基本遺傳算法與電網智能調度＊

周杰，劉寶，王琳琳

?

基本遺傳算法與電網智能調度＊

周杰，劉寶，王琳琳

（石河子大學 信息科學與技術學院，新疆 石河子 832003）

近年來，電網技術和產業增長迅速，電網調度系統所面對的情況也越來越復雜。在這種背景下，電網智能調度系統應運而生。電網智能調度系統將電網與互聯網技術相結合，達到供配電和發輸電的智能化。遺傳算法模仿自然界的生物遺傳過程，采用存優去劣的策略將電網的調度方案逼近最優解。遺傳算法方案既能實現對電網的智能調度，也能降低電網的運行成本，是當前電網智能調度發展的熱點方向之一。

基本遺傳算法；智能電網；電力產業；用電需求

從當前的電力產業的發展情況來看，技術的迭代速度增快，社會的用電需求不斷增加，傳統電網所面對的挑戰越來越嚴峻[1]。電網智能調度技術的提出為電網技術的更新提出了新的思路[2]。引入遺傳算法的調度系統，根據其策略迭代過程中不斷優化設定最優條件下產生最優方案[3]。電網根據方案智能調度，既可以滿足用電需求，也可以降低成本，以產生更好的經濟效益[4]。

1 智能電網

電網調度的智能化方向，是當今世界受限于傳統電網調度系統的局限性而提出熱門發展方向[5]。電網智能調度系統能對數據進行實時的采集和分析[6]。并且依靠智能化程度較高的人工智能技術，在復雜的情況下電網對所遇情況做出最優處理[7]。相較于傳統電網調度系統，智能電網調度系統可以自主對問題提出決策方案，而不是依賴通過人工進行電網調度[8]。

2 國內外發展現狀

外國部分發達國家的智能電網起步較早，美國和歐洲等在本世紀初就提前布局了智能電網的開發，并且技術迅速發展[9-11]。亞洲地區的日本，利用其科研水平的支撐，該國家的智能電網水平處于領先的地位，并將技術落實，實踐推動新能源、清潔能源與電網結合建設智能電網[12-14]。近年來，國家出臺多項新能源汽車政策，地方政府也發布了關于新能源汽車的一系列增長方案和鼓勵政策[15-17]。我國新能源汽車數量增長迅速，其所用的電池充電對電網帶來了負擔[18]。能源和環保問題也對我國電網調度系統的升級有一定的推動作用，電網智能調度系統能夠改進電網的調度效率，減少不必要的損耗[19-20]。在節能減排方面由于智能電網的升級改造，推動了新型能源的參與程度以及各處電網的整合，而安全和環保程度相較于從前出現了跨越式的優化[21-22]。

國內電網由于各地調度設備更新換代速度較慢，大部分工作時間跨度大，維修難度增加且某些設備已經淘汰[23-24]。舊設備和系統不能滿足當前新型產業的全方位、新要求、智能化的需求，而超負載的電網調度系統也會產生各種安全和決策方面的風險[25-26]。近年來，國家建立了多項智能電網的升級計劃，對電網智能調度系統的研究也提上了日程[27-28]。電網調度與多種先進技術結合為電網的智能化提出了未來發展方向[29-30]。

3 基于遺傳算法的電網調度

遺傳算法是根據染色體的遺傳、交叉和變異過程[31-32]。遺傳算法使電網調度方案不斷迭代，在迭代的過程中給不同的方案以不同的權重，再產生下一代電網調度方案[33-34]。由于該算法不會只選擇某代的最優解，而是給所有該代個體不同的權重來判斷下一代的選擇概率[35-36]。

首先設定一定個數的用電調度方案，這些方案就是初始種群，每一個用電調度方案都是一個個體[37]。然后對每一個體的方案根據用電成本、安全性等指標進行賦值，單一用電調度方案的數值與種群的所有數值之和的比值，就是該方案的選擇概率[38]。選擇過程是指，將所有用電調度方案排列在同一個圓盤上，利用輪盤賭的方式，隨機選擇每一組父代和母代，選擇的過程中每一次都是按照概率隨機選擇[39-40]。交叉過程是將選擇的父代方案和母代方案，隨機選擇方案中的某一點將方案分成兩部分，再將兩方案分開部分進行互換，結合后父代方案頭部與母代方案尾部產生一個新的子代，同樣母代方案頭部與父代方案尾部產生新的子代。變異過程是按特定的概率隨機選擇種群的某些個體，再隨機選擇個體方案的隨機部分進行變動，例如將A處的電網調度優先級增高或降低，將交叉和變異后產生得到新個體按條件進行賦值，重復選擇交叉變異過程，直到達到設定迭代次數后停止。與遺傳算法結合的電網智能調度系統，在迭代過程中所有方案整體有所優化，電網調度方案也在向最優化方向逼近。

4 結論

電網智能調度系統能夠提高電網所面對的用電安全、電網調度和監管等多方面之間的均衡協作。智能調度能夠解決日益復雜的用電需求，高智能化的調度系統可以保障電網的安全。遺傳算法與電網調度的結合，有利于處理日益復雜復雜的調度環境所面臨的最優解問題，為能源使用過程的安全、環保和高效方面提供了保障。

［1］黃國棟，許丹，丁強，等.考慮熱電和大規模風電的電網調度研究綜述［J］.電力系統保護與控制，2018，46（15）：162-170.

［2］許洪強，姚建國，於益軍，等.支撐一體化大電網的調度控制系統架構及關鍵技術［J］.電力系統自動化，2018，42（06）：1-8.

［3］許洪強，姚建國，南貴林，等.未來電網調度控制系統應用功能的新特征［J］.電力系統自動化，2018，42（01）：1-7.

［4］吳立華，白潔，左亞軍，等.基于Matlab的遺傳算法在結構優化設計中的應用［J］.機電工程技術，2017，46（10）：44-47.

［5］陳順立.農業機器人路徑優化及軌跡跟蹤研究——基于遺傳算法［J］.農機化研究，2017，39（08）：17-21.

［6］何遠，張玉清，張光華.基于黑盒遺傳算法的Android驅動漏洞挖掘［J］.計算機學報，2017，40（05）：1031-1043.

［7］劉浩然，趙翠香，李軒，等.一種基于改進遺傳算法的神經網絡優化算法研究［J］.儀器儀表學報，2016，37（07）：1573-1580.

［8］黃俊輝，汪惟源，王海潛，等.基于模擬退火遺傳算法的交直流系統無功優化與電壓控制研究［J］.電力系統保護與控制，2016，44（10）：37-43.

［9］黃新波，李文君子，宋桐，等.采用遺傳算法優化裝袋分類回歸樹組合算法的變壓器故障診斷［J］.高電壓技術，2016，42（05）：1617-1623.

［10］呼士召，潮鑄，鐘華贊，等.電網調度操作的風險后果值建模及應用［J］.電力系統自動化，2016，40（07）：54-60.

［11］丁盛舟，李永光，杜鵬，等.基于CIM/E的電網調度系統數據質量優化方法［J］.電力系統保護與控制，2016，44（03）：129-134.

［12］劉鵬程，李新利.基于多種群遺傳算法的含分布式電源的配電網故障區段定位算法［J］.電力系統保護與控制，2016，44（02）：36-41.

［13］王贊，樊向宇，鄒雨果，等.一種基于遺傳算法的多缺陷定位方法［J］.軟件學報，2016，27（04）：879-900.

［14］賀毅朝，王熙照，李文斌，等.基于遺傳算法求解折扣{0-1}背包問題的研究［J］.計算機學報，2016，39（12）：2614-2630.

［15］黃小慶，楊夯，陳頡，等.基于LCC和量子遺傳算法的電動汽車充電站優化規劃［J］.電力系統自動化，2015，39（17）：176-182.

［16］金芬蘭，王昊，范廣民，等.智能電網調度控制系統的變電站集中監控功能設計［J］.電力系統自動化，2015，39（01）：241-247.

［17］辛耀中，石俊杰，周京陽，等.智能電網調度控制系統現狀與技術展望［J］.電力系統自動化，2015，39（01）：2-8.

［18］高昆侖，辛耀中，李釗，等.智能電網調度控制系統安全防護技術及發展［J］.電力系統自動化，2015，39（01）：48-52.

［19］閃鑫，戴則梅，張哲，等.智能電網調度控制系統綜合智能告警研究及應用［J］.電力系統自動化，2015，39（01）：65-72.

［20］滕賢亮，高宗和，朱斌，等.智能電網調度控制系統AGC需求分析及關鍵技術［J］.電力系統自動化，2015，39（01）：81-87.

［21］闞哲，孟國營，王曉蕾，等.基于遺傳算法的爐膛溫度場重建算法研究［J］.電子測量與儀器學報，2014，28（10）：1149-1154.

［22］于瑩瑩，陳燕，李桃迎.改進的遺傳算法求解旅行商問題［J］.控制與決策，2014，29（08）：1483-1488.

［23］宋歡，胡耀垓，趙正予，等.基于混合遺傳算法的斜測電離圖參數反演［J］.地球物理學報，2014，57（03）：703-714.

［24］楊勝春，湯必強，姚建國，等.基于態勢感知的電網自動智能調度架構及關鍵技術［J］.電網技術，2014，38（01）：33-39.

［25］姚建國，楊勝春，單茂華.面向未來互聯電網的調度技術支持系統架構思考［J］.電力系統自動化，2013，37（21）：52-59.

［26］張鑫源，胡曉敏，林盈.遺傳算法和粒子群優化算法的性能對比分析［J］.計算機科學與探索，2014，8（01）：90-102.

［27］梁志峰，葛睿，董昱，等.印度“7·30”“7·31”大停電事故分析及對我國電網調度運行工作的啟示［J］.電網技術，2013，37（07）：1841-1848.

［28］翟明玉，王瑾，吳慶曦，等.電網調度廣域分布式實時數據庫系統體系架構和關鍵技術［J］.電力系統自動化，2013，37（02）：67-71.

［29］梁亞瀾，聶長海.覆蓋表生成的遺傳算法配置參數優化［J］.計算機學報，2012，35（07）：1522-1538.

［30］馬永杰，云文霞.遺傳算法研究進展［J］.計算機應用研究，2012，29（04）：1201-1206，1210.

［31］劉全，王曉燕，傅啟明，等.雙精英協同進化遺傳算法［J］.軟件學報，2012，23（04）：765-775.

［32］汪際峰，沈國榮.大電網調度智能化的若干關鍵技術問題［J］.電力系統自動化，2012，36（01）：10-16.

［33］張強，張伯明，李鵬.智能電網調度控制架構和概念發展述評［J］.電力自動化設備，2010，30（12）：1-6，35.

［34］莊健，楊清宇，杜海峰，等.一種高效的復雜系統遺傳算法［J］.軟件學報，2010，21（11）：2790-2801.

［35］杜紅衛，何勇，張瑞鵬，等.地區電網調度智能輔助決策軟件設計［J］.電力系統自動化，2010，34（02）：108-112.

［36］張智剛，夏清.智能電網調度發電計劃體系架構及關鍵技術［J］.電網技術，2009，33（20）：1-8.

［37］吳瓊，劉文穎，楊以涵.智能型電網調度決策支持系統的開發與實現［J］.電力系統自動化，2006（12）：79-83.

［38］熊志輝，李思昆，陳吉華.遺傳算法與螞蟻算法動態融合的軟硬件劃分［J］.軟件學報，2005（04）：503-512.

［39］郭國川.統一調度是我國電網調度模式的理性選擇［J］.電網技術，2002（04）：1-8.

［40］唐文艷，顧元憲.遺傳算法在結構優化中的研究進展［J］.力學進展，2002（01）：26-40.

周杰（1982—），男，湖南湘鄉人，副教授，博士，研究方向為物聯網技術。

兵團中青年科技創新領軍人才計劃項目“基于人工智能的電網智能調度”（編號：2018CB006）

2095－6835（2019）07－0024－02

TM732

A

10.15913/j.cnki.kjycx.2019.07.024

〔編輯：張思楠〕