遺傳算法在電力規劃中的應用

黃翔

摘要：電力規劃是在給定的負荷值和電源規劃的基礎上，結合當前的電網結構，設計最合理的線路對電網進行擴建或改進，在保證電力系統安全穩定的前提下，最大程度地降低電網運行成本，提高電網配電、輸電和用電的效率，有效降低電網線損率，提升電網運行的經濟性。遺傳算法、模擬退火算法和禁忌搜索算法都存在著一定的不足，通過結合三種方式對遺傳算法進行改進，對于電力規劃目標的實現有著重要作用。基于此，本文就改進遺傳算法在電力規劃中的應用進行分析，首先概述了遺傳算法，闡述了電力規劃中主要算法以及電力規劃數學模型，對改進遺傳算法在電力規劃中的應用進行了探討分析。

關鍵詞：遺傳算法;電力規劃;算法;數學模型;應用

一、遺傳算法的概述

遺傳算法（GA）一詞源于人們對自然進化系統所進行的計算機仿生模擬研究，是以達爾文的“進化論”和孟德爾的“遺傳學原理”為基礎的，是最早開發出來的模擬遺傳系統的算法模型。遺傳算法是從某一個初始種群開始，首先計算個體的適應度，然后通過選擇、交叉、變異等基本操作，產生新一代的種群，重復這個過程，直到得到滿足條件的種群或達到迭代次數后終止。通過這個過程，后代種群會更加適應環境，而末代種群中的最優個體，在經過解碼之后，就可以作為問題的近似最優解。遺傳算法的應用領域非常廣泛，比如應用在優化問題、生產調度、自動控制、機器學習、圖像處理、人工生命和數據挖掘等方面。

二、電力規劃中主要算法的分析

電力規劃中的算法主要有：（1）遺傳算法。遺傳算法是通過利用目標函數來探索最優的方向，整個計算過程中不需要進行求逆、求導等運算，能夠隨時加入約束條件，在多目標優化、整數非線性規劃等方面應用較為廣泛。在遺傳算法當中，其操作的對象是參數編碼而非參數自身，可以在同一時間段內搜索多個點的編碼，其編碼過程是遵循隨機轉換規則的。但是遺傳算法的缺點也十分明顯，由于此算法中變異概率過小，染色體引入的機會過少，導致其局部搜索能力差，容易出現不可行解和早熟現象等問題。（2）模擬退火算法。其是通過接受或放棄系統能量狀態變化的信號來使其逐漸趨于穩定的一種算法。在經過多次迭代后，整個系統分布狀態會逐漸穩定。在模擬退火算法當中，初始值與最終狀態、算法解之間都沒有關系，是一種隨機性全局最優化的方法，在計算過程中可以并行計算，具有漸近收斂的特性。（3）禁忌搜索算法。其是在局部鄰域搜索算法基礎上發展出的一種算法，其通過利用禁忌表記錄的方式，將一些搜索過程中發生的局部最優過程或最優點列入禁忌搜索的范圍，縮小下一次搜索的范圍，有效解決了局部鄰域搜索算法的不足。這種算法的結果會在很大程度上受到初始解的影響，如果初始解發生錯誤，則最終解會出現較大誤差。

三、電力規劃數學模型的分析

電力規劃就是在某些特定條件下，最大可能地實現經濟性、穩定性和安全性等多個目標的規劃方式，所以電力規劃模型為多目標模型，其中需要考慮建設投入、運行費用和網損等因素，優化模型如下：

式（1）中：f1為目標函數1，是指建設投資等值年費用;kI為單位長度線路造價;xi為決策變量;li為第i條線路長度。

式（2）中：f2為目標函數2，是指網絡安全約束懲罰項;Wi為第i種網絡約束;peni為相應的懲罰系數。

式（3）中：f3為目標函數3，是指年網損費用;T為年網損的時間，h;K2為單位電價;ri和pi分別為第i條線路電阻和功率;NB為網絡支路數。

綜合公式（1）（2）（3）可得，此優化模型的廣義函數為：minf=f1+f2+f3，由此可推出適應度函數fit=fmax-f=fmax-（f1+f2+f3）。

四、改進遺傳算法在電力規劃中的應用分析

電力規劃中遺傳算法的基本操作主要包括選擇、交叉和變異，為避免遺傳算法不足，以下引進了模擬退火算法和禁忌搜索算法對其進行改進，以提高遺傳算法的準確性，改進后的算法過程如下。

1、遺傳算法的實現。（1）確定編碼。為了提高譯碼過程的效率，采取了整數編碼的方式，同時，此編碼方式還使得算法更加直觀。在電力規劃中，進行編碼時，其直接變量是電力規劃的線路數量，所以編碼的對象就是架線類型和數量，其對應關系為染色體代表規劃方案、基因代表某一架線支路。采用這種編碼方式，通過去除基因代表的架線支路就可以直接反映此支架線路是否發生線型、長度方面的變化，遺傳算法常用的二進制編碼方式能夠在很大程度上降低字符長度，提高解碼效率。（2）選擇算子。傳統遺傳算法中的算子選擇是通過賭輪選擇方法實現的，如此一來，能夠保留父代群體中的精英個體，沒有同交叉和變異，是一種最優保存的方案。在改進遺傳算法中，選擇算子時采取了模擬退火算法的選擇方法，即先按照某一特定順序將父代群體排序，然后根據模擬退火算法的原理，結合其概率選擇方式得到部分優秀的個體并將其復制到下一代中，最后交叉和變異處理剩余的個體。（3）算子交叉。在本改進算法中，算子交叉采取的是部分匹配交叉的方法。在此交叉操作當中，將均勻隨機分布方式產生的兩個位串交叉點之間的區域定義為同一匹配區域，然后通過位置交換操作方法，將兩個父串匹配區域進行交換，以兩父串點A1和B1為例，其交換后得到A2和B2，然后依據位置映射關系，再次交換后得到。由此過程可知，新子代個體都是由父串次序部分得到的。（4）變異操作。變異操作的作用是擾動算子種群，增加算子種群的多樣性，但在變異操作過程中，必須合理控制變異概率，以免概率過小無法發揮增加新模式的作用，或者概率過大使算法變為隨機搜索。所以，為了控制變異概率，并使最優個體在得到保留的同時，不會出現重復搜素問題，就在遺傳算法中引用了禁忌搜索算法，以得到算子交叉后的最優解，使其直接進入到下一代群體中，再以某概率變異操作剩余個體。（5）懲罰因子。懲罰因子peni規則為自適應規則，取較小的初值，在搜索過程中peni逐漸增大，其懲罰項影響也不斷擴大，其變化過程為

（6）終止規則。遺傳算法終止于迭代次數達到設定的次數值時。

2、電力規劃中改進遺傳算法的計算分析。主要表現：（1）配電網原始數據的確定，主要包括約束條件和節點參數等，同時合理設置算法的初始參數，包括初始和終止溫度、群體規模、禁忌表的長度和終止規則等。（2）初始化群體的形成采取隨機方式，形成許多有差異的可行解，使其組成初始化可行解群體。（3）進行適應度計算，如果此時滿足終止規則，停止并將計算結果輸出;如果不滿足，則開始執行函數。（4）通過模擬退火算法得到部分最優解，并將其復制到下一代群體中。（5）使用禁忌搜索算法來對上一步函數得到的新一代群體進行處理，得到其中最優部分解，然后直接進入到下一代群體中進行變異，剩余個體以某概率行變異操作，并將處理后的變異算子全體進行第三步操作;（6）按終止規則停止運輸，輸出最終結果。

結束語

隨著我國社會經濟的發展，人們對電力需求不斷增加，促進了電網建設的進步。電力規劃是配電網建設的基礎，對于配電網運行、調度的優化有著重要意義，所以采取合適的算法對于提高電力規劃水平非常重要。

參考文獻

[1]潘欣等.種群分布式并行遺傳算法解化工多目標優化問題[J].化工進展，2015（5）

[2]黃慧，顧波.改進遺傳算法在電網規劃中的應用[J].電力系統保護與控制，2012（22）