遗传算法在配电网故障后重构中的应用.pdf

遗传算法在配电网故障后重构中的应用 闵行供电分公司储琳琳 0前言 配电网故障后重构是指配电网发生故障后，在故障已被定位和隔离的基础上，研究如何恢复对无故障停电区 域供电的问题，它主要是通过配电系统中的开关操作来改变网络拓扑，实现预定的目标。其主要作用是帮助调度 员对故障恢复供电过程进行决策，其目标是在允许的操作条件和电气约束下，通过网络重构尽可能多地将停电区 域的负荷转供到正常的馈线上，并满足系统有功功率损耗最小化和负荷平衡的目标。 因此，配电网的故障恢复是一个复杂的多目标、多时段、多组合、多约束的非线性最优化问题，，该问题的复杂 性决定了难以单纯从数学优化问题的角度求解，并且得到满足要求的可行解需很长时间。在实际应用中，调度员 往往根据工作经验和一些启发式的规则寻找可行方案，快速有效地实现恢复供电。 综上所述，故障恢复问题是一个多目标、多约束、离散寻优问题，常规优化方法不能有效地解决此问题。而 遗传算法(CA)以其良好的鲁棒性、灵活性、通用性，以及特别适合组合优化问题等特点，在电力系统中被广泛应 用。因此，本文提出将GA应用于地区电网停电恢复，由GA对停电区域进行网络重构，形成恢复方案。 1 配电网故障恢复特点及遗传算法应用在故障恢复的原理基础 1．1配电网特点及恢复要求 配电网大多呈辐射状，包含大量常闭开关(架空线上分段的杆刀或是配电站里的分路的开关)，及少量常开开 关(联络开关)，具有环状结构、开环运行的特点。典型的配电网如图2所示。 F1 F2 ·常闭开关；——失电区 I：1-F4馈线1-4；o常开开关； 图1 一个典型的配电网络 正常运行时，开关Sl—S3作为联络开关，处于分断状态，开关S4一S8作为分段开关，处于闭合状态。馈线Fl 电。 当配电网中发生故障时，运行人员首先对故障进行定位，并对故障区进行隔离，这时故障区下游的部分非故 障负荷将处于失电状态。在图1中，假定馈线Fl上St处发生故障，则s4打开，对故障进行分离，则s4下游的非故 障区将处于失电状态。恢复供电的主要目标就是通过将这部分失电负荷转移到其他馈线上去，以恢复对尽可能 多的失电负荷的供电。恢复方案应当满足以下条件： 1．恢复方案应能快速得出，并能够恢复对尽可能多的失电负荷的供电，减少停电所造成的损失。 2．考虑到开关操作对开关寿命的影响，以及进行开关操作所需的人力和时间，应使开关操作次数最少。 3．恢复后的系统结构应当尽可能接近故障前的结构且应保持辐射型结构。 没有安全越限发生。 1．2遗传算法原理 遗传算法是一种模拟生物在自然环境中的遗传和进化过程而形成的自适应全局优化概率搜索算法。它是 137 1975年由美国密执安大学的Holland教授提出，遗传算法建立在达尔文适者生存的自然选择法则的基础之上，利 用变异和复制来生成算法。 以一群个体为例，它们都有自己的DNA。然后衡量每一个个体的适应性，并且使那些更适应的个体更有可能 繁衍。而最不适应的个体将会被灭绝。每个幸存者都会有机会繁衍。合并双亲的DNA，对合并后的DNA应用随 机变异以模拟繁衍。理论上说来，新的个体是和双亲一样适应的，由于变异或增或减会有些微小的变化。这样周 而复始，最终在群体中将会得到一个优良的个体，它所对应的表现型将达到或接近于问题的最优解。 生物的进化过程主要是通过染色体之间的交叉和染色体的变异来完成的。与此相对应，遗传算法中最优解 的搜索过程也模仿生物的这个进化过程，使用所谓的遗传算子作用于群体P(t)中，进行下述遗传操作，从而得到 新一代P(t+1)。图1即为遗传算法的运算过程示意图。 图2 遗传算法流程图 选择运算：根据各个个体的适应度，按照一定的规则或方法，从第t代群体P(t)中选择出一些优良的个体遗 传到下一代群体P(t+1)。 交叉运算：将群体P(t)内的各个个体随机搭配成对，对每一对个体，以某个概率(称为交叉概率)交换他们之 间的部分染色体。 变异运算：对群体P(t)中的每一个个体，以某一概率(称为变异概率)改变