隨機的初始狀態出發，通過不斷的迭代來尋找最優解，算法所需參數少、容易實現、搜索效果較好、收斂速度快、可并行實現。

在粒子群優化算法中，每個粒子都是問題的一個解，而且每個粒子都有自己的初始位置和移動方式。每個粒子都保存了目前為止自己發現的最優位置和所有粒子發現的未知中最佳的位置。每個粒子根據自己所知道的信息來決定自己的移動方式。

粒子群算法的優化算法有很多種，包括混沌粒子群算法等都在實際應用中發揮了很大的作用。

2 覆蓋率算法在負控系統中的應用

負控系統在電力網絡中有兩個重要的應用，首先是數據采集節點，通過部署在各個電力網絡節點的負控終端來實時的采集電力負荷的運行數據，并且通過中繼站上傳到負控中心。由于中繼站的成本較高，因此在中繼站的部署過程中也要通過仿真分析來確定一個優化的部署方案。在中繼站的部署過程中要考慮到本區域的電力負荷、地形等因素，以便能夠更好的規劃部署，消除盲區。

在負控系統的規劃階段，可以使用現有的智能算法來確定最優化的方案，在本節剩下的部分中將會根據人工魚群基本算法提出一個適用于負控系統規劃的人工魚群算法模型。在負控系統中，為了避免負控終端的資源浪費，規劃的目標應該是使目標函數達到最大值，因此也就是使人工魚群向食物濃度較大的方向移動。

2.1 參數設定

根據負控系統的特性對參數進行設定，根據指定區域中預先估計的負控中心的規模、中繼站的數量負控終端的數量，結合該區域中的用戶數量和電力負荷來確定人工魚群的規模，根據負控系統需要覆蓋的區域的大小來確定魚群的移動范圍，根據中繼站的覆蓋范圍和負控終端的覆蓋范圍來確定魚群的視野，最后根據指定中繼站所管理的負控終端數來確定迭代參數和密度參數。

2.2 初始化人工魚群

根據指定區域中的用電負荷和用戶數來生成n個數，為每條人工魚的初始位置，人工魚的初始位置要根據指定區域中電力負荷來確定。

2.3 執行算法

根據預先設定的參數，使用人工魚群基本算法對人工魚群的追尾行為、聚群行為進行模擬，人工魚根據自己的所在區域中魚群密度較大而且食物濃度較高的區域移動。如果無法確定移動方向，則根據自己當前位置的食物濃度選擇一個比當前濃度高的方向進行移動或者隨機移動一步。如果達到最大迭代次數，輸出魚群密度最高的區域，即得到最佳的部署位置。

2.4 方案分析

根據算法執行結果來設定負控終端和中繼站的部署方案，根據地形等因素適當的進行調整。最后根據指定區域的實際用電數據對方案進行仿真測試，根據測試結果在進行方案的優化和修改。

人工魚群的基本算法提出后，學術界根據不同的需求對該算法模型進行了大量的優化，并且在電力系統中有很多的應用研究，例如齊志華將人工魚群算法應用于電力控制系統[2]，吳杰對人工魚群算法在輸電網絡規劃中的應用進行了分析[3]。

3 結語

隨著社會經濟的發展，必然會對電力負載控制提出更高的要求。負控系統將在監控電力網絡中各節點的狀態、動態控制各節點的運行等方面起著重要的作用。合理的部署負控系統能夠最大化的節約電力網絡的投入，更好的為用戶服務。因此，在以后的發展中，基于人工智能算法的計算機仿真優化技術將會對負控系統的規劃提供更好的決策依據。

參考文獻

[1] 李曉磊，邵之江，錢積新.一種基于動物自治體的尋優模式：魚群算法[J].系統工程理論與實踐，2002，22（11）：32-38.

[2] 齊志華.基于AFSA-SVM算法的電力系統控制方法研究[J].科學技術與工程，2014（14）：235-238.

[3] 吳杰，劉健，盧志剛，等.適用于輸電網網架規劃的人工魚群算法[J].電網技術，2007，31（18）：63-67.endprint