基于免疫遗传算法的可用输电能力计算.pdfVIP

．12． 科技论坛 基于免疫遗传算法的可用输电能力计算 王建华 (广东电网公司东莞供电局，广东东莞523008) 比作抗原，将问题的解比作抗体，通过亲和度计算来评价抗体并促进或抑制抗体的产生，减少了进化过程中陷入局部最优解的可能性。本 文以IEEE一30节点测试系统为例进行仿真计算，并与遗传算法的计算结果进行了比较，表明了该算法用于ATC计算的可行性和有效性。 关键词：可用输电能力；免疫遗传算法；最优潮流 引言 胞分化、抗体的促进和抑制、抗体产生六个模块组成。 在电力系统中，区域间的输电能力对于整个系统运行的安全可 2．1．1抗原识别模块。主要功能是判断新抗原是不是记忆中的 靠性有着很大的影响。电网可用输电能力(ATC)，就是指在两区域抗原。 间已使用的电能传输能力基础上，如欲进一步交易的剩余町用输电 2．1．2初始群体产生模块。如果抗原识别模块判断出新抗原是 能力。 记忆中的抗原，则从记忆细胞中取出相应的抗体组成免疫遗传算法 ATC的计算可以基于确定性或者概率性模型。 的初始群体，否则，随机产生初始群体。 确定性模型易于实现、计算速度快。凶此，在电力系统运行中， 2．1．3适应度计算模块。计算个体(相当于抗体)的适应度。 一般都采用基于确定性的ATC计算模型。 2．1．4记忆细胞的分化模块。如果抗原是新抗原，则用当前群体 目前，已有许多优化算法应用到ATC的计算中，如遗传算法、中适应度高的个体替换掉记忆细胞中的适应度低的个体。否则，把 改进粒子群算法等现代智能算法。这些算法鲁棒性好，采用并行随 当前群体中适应度高的个体加入记忆细胞中。 机搜索策略，具有较强的全局搜索能力，容易跳出局部极值点，可以 2．1．5抗体的促进和抑制模块。计算当前群体中适应度相近的 大大提高计算速度。 个体浓度，浓度高则减小该个体的选择概率(即抑制)，反之则增加 该个体的选择概率(即促进)。 免疫遗传算法(IGA)是免疫算法和遗传算法相结合一种改进的 遗传算法，它与标准的遗传算法相比，具有如下显著特点：a．具有免 2．1．6抗体产生模块。选择、交叉和变异操作。 疫记忆功能．b．具有抗体的多样性保持功能．c．具有自我调节功能， 2．2相关定义 现已成功应用于电力系统无功优化It等方面，均取得了满意的效果。 2．2．1多样度：个体的多样性测度，设有N个抗体，每个抗体的 本文以最优潮流为基础，给出有关IGA方法求解ATC计算的 长度为M，采用符号集大小为S，则抗体基因座J的信息熵Hj(N)可 数学模型和计算公式，通过对IEEE一30节点系统进行仿真计算。结定义为： ．． 果验证了该算法的有效性和可行性。 Hi(N)：一∑硝l092pU． 。(7) 1 A1℃的数学模型 ATC计算的优化模型包括目标函数、等式约束条件和不等式约 其中pij为第i符号出现在基因座j的概率，且可定义： 束条件。具体如下： nii-垄薹旦座j土当塑箜i仝笪曼数堕仝塾 (8) …一 IT 、v， 1．1目标函数 Max(∑峨) (1) 由此可得平均熵 lEsn H(N)：H(N)=丽1∑Hj(N)