改进遗传算法在输电网络规划中应用.docVIP

改进遗传算法在输电网络规划中应用 　　摘要：简要论述了输电网络规划和遗传算法，并确立了数学模型，为了提高遗传算法在输电网络规划中的优化性能，提出了改进自适应遗传算法(MAGA)该方法有助于防止传统遗传算法过早收敛和走向局部最优，适应于多变量、多目标的环境，能够快速的找到全局最优提出的改进方法包括采用实数编码、惩罚函数自适应调整、设置保留算子等通过对实际系统的计算表明，MAGA具有可行性文中应用了2种不同算法进行性能比较，证实了MAGA有更强的优化性能 　　关键词：输电网络规划 改进遗传算法　优化性能 　　 　　输电网络规划是指在未来一个时期内负荷增长和电源发展规划及布局都已知的基础上，应用分析工具，通过计算确定何时、何地建设什么电压等级以及多少回输电线路，提出的规划方案不仅要满足负荷需求和保证电力系统安全运行，而且所需资金和运行费用都为最小，输电网络规划问题是一个复杂的非线性混合整数规划问题，它具有离散性、非线性、动态性、多目标性以及不确定性等特点。目前，所用的规划方法总体上可以分为启发式和数学优化等方法，但是这些方法仍存在灵敏度分析代价大、优化效率低下、容易出现维数灾、局部最优和约束条件及目标函数不易处理等问题。 　　遗传算法作为一种新的全局优化搜索方法，尤其适合于整型变量优化的求解，它的引人可以较好的解决输电网络规划中存在的上述问题，为输电网络规划问题的求解开创了一条新的途径。但目前，常规遗传算法(SGA)和后来改进的自适应遗传算法(AGA)都不能保证每次都收敛于全局最优，在收敛速度和全局性等优化性能上仍有改进的空间。本文在前人的基础上提出了改进自适应遗传算法，并通过算例加以比 　　较和验证，结果表明，这种改进算法使得规划方案更加合理和有效。 　　 　　1 数学模型 　　 　　模型以电网扩展新建线路的投资年费用和系统年运行费用之和最小为目标函数，另外还计及了各新建线路的整数性约束以及系统正常运行和“N-1”事故运行下的各种约束等。其输电网络规划的数学模型如式(1)所示，其中目标函数的第1项是新建线路投资费用与固定运行费用之和，第2项是系统可变运行费，即年网损费用。 　　 　　式中，F为年费用(万元)；c1、c3，分别为资金回收和年网损费用的系数；c2为工程固定运行费率(％)；Mi、N分别为i支路中扩展一回新建线路投资费用(万元)和新建线路回数；A为节点支路关联矩阵；Bi、δl，分别为线路l线路断开后的节点电纳矩阵和节点电压相角列向量；Ke为“N-I”故障情况下线路容许的过负荷率列向量。 　　 　　2　遗传算法的改进 　　 　　在遗传算法中，交叉和变异是很重要的两个算子，交叉体现了搜索能力，变异体现了全局性。常规遗传算法中的交叉率和变异率是取为恒定值，因此在用于多变量和多目标优化时，效率不高，并且存在“早熟”的可能性。后来，Srinvivas提出了自适应遗传算法，在这种算法中，Pc和Pm能够基于个体的适应度值来自适应的改变，从一定程度上提高了收敛能力。但这种调整方式对于群体处于进化初期阶段时就使得进化过程越显缓慢，因为这个阶段的较为优良的个体基本上是处于不发生变化的状态，而这些个体又不一定会是最优的解，这样会导致走向局部最优的可能性增加。 　　因此。本文就针对上述多变量、多目标、收敛速度和全局性等优化性能问题，明确提出了建立在自适应遗传算法基础上的改进自适应遗传算法。其中作了下述方面的改进： 　　 　　2.1 采用实数编码方式 　　遗传算法的编码方式对其收敛性能有较大的影响，如收敛速度等。在常规算法中一般采用的是二进制编码，虽说它的搜索能力强，但存在串码过长问题。在输电网络规划中，有大量的控制变量要处理，如采用二进制编码，这样导致有的串码可以长达几十至几百位，不利于提高整体的搜索性能。本文提出了实数编码方式，它是在二进制的基础上发展起来的，具有收敛速度快且精确度高等特点。 　　实数编码采用的是十进制表达方式，不需要解码和编码操作，从而大大提高了运算速度和运算效率。采用此方法会对遗传算法中的交叉和变异操作产生很大的影响，使得处理的方式能够适应很多环境，但遗传算法的交叉和变异的实质是不变的。 　　2.1.1 交叉操作 　　交叉就是把两个父代个体的部分结构加以替换重组而生成新个体。在配对库中随机选择交叉个体，设 　　并随机确定交叉点a，则按式(2)进行交叉操作，计算出交叉点之前的新基因，然后对交叉点以后的父代个体基因进行交换，从而得出2个子代个体。 　　 　　式中，xji表示子代中第j个个体中第i个基因；Rand为[0，1]内的随机数。 　　2.1.2变异操作 　　变异就是以很小的变异率Pm随机地改变群体中个体(染色体)的某些基因的值。本文遵循的遗传进化原则如式(3)所示：