喬君

摘? 要：科學(xué)運(yùn)用遺傳算法可有效促進(jìn)無功優(yōu)化效率快速提升，進(jìn)而確保電力系統(tǒng)運(yùn)行具有較強(qiáng)安全性與穩(wěn)定性。同時(shí)在電力行業(yè)發(fā)展期間，電力系統(tǒng)規(guī)模也不斷增加，這就需要針對(duì)遺傳算法進(jìn)行優(yōu)化與創(chuàng)新，為強(qiáng)化電力系統(tǒng)無功優(yōu)化效率提供有力支持。

關(guān)鍵詞：遺傳算法;電力系統(tǒng);無功優(yōu)化

隨著我國(guó)電力工業(yè)已經(jīng)步入了大電網(wǎng)、高電壓和大機(jī)組的時(shí)代，電力負(fù)荷和電網(wǎng)容量迅速的增加，電網(wǎng)損耗、電壓合格率等技術(shù)指標(biāo)日益受到電力部門的重視，無功優(yōu)化是保證電力系統(tǒng)安全、經(jīng)濟(jì)運(yùn)行的一種有效手段，是降低電力網(wǎng)絡(luò)有功損耗、提高電壓質(zhì)量的重要措施。遺傳算法（Genetic Algorithm， GA） 是一種模擬生物進(jìn)化的智能算法，借鑒生物遺傳機(jī)制的一種隨機(jī)化搜索方法，其主要特點(diǎn)是群體搜索和群體中的個(gè)體之間的信息交換，被廣泛應(yīng)用于求解各類問題。遺傳算法近年來在優(yōu)化技術(shù)領(lǐng)域有了很大的發(fā)展，它具備適用范圍廣，尋優(yōu)能力強(qiáng)，程序?qū)崿F(xiàn)相對(duì)簡(jiǎn)單等優(yōu)點(diǎn)，對(duì)于一些大型、復(fù)雜非線性系統(tǒng)，更表現(xiàn)出了比傳統(tǒng)優(yōu)化方法更加獨(dú)特和優(yōu)越的性能，適合于求解類似于無功優(yōu)化等復(fù)雜非線性優(yōu)化問題。

1遺傳算法

所謂遺傳算法就是針對(duì)自然界中遺傳選擇與適者生存進(jìn)化過程進(jìn)行科學(xué)模擬的計(jì)算模型，屬于隨機(jī)搜索方法中的一種，具有群體搜索方法、群體中單體數(shù)據(jù)信息交換、不以解題信息為基礎(chǔ)進(jìn)行搜索、適應(yīng)性與全局搜索性較強(qiáng)等特征[1]。在科學(xué)技術(shù)快速發(fā)展作用下，作為全局優(yōu)化搜索方法的遺傳算法，可有效解決傳統(tǒng)搜索方法存在的各種非線性問題，使得遺傳算法在機(jī)器智能化發(fā)展、人工智能、組合優(yōu)化等工作中有著重要作用與地位，這也致使遺傳算法逐漸成為智能計(jì)算的核心技術(shù)。

2無功優(yōu)化介紹及典型方法

電力系統(tǒng)無功優(yōu)化的目的是通過調(diào)整電網(wǎng)中無功潮流的分布來降低有功損耗，并且保持較好的電壓水平。

2.1 電力系統(tǒng)無功優(yōu)化概述。

電力系統(tǒng)無功優(yōu)化的基本思路是[3]：在電力系統(tǒng)有功負(fù)荷、有功電源及有功潮流分布已經(jīng)給定的情況下，以發(fā)電機(jī)端電壓幅值、無功補(bǔ)償電源容量和可調(diào)變壓器分接頭位置作為控制變量，而以發(fā)電機(jī)無功出力、負(fù)荷節(jié)點(diǎn)電壓幅值作為狀態(tài)變量，應(yīng)用優(yōu)化技術(shù)和人工智能技術(shù)，在滿足電力系統(tǒng)無功負(fù)荷的需求下，謀求合理的無功補(bǔ)償點(diǎn)和最佳補(bǔ)償容量，使電力系統(tǒng)安全、經(jīng)濟(jì)地向用戶供電。無功優(yōu)化涉及到無功補(bǔ)償裝置投入地點(diǎn)的選擇、無功補(bǔ)償裝置投入容量的確定、有載調(diào)壓變壓器分接頭的調(diào)節(jié)和發(fā)電機(jī)端電壓的配合等，是一個(gè)帶有大量約束條件的非線性規(guī)劃問題。建立無功優(yōu)化分析模型的思想是：在滿足各種設(shè)備和電網(wǎng)運(yùn)行闡述的約束條件下，充分運(yùn)用現(xiàn)有無功調(diào)節(jié)手段，如調(diào)節(jié)發(fā)電機(jī)的無功輸出、改變己有無功補(bǔ)償設(shè)備（電容器）的投切容量和調(diào)節(jié)有載調(diào)壓變壓器分接頭的基礎(chǔ)上，以投入最少無功補(bǔ)償設(shè)備的投資為目的，實(shí)現(xiàn)電網(wǎng)無功功率的合理分布。

2.2 無功優(yōu)化的數(shù)學(xué)模型

電力系統(tǒng)的無功優(yōu)化問題是一個(gè)多變量、多約束的混合非線性問題。電力系統(tǒng)無功優(yōu)化數(shù)學(xué)模型分析方法大致包括：線性規(guī)劃方法、非線性規(guī)劃方法、混合整數(shù)規(guī)劃方法、動(dòng)態(tài)規(guī)劃法。這些數(shù)學(xué)模型是通過確定目標(biāo)函數(shù)、等式約束條件和不等式約束條件來建立模型求取最優(yōu)解。無功優(yōu)化雖然是個(gè)非線性問題，但是可以采用局部線性化的方法，將非線性目標(biāo)函數(shù)和安全約束逐次線性化。自1984年KarmarKar提出用于線性規(guī)劃的內(nèi)點(diǎn)法以來，各種形式的內(nèi)點(diǎn)法被大量引入電力系統(tǒng)的研究中。另外，混合整數(shù)規(guī)劃方法能夠有效地解決優(yōu)化計(jì)算中變量的離散性問題。該方法是通過分支-定界法不斷地定界以縮小可行域，逐步逼近全局最優(yōu)解。動(dòng)態(tài)規(guī)劃法是研究多階段決策過程最優(yōu)解的一種有效方法，它按時(shí)間或空間順序?qū)栴}分解為若干互相聯(lián)系的階段，依次對(duì)它每一階段做出決策，最后獲得整個(gè)過程的最優(yōu)解。

3電力系統(tǒng)無功優(yōu)化中遺傳算法的運(yùn)用

電力系統(tǒng)使用遺傳算法進(jìn)行無功優(yōu)化時(shí)，遺傳算法主要為電力系統(tǒng)中的初始解，各種條件對(duì)其都具有約束與限制作用。接著利用適應(yīng)數(shù)據(jù)明確函數(shù)評(píng)價(jià)的優(yōu)勢(shì)與不足，將較低適應(yīng)值函數(shù)評(píng)價(jià)進(jìn)行清除，將高適應(yīng)值函數(shù)特征有效傳遞至下一次分析中，通過不斷輪回計(jì)算得到最優(yōu)解。通常情況下，對(duì)于最優(yōu)解沒有較多約束與限制時(shí)，利用簡(jiǎn)單遺傳算法就可快速得到最優(yōu)解。若想要獲得真正意義上的最優(yōu)解，其計(jì)算時(shí)間則相對(duì)較長(zhǎng)。當(dāng)前電力系統(tǒng)無功優(yōu)化使用遺傳算法時(shí)，主要是將遺傳算法與其它算法結(jié)合使用。

3.1編碼環(huán)節(jié)

使用遺產(chǎn)算法求解相應(yīng)問題期間，應(yīng)在位串空間上映射后才可進(jìn)行遺傳處理，也就是根據(jù)需求對(duì)變量實(shí)施編碼。常見編碼方式主要為十進(jìn)制與二進(jìn)制兩種，其中二進(jìn)制編碼操作具有較強(qiáng)直觀性與簡(jiǎn)潔性，這也使得其在電力系統(tǒng)無功優(yōu)化計(jì)算中有著較高運(yùn)用頻率。而在計(jì)算連續(xù)性問題時(shí)則會(huì)出現(xiàn)效率與精準(zhǔn)度沖突現(xiàn)象，使得計(jì)算數(shù)據(jù)快速不斷提升。使用十進(jìn)制編碼，計(jì)算效率與求解精準(zhǔn)度不僅會(huì)快速提升，而且與其它算法的有機(jī)整合效率也相對(duì)較強(qiáng)。

3.2選擇環(huán)節(jié)

所謂選擇就是根據(jù)實(shí)際需求在整體中明確優(yōu)勢(shì)較高個(gè)體，同時(shí)將存在不足個(gè)體進(jìn)行清除，其主要以適應(yīng)度評(píng)估為核心逐漸形成。當(dāng)個(gè)體適應(yīng)性較強(qiáng)時(shí)，所具有的選擇幾率也就相對(duì)較高，常見選擇方法可分為三種：

首先，輪盤賭選擇方法。由于個(gè)體具有較強(qiáng)適應(yīng)值，因此其選中概率也就相對(duì)較大，這也有展示出自然生態(tài)選擇中的“適者生存”理念，也是現(xiàn)階段經(jīng)常使用的選擇方法。輪盤賭選擇方法缺點(diǎn)為若存在超級(jí)個(gè)體時(shí)，會(huì)出現(xiàn)早熟收斂問題。

其次，排序選擇方法。這種選擇法主要是結(jié)合個(gè)體具有的適應(yīng)度進(jìn)行排序，并以排序情況進(jìn)行科學(xué)的選擇，這就使得所有個(gè)體適應(yīng)度與選擇概率之間沒有直接關(guān)系，僅與排列序號(hào)存在關(guān)聯(lián)。排序選擇方法的優(yōu)勢(shì)為可避免超級(jí)個(gè)體引發(fā)早熟收斂現(xiàn)象，而不足則是排類序號(hào)與個(gè)體選擇概率之間的關(guān)系應(yīng)提前明確，這也導(dǎo)致統(tǒng)計(jì)誤差問題的出現(xiàn)。

最后，兩兩競(jìng)爭(zhēng)選擇方法。隨機(jī)在上一代計(jì)算處理個(gè)體中選擇兩組個(gè)體，對(duì)比個(gè)體適應(yīng)度，保護(hù)適應(yīng)度較高個(gè)體，清除較弱個(gè)體[2]。這種選擇方法不僅可以促進(jìn)配對(duì)數(shù)據(jù)庫中所有個(gè)體在求解期間具有較強(qiáng)分散特征，還可確保進(jìn)入配對(duì)庫中的個(gè)體具有較大適應(yīng)值。

3.3交叉環(huán)節(jié)

交叉就是根據(jù)相應(yīng)的交叉率（0.6-0.9）將一組個(gè)體中的部分結(jié)構(gòu)進(jìn)行替換處理，在利用重組方法形成全新的個(gè)體，這也是遺傳算法獲得具有較高優(yōu)勢(shì)個(gè)體的主要方法。先結(jié)合電力系統(tǒng)無功優(yōu)化實(shí)際需求隨機(jī)選擇較差位置，接著在將兩個(gè)選擇后的個(gè)體基因結(jié)構(gòu)進(jìn)行交換。其中均勻交叉、兩點(diǎn)交叉以及一點(diǎn)交叉是交叉方法主要組成結(jié)構(gòu)。

3.4遺傳算法的優(yōu)化

在科學(xué)技術(shù)不斷發(fā)展作用下，遺傳算法以及在電力系統(tǒng)無功優(yōu)化中有了廣泛的運(yùn)用。通常情況下，只有參數(shù)數(shù)量在30以下的小電力系統(tǒng)無功優(yōu)化中使用遺傳算法。而想要在大規(guī)模電力系統(tǒng)無功優(yōu)化期間使用遺傳算法，就需要通過科學(xué)技術(shù)不斷創(chuàng)新與完善遺傳算法。通過無功功率分層分塊優(yōu)化控制技術(shù)與電力系統(tǒng)靈敏度分析等措施，從基礎(chǔ)上調(diào)整遺傳算法，確保算法沿著創(chuàng)新途徑運(yùn)行，不斷提高越限處理效率，強(qiáng)化遺傳算法針對(duì)性，為計(jì)算速度的提升創(chuàng)建科學(xué)條件。

4結(jié)束語

通常情況下，電力系統(tǒng)無功優(yōu)化問題有著多變量、多目標(biāo)、多約束等混合非線性特征，優(yōu)化變量在有連續(xù)性變量（節(jié)點(diǎn)電壓）的同時(shí)，也有離散性變量（無功補(bǔ)償裝置），這也促進(jìn)了電力系統(tǒng)無功優(yōu)化復(fù)雜性相對(duì)較強(qiáng)，而離散變量也使得電力系統(tǒng)無功優(yōu)化難度不斷提升。這時(shí)常見數(shù)學(xué)優(yōu)化措施不能符合全局優(yōu)化需求，僅可實(shí)現(xiàn)局部?jī)?yōu)化。在無功優(yōu)化期間補(bǔ)償電容器與變壓器進(jìn)行分組投切時(shí)，為控制離散變量提供了有力支持，進(jìn)而促進(jìn)了遺傳算法的運(yùn)用。

參考文獻(xiàn)

[1]李宏陽.基于改進(jìn)遺傳算法的風(fēng)電場(chǎng)無功優(yōu)化控制策略研究[D].沈陽工業(yè)大學(xué)，2018.

[2]范宏，蔣焱彬，陳斯，左路浩，周獻(xiàn)遠(yuǎn).考慮負(fù)荷不確定性的多目標(biāo)交直流系統(tǒng)無功優(yōu)化[J].電測(cè)與儀表，2018，55（10）：52-56.