关于电网规划研究方法的探讨.docxVIP

最新【精品】范文?参考文献??专业论文 关于电网规划研究方法的探讨 关于电网规划研究方法的探讨 　　摘要：电网规划是根据对某一区域在某一时期内负荷预测的结 果，在满足一定的可靠性水平的条件下，寻求一个最经济的电网发 展方案。本文探讨了现代电网规划方法。 　　关键词：电网规划方法问题 　　中图分类号：U665.12?文献标识码：A?文章编号： 　　电网规划的目标是寻求最佳的电网投资决策，以保证整个电力 系统的长期最优发展。其目的是根据电网发展及负荷增长情况合理 地确定今后若干年的电网结构，使其既安全可靠又经济合理。电网 规划的基本原则是在保证电力安全可靠地输送到负荷中心的前提 下，使电网建设和运行的费用最小。 　　1、模拟进化方法 　　（1）遗传算法 　　遗传算法（Genetic?Algorithm，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）进化规划算法 　　进化规划（Evolutionary?Programming，EP），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?法运算过程中，确定变异率是其难点，变异率确定得过小或 过大会导致算法早熟或陷入局部最优情况，均不利于?EP?的寻优，而 这在?GA?法中同样存在。目前，变异率的确定一般是凭经验来设定， 最新【精品】范文?参考文献??专业论文 尚未基于种群规模给出理论值。 　　（3）演化算法 　　演化算法（Evolutionary?Algorithm，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、群体智能方法 　　（1）蚁群算法 　　蚁群算法（Ant?Colony?Optimization，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。目前已有许多改进版?ACO?应用于电网规划中，其共同点是增强 蚁群搜索过程中的寻优能力，差异仅在搜索控制策略方面。通过引 入局部搜索技术可使?ACO?在应用中获得最佳结果。 　　（2）粒子群优化算法 　　粒子群优化（Particle?Swarm?Optimization，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（Swarm?Intelligence， SI）技术。 　　（3）模拟退火算法 　　模拟退火（Simulated?Annealing，SA）算法是对热力学理论中 熔融金属退火过程的模拟。SA?用于电网规划的优点为：鲁棒性好、 不依赖初始解、有渐进收敛性、适合并行处理、能跳出局部最优 等。 　　3、人工智能规划方法 　　（1）禁忌搜索算法 　　禁忌搜索（Tabu?Search，TS）算法是对人类思维记忆过程的模 最新【精品】范文?参考文献??专业论文 拟，是一种全局性邻域随机搜索扩展技术。TS?是包含多策略的混合 启发式算法，TS?的特点有：第一、寻优时可接受劣解，具有“爬 山”能力；第二、局部搜索能力较强；第三、能避免搜索迂回和局 部最优。但在电网规划的应用中，还存在依赖初始解、单线搜索、 获优率低等不足。 　　应用于电网规划时需注意下述策略：第一、邻域移动：包括单 个移动、交换移动等方式。不同方式对算法效率影响较大且目前给 出的邻居取样数尚无理论基础。第二、禁忌表（Tabu?List）：表的 长度?Lmax?和保留期?Tmax?是设计该表的两个重要参数，直接影响着 解的质量和搜索效率。建议根据迭代过程采用可修改参数的动态禁 忌表。 　　（2）专家系统法 　　专家系统（Expert?System，ES）是基于知识的智能问题求解系 统。适于解决不确定性的、非结构化的、无算法解的大规模组合优 化问题。在电网规划的应用中，ES?能以专家的经验为指导，对模 型、算法、方案评