螢火蟲算法在電網規劃中的應用

許磊

（西安航空職業技術學院 航空材料工程學院，陜西 西安710089）

螢火蟲算法在電網規劃中的應用

許磊

（西安航空職業技術學院 航空材料工程學院，陜西 西安710089）

電網規劃問題是一種大規模的復雜的非線性規劃問題，通常處理的方法是將這個多目標問題轉化為一個單目標問題，本文首先對電網規劃問題采用罰函數方法來評價目標函數，其次分析介紹了一種新穎的群智能優化算法---螢火蟲算法的仿生原理和數學模型，隨后將其應用于電網規劃問題的求解，數值實驗采用18節點的系統進行測試，實驗結果表明，該算法在收斂速度和收斂精度方面較其他算法都有提高。

電網規劃；螢火蟲算法；收斂性；最優化；吸引度

電網規劃是指在滿足現有的供電地區經濟發展的基礎上，合理的選擇擴建或者新建線路，以適應當地電力系統的安全運行。這是一個多目標的大規模復雜非線性規劃問題，其規劃的目標是在滿足電網的安全運行等可靠性條件下，使電網的建設線路和運行費用之和達到最小[1]。因此，擴建或新建電網時，安全性和經濟性如何才能協調一致成為成為電網規劃問題研究的關鍵。

電網規劃的傳統的解決辦法是將多目標問題轉化為一個單目標問題，例如，將可靠性化為經濟形式來加入到目標函數中[2-3]，利用經典規劃方法來求解，然而這樣不易區分各目標的重要性。隨著智能計算技術的發展，電網規劃問題開始采用新興的智能優化算法來求解[4]，比如，多目標的遺傳算法[5-6]，魚群算法[7]，蟻群算法[8-9]，粒子群算法[10-12]，模擬退火算法[13]等，這些算法都已取得了不少成效，但是由于這些算法本身還存在收斂速度慢等問題，使得結果不能很好的取得全局最優解。

螢火蟲算法（Firefly Algorithm，FA）是繼遺傳算法、蟻群算法，粒子群算法等之后的新的智能優化算法。該算法是由劍橋大學學者Yang Xin-She提出[14]，是以自然為靈感的一種啟發式算法。該算法通過模擬螢火蟲的閃爍行為，利用螢火蟲釋放的熒光素來相互吸引并合作覓食，擇偶等。螢火蟲優化算法和其它智能優化算法一樣，不需要嚴格的梯度條件，計算簡單，應用范圍廣，已成功的應用到許多復雜的規劃問題中。文中將螢火蟲算法應用到電網規劃18節點的問題中，重新進行擴建新路，數值實驗驗證了采用該算法求解電網規劃的可行性和有效性。

1 電網規劃的數學模型

1.1 目標函數

電網規劃的目標函數是要求電網建設的線路和運行費用之和達到最小，數學上描述如下[8]：

1.2 約束條件

1）架線回數的約束條件：

2）線路潮流的約束條件：

其中，pi，qi是線路的有功和無功潮流，pi，max、qi，max、pi，min、qi，min分別是線路i的有功和無功潮流上下限。

3）功率平衡的約束條件：

其中，N′為新增加的節點數，N為原有的節點數；

4）發電機的輸出功率約束

其中，Pi、Qi是發電機i的有功和無功出力；Pi，max、 Qi，max、Pi，min、Qi，min分別是發電機i的有功、 無功出力的上下限。

2 螢火蟲優化算法

2.1 算法的原理

螢火蟲算法是科學家在研究螢火蟲發光目的時提出的一種智能優化算法，是通過模擬螢火蟲在覓食和擇偶等生活習性中的發光行為構造的一種啟發式算法。該算法通過螢火蟲的熒光度和吸引度來更新自己的位置，螢火蟲算法的實現需要滿足以下3個假設[15]:

1）所有的螢火蟲都是無性別的。

2）熒光度越高越能吸引同伴，移動的概率也就越大。如果這個螢火蟲是群體中最亮的，它將會隨機移動。熒光度與目標函數有關。

3）吸引度與熒光度成正比，對于任何兩個螢火蟲，熒光度低的將會被吸引到熒光度高的一方。

算法的原理：將搜索空間中的點看成螢火蟲個體，螢火蟲的相互吸引和移動好比問題的尋優的過程，個體的位置的優劣用所求問題中的目標函數來度量，算法迭代過程中解的更新就好比是個體的優勝劣汰過程[16]。

2.2 算法數學表述與分析

螢火蟲優化算法通過吸引度和熒光度兩個要素的不停更新來實現目標群體的優化，其中，吸引度主要決定著螢火蟲移動的距離，熒光度主要刻畫了螢火蟲所處位置的好壞和其移動的方向，數學上的描述如下：

1）螢火蟲的相對熒光度：

其中：I0表示最大熒光度，且亮度越高相應的目標函數值越優；ε表示熒光度的耗損系數，熒光度會隨著傳播介質的吸收和傳播距離的增加等因素變弱，一般設為常數，傳播的距離越遠，則耗損越大，ri，j為螢火蟲i和j之間的距離。

2）螢火蟲的相對吸引度為

其中:β0為最大吸引度，即光源處（r=0處）的吸引度，ε和ri，j含義同（1）。

3）個體被吸引向個體j所移動的位置公式如下：

教師組織各小組結合展示的情況，進行組與組之間穿插補救，實現動作技術的進一步完善。同時，教師還要將所學的動作技能與生活實際相結合，設計一些拓展性問題，對學生進行提升性訓練。

算法實現優化的過程正是根據以上3項不斷更新螢火蟲位置以取得群體最優，在尋優迭代中，首先將螢火蟲群體隨機置于優化問題的解空間，然后根據螢火蟲所處的空間位置計算各自的熒光度，通過比較，熒光度低的螢火蟲向熒光度高的個體移動，吸引度的大小決定了個體移動的距離，最后在通過公式（8）來計算最優的位置。通過多次更新最優位置后，所有螢火蟲都將聚集到熒光度最高的個體所在位置處，從而完成整個群體的尋優。

2.3 算法流程

螢火蟲算法流程如圖1。

圖1 螢火蟲算法流程

3 電網優化規劃問題求解

3.1 適應度函數

文中采用罰函數方法來評價目標函數[17]，目標函數既要滿足電網規劃建設和運行費用最小，還要滿足相應的可靠性條件。由此，構造如下目標函數：

網絡連通時，Pi，max為線路 i上允許通過的最大有功潮流，U為罰因子，目標函數由網損、新建回路的投資以及過負荷的懲罰共同構成。網絡不連通時，只需給目標函數賦一個懲罰值W即可。

Step 1初始化：隨機給出螢火蟲的初始位置，計算螢火蟲個體的最大熒光度Io，即目標函數值。

Step 2判斷螢火蟲所代表電網是否連通，若不連通，則將電網中不連通的懲罰值賦予目標函數。

Step 3根據公式（6），（7）計算螢火蟲的熒光度和吸引度，根據熒光度決定螢火蟲的移動方向。

Step 4根據公式（8）更新螢火蟲的位置坐標，對處在最優位置上的個體進行隨機擾動。

Step 5根據更新后的螢火蟲位置坐標，重新計算螢火蟲的熒光度，即適應度函數值。

Step 6當滿足最大搜索次數時，輸出安全性規劃結果。否則，搜索次數增加1，轉向Step 2。

4 算例分析

文中算例采用18節點的單階段的輸電網規劃系統，該系統已有9條線路10個節點，經過電網規劃要求系統增為27條線路18個節點。初始的系統的路徑規劃圖見圖2，節點及支路相關的數據見文獻[17-18]，經濟性和可靠性參數的設定如下:缺電損失評價率為5.0元/（kW·h），線路的故障率為0.05次/（年·km·回），平均維修時間為9.13×1024年/（次·回），單位長度造價為30萬元/（km·回），負荷持續的時間為3 500 h，基準功率為10 MVA。

圖2 18節點系統的路徑初始示意圖

圖3 18節點系統的路徑圖

采用螢火蟲算法進行優化后的路徑圖見圖3。表1為采用螢火蟲算法和粒子群算法求解電網規劃問題的結果比較，兩種算法迭代次數設置為100次，由表1可以看出，螢火蟲算法在迭代到30次的時候就可以收斂，因此，收斂速度相對于粒子群算法而言更快些。

表1 FA與PSO算法的比較

5 結束語

文中提出一種基于螢火蟲算法的輸電網規劃問題的求解，18節點的系統測試表明，該算法在全局搜索能力和收斂速度方面均高于PSO算。但是本文只研究了最基本的螢火蟲算法在電網規劃中的應用，今后可以考慮改進的螢火蟲算法，并將其應用到電網規劃問題中。

[1]孫洪波.電力網絡規劃[M].重慶:重慶大學出版社，1996.

[2]程浩忠，張焰.電力網絡規劃的方法和應用[M].上海:上海科學技術出版社，2002.

[3]韓曉慧，王聯國.輸電網優化規劃模型及算法分析[J].電力系統保護與控制，2011，39（23）：143-148.

[4]許磊，張蘭.電網規劃算法綜述[J].大眾科技，2009（9）：123-124.

[5]Chung T S，Li K K，Chen G J，et al.Mult-objective transmission network planning by a hybrid GA approach with fuzzy decision analysis[J].Electrical Power and Energy Systems，2003，2（5）：187-192.

[6]周建平，林韓，溫步瀛.改進量子遺傳算法在輸電網規劃中的應用[J].電力系統保護與控制，2012，40（19）:90-95.

[7]聶宏展，呂盼，喬怡，等.改進人工魚群算法在輸電網規劃中的應用[J].電力系統及其自動化學報，2010，22（2）:93-98.

[8]翟海保，程浩忠，呂干云，等.基于模式記憶并行蟻群算法的輸電網規劃[J].中國電機工程學報，2005，25（9）:17-22.

[9]趙強，敬東，李正.蟻群算法在配電網規劃中的應用[J].電力自動化設備，2003，23（2）:55-57.

[10]符楊，徐自力，曹家麟.混合粒子群優化算法在電網規劃中的應用[J].電網技術，2008，32（15）:32-35.

[11]張憲，苑津莎.基于粒子群算法的配電網網架規劃[J].華北電力大學學報，2006，33（3）:14-17.

[12]任蘋，李楠.集成粒子群優化算法在電網規劃中的應用[J].系統仿真學報，2007，19（10）:2370-2373.

[13]金明.基于模擬退火算法的輸電網中長期規劃研究[J].青島大學學報，1993，12（1）:80-85.

[14]YANG Xin-she.Firefly algorithms for multimodal optimization [C]//Proc of the 5th International Conference on Stochastic Algorithms:Foundations and Applications.Berlin:Springer-Verlag，2009:169-178.

[15]YANG Xin-she.Nature-inspired metaheuristic algorithm[M].Frome:Luniver Press，2008.

[16]劉長平，葉春明.一種新穎的仿生群智能優化算法:螢火蟲算法[J].計算機應用研究，2011，28（9）:3295-3297.

[17]許磊，量子粒子群算法在電網規劃中的應用[J].科學技術與工程，2012，12（2）：321-324.

[18]王錫凡.電力系統規劃基礎[M].北京:水利電力出版社，1994.

Transmission network expansion planning based on firefly algorithm

XU Lei
（Department of Aeronautical Materials，Xi'an Aeronautical Ploytechnic Institute，Xi'an 710089，China）

Power network planning is a large-scale complex nonlinear programming problem.The usual approach is to transform the multi-objective problem into a single objective problem.In this paper，the penalty function method was used to evaluate the objective function.Then we has adopted firefly algorithm to solve the transmission network expansion planning，which is a novel intelligent optimization algorithm.Finally，this algorithm was applied to solve the problem of power network planning.Numerical experiments was carried out using the 18 node system to test.The results shows the algorithm have better improved than other algorithms in the convergence speed and accuracy.

transmission network expansion planning；firefly algorithm；convergence；optimization；attraction

TN7

：A

：1674－6236（2017）05-0020-04

2016-03-02稿件編號：201603014

陜西省教育廳科研計劃資助項目（15JK1381）

許 磊（1982—），男，陜西西安人，碩士，副教授。研究方向：人工智能在電力系統中的應用。