浅析电网的规划的方法.docVIP

浅析电网的规划的方法 　　【摘 要】电网规划是电力系统总体发展规划的重要组成部分，也是电网更新改造的依据。随着国内经济的飞速发展，城乡居民生活水平不断提高，电力需求持续增加，地区电网也亟待做出相应的改造和扩建。对于一个受环境、经济、发展潜力等综合因素影响的特定区域，制定出一个良好的电网规划方案，关系到该地区电网改造的投资成本、经济效益，对周边地区的影响及该地区未来经济发展速度等。 　　【关键词】电网规划；常规方法；人工智能规划 　　 1.电网规划的特点 　　电网规划是电力系统规划的重要组成部分，其任务是根据规划期间的负荷增长及电源规划方案确定相应的最佳电网结构，以满足经济、可靠地输送电力的要求。其研究的内容包括网架规划、无功规划、稳定性分析及短路电流分析。电网规划可分为输电网规划和配电网规划两类。另外，按规划期长短可分为短期规划、远景规划和长期规划3种。短期规划研究主要用于制定较短水平年如5年的网络扩展计划，确定详细的网络结构方案；远景规划研究一般针对一个较长水平年如20～30年，它通过对未来各种发展情形的分析，给出根据环境参数进行技术选择的一般原则；长期规划研究介于两者之间，它用于电网10～20年发展规划方案的制定。 　　电网规划的基本原则是指在一定的技术可行性条件下，使电网规划各阶段费用总和最小。在数学上它属于一个复杂的多决策变量、多约束条件优化问题，而且具有整数性、非线性、多目标性、动态性、不确定性等特点。合理地进行电网规划不仅可以获得巨大的社会效益，也可以获得巨大的经济效益。因此，合理的规划方法显得尤为重要。 　　 2.电网规划的常规方法 　　现代电网规划方法是一种通用的优化算法。它的一个重要特点是所有这些方法均能实现并行计算。由于现代电网规划方法在求解组合最优问题时表现出的卓越性能，在过去的20年中，它受到前所未有的关注。现代电网规划方法很多，常用的电网规划方法包括模拟进化方法、群体智能方法、人工智能规划方法、不确定系统规划方法等，下面分别就这些方法进行讨论。 　　2.1模拟进化方法 　　模拟进化方法是用模仿生物和人类进化的方法来求解复杂的优化问题，主要包括遗传算法、进化规划算法、演化算法等。 　　2.1.1遗传算法 　　遗传算法（GeneticAlgorithm，GA）源于对自然界中优胜劣汰法则的模拟。它建立于型式定理之上，将生物进化过程引入工程问题中，抓住生物对环境适应程度和工程方案对工程技术经济要求的满意程度的相似性，对工程方案进行选择、组合的优化。 　　遗传算法在全局寻优时不依赖于梯度信息，具有全局寻优性、无维数限制、无需目标函数可微、隐并行性等优点。其中，GA的隐并行性体现在选择和交叉机制上。由于其具有上述优点，被广泛应用于电网规划。 　　2.1.2进化规划算法 　　进化规划（EvolutionaryProgramming，EP）算法与遗传算法类似，是模拟自然界中物种的进化规律而产生的一种方法，能以较大的概率搜索到全局最优点。EP法与GA法在算法流程和解的结构方面都很相似。 　　2.1.3演化算法 　　演化算法（EvolutionaryAlgorithm，EA），其原理与GA基本相同，但它强调利用领域知识指导寻优过程，能更快找到优解，但其局部搜索能力较差，目前在电网规划方面的应用较少。通过改进演化算法的染色体编码策略，可避免其盲目搜索和网络辐射性检查，提高算法的寻优速度。 　　2.2群体智能方法 　　群体智能这个概念来自对自然界中一些昆虫，如蚂蚁、蜜蜂等的观察，是指无智能的主体通过合作表现出智能行为的特性，是一种通过大量数目的智能群体来实现的智能方式。主要方法包括蚁群算法、粒子群优化算法、模拟退火算法等。 　　2.2.1蚁群算法 　　蚁群算法（AntColonyOptimization，ACO）是一种以网络图上蚁群留下的信息素（pheromone）为交流方式来指导寻优路径的新型通用启发式概率搜索方法。作为一种新兴的智能算法，ACO具有良好的正反馈、鲁棒性、群体性、并行性、分布式计算和贪婪启发式搜索的特点，适合求解像电网规划这类具有离散特征的大规模组合优化问题。但在应用中，ACO的蚁群规模不宜超过网架图中的节点数。 　　2.2.2粒子群优化算法 　　粒子群优化（ParticleSwarmOptimization，PSO）算法是模拟鸟群觅食过程中的迁徙和群聚行为的一种全局随机搜索仿生算法。PSO存在群体协作和竞争，属群体智能（SwarmIntelligence，SI）技术，应用中需注意几点：（1）选取的粒子群初始化方法应使种群尽量均匀覆盖整个搜索空间；（2）PSO是求极小值的算法，但最小值粒子会因认知学习和社会学习部分为零而导致搜索停滞，陷入局部最优。（3）对解大规