摘 要: 針對單一遺傳算法或者蟻群算法無法獲得理想配電網狀態估計結果,根據組合優勢互補原理,提出基于遺傳?蟻群算法的配電網狀態估計方法。首先對當前配電網狀態估計現狀進行分析,并構建配電網狀態數學模型,然后利用全局尋優性能強的遺傳算法對配電網狀態數學模型進行求解,最后采用局部尋優能力強的蟻群算法對遺傳算法的解進行精細搜索,得到配電網狀態的最優估計值。實驗結果表明,該算法綜合利用了遺傳算法和蟻群算法的優點,有效避免了兩種算法各自存在的不足,獲得了更優的配電網狀態估計結果。
關鍵詞: 配電網; 狀態估計; 遺傳算法; 蟻群算法
中圖分類號: TN915.853?34; TP212 文獻標識碼: A 文章編號: 1004?373X(2016)19?0165?04
Abstract: Since the single genetic algorithm or ant colony algorithm can′t obtain the desired estimation results of power distribution network state, an estimation method of power distribution network state based on genetic algorithm and ant colony algorithm is proposed according to the principle of complementary advantages. The current estimation situation of the power distribution network state is analyzed. The mathematical model of power grid state is constructed, and solved by means of the genetic algorithm with good global optimization ability. And then the ant colony algorithm with good local optimization ability is used to search the solution of genetic algorithm finely, so as to obtain the optimal estimation value of the power distributed state. The experimental results show that the proposed algorithm uses the advantages of genetic algorithm and ant colony algorithm fully, avoids the shortcomings of the two algorithm effectively, and obtains better state estimation result of power distribution network.
Keywords: power distribution network; state estimation; genetic algorithm; ant colony algorithm
0 引 言
隨著各種電器設備的增加,人們對配電網的可靠性要求更高,而配電網狀態估計可以幫助管理人員了解配電網當前以及將來的變化態勢,引起了人們的廣泛關注[1]。
配電網絡狀態估計是一種多約束組合優化問題,針對該問題,許多學者投入了大量的時間,展開了深入的研究,提出一些性能良好的配電網狀態估計算法[2]。配電網狀態估計最初是基于加權最小二乘算法(Weight Least Square,WLS)進行求解,首先對配電網狀態估計問題進行抽象,構建一個數學模型,然后采用WLS算法得到配電網狀態值[3],WLS算法雖然簡單,易得到配電網狀態的解,但在建模過程中對問題進行了簡化,如假設配電網狀態是線性變化趨勢,這與實際配電網狀態的變化特點不太相符,因為配電網狀態與天氣、政策、季節等因素有關,不僅具有線性變化的特點,而且具有突變性、偶然性等非線性變化趨勢,這樣WLS算法進行配電網狀態估計,其通用性差,估計誤差大,結果不可靠[2,4]。針對WLS算法的局限性,學者們對其進行了相應的改進,出現一些非線性的配電網狀態估計算法,如神經網絡、隱馬爾可夫模型、貝葉斯網絡等,它們可以對配電網狀態線性變化趨勢估計,利用這些方法進行配電網狀態估計,其估計的結果更優[5?7]。近幾年有學者采用遺傳算法、蟻群算法等[8?10]對配電網狀態估計問題進行求解,通過不斷迭代搜索得到配電網狀態估計的最優解,然而單一算法無法對復雜、大規模的配電網狀態進行準確估計[11]。
針對單一遺傳算法或者蟻群算法的不足,結合優勢互補原理,提出一種遺傳?蟻群算法的配電網狀態估計方法。首先構建配電網狀態數學模型,然后利用遺傳算法對配電網狀態數學模型進行求解,最后采用蟻群算法對遺傳算法的解進行精細搜索,最后對算法的效果進行測試,測試結果表明,遺傳?蟻群算法避免了單一算法的不足,能夠獲得更優的配電網狀態估計結果。
1 配電網狀態估計的數學模型
2.3 遺傳?蟻群算法
遺傳算法無反饋機制,局部搜索能力差,蟻群算法缺乏初始信息素濃度,前期搜索速度慢,因此將兩者進行組合,可以實現優勢互補,遺傳?蟻群算法的工作步驟為:
(1) 設置遺傳算法、蟻群算法初始參數。
(2) 根據配電網狀態估計初始化種群。
(3) 計算個體的適應度函數值,并計算個體進入下一代的概率,選擇部分優秀個體進入下一代。
(4) 采用自適應交叉和變異概率產生新的個體,并計算其適應度函數值,選擇父代和子代較優者進入下一代。
(5) 滿足遺傳算法結束條件就停止執行,轉而執行蟻群算法。
(6) 選取遺傳算法20%的優秀個體作為蟻群算法初始信息。
(7) 根據蟻群算法的工作步驟得到配電網狀態估計最優值。
3 配電網狀態估計的效果測試
為了分析遺傳?蟻群算法的配電網狀態估計效果,選擇一個配電網系統作為測試對象,采用4核3.2 GHz CPU,8 GB內存,Win 7的計算機作為測試平臺,利用VC 6.0++編程實現遺傳?蟻群算法,選擇遺傳算法、蟻群算法在相同實驗條件下進行配電網狀態估計對照實驗。遺傳?蟻群算法和對比算法的配電網電壓及電流進行估計的結果如圖5所示。
對圖5的實驗結果進行分析和對比可以發現,遺傳?蟻群算法的配電網電壓和電流的估計精度要高于單一的遺傳算法和蟻群算法,其測量值與估計值沒有太大差別,估計偏差完全忽略,這主要是由于遺傳?蟻群算法利用了遺傳算法的全局搜索能力優點,可以很快發現配電網的電壓和電流的可行解,然后采用蟻群算法對配電網的電壓和電流可行解進行精細搜索,綜合利用了兩種算法的優點,避免了各自的不足,有效降低了配電網的電壓和電流估計誤差,準確反映了配電網狀態的變化態勢,得到了理想的配電網狀態估計結果。
在配電網狀態估計的實際應用中,尤其對于規模較大的配電網,執行速度比較重要,成為評價配電網狀態估計算法性能的一個重要指標,為了測試各算法的執行速度,遺傳?蟻群算法和對比算法均運行5次,統計它們求解時間,具體如圖6所示。
遺傳?蟻群算法比其他算法的運行時間少,獲得了更高的配電網狀態估計效率,可以滿足配電網狀態估計的實時性,具有更高的實際應用價值。
4 結 語
配電網狀態估計受到多種因素的影響,利用單一算法進行配電網狀態的估計,單一算法均有各自的局限性,導致估計結果誤差較大,為此提出一種遺傳?蟻群算法的配電網狀態估計方法,結果表明,遺傳?蟻群算法不僅具有兩種算法的優勢,而且較好地彌補了各自的缺陷,獲得了更優的配電網狀態估計結果,與對比算法相比較,遺傳?蟻群算法的配電網狀態估計求解的速度更快,為配電網狀態估計提供了一種新的研究思路。
參考文獻
[1] 于爾鏗.電力系統狀態估計[M].北京:水利電力出版社,1995.
[2] 衛志農,顧杵,鞠平,等.三相輻射配網狀態估計方法[J].中國電機工程學報,2000,20(3):84?87.
[3] 許瓊,王媛媛,史曉楠.基于增量最小二乘算法的配電網狀態估計[J].西安科技大學學報,2008,28(3):547?550.
[4] 裴瑋,盛鹍,孔力,等.分布式電源對配網供電電壓質量的影響與改善[J].中國電機工程學報,2008,28(13):152?157.
[5] 李清政,鐘建偉.基于神經網絡法的配電網狀態估計[J].河北建筑科技學院學報,2006,23(3):83?86.
[6] 王斌,丁曉群,沈茂亞.帶變異算子的PSO算法在配電網狀態估計中的應用[J].江蘇電機工程,2006,25(4):18?20.
[7] 黃若霖,王寬,詹開翅.基于自適應免疫粒子群優化算法的配電網狀態估計[J].電力系統保護與控制,2009,37(11):54?57.
[8] 劉健,程紅麗,畢鵬翔.配電網的簡化模型[J].中國電機工程學報,2001,21(12):77?82.
[9] 王超學,呂志奇,董慧,等.基于改進蜜蜂進化型遺傳算法的含分布式電源的配電網重構[J].電力系統保護與控制,2012,40(15):52?56.
[10] 王韶,周鑫.應用層次聚類法和蟻群算法的配電網無功優化[J].電網技術,2011,35(8):161?167.
[11] 許瓊,代粉蕾.基于改進遺傳算法的配電網狀態估計[J].航空計算技術,2008,38(3):107?110.