淺析遺傳算法在電力系統(tǒng)中的應(yīng)用

李亞巍

摘 要：文章首先對遺傳算法的基本概念進行闡述，然后對文獻中提出的各類遺傳算法在電力系統(tǒng)中的不同應(yīng)用進行述評，分析了它們在不同電力系統(tǒng)問題中的應(yīng)用特點及改進措施，促進遺傳算法在該研究領(lǐng)域的進一步發(fā)展。

關(guān)鍵詞：遺傳算法；電網(wǎng)規(guī)劃；無功優(yōu)化；故障恢復(fù)；故障定位；優(yōu)化調(diào)度

遺傳算法是基于基因遺傳學(xué)原理而實現(xiàn)的一種搜索算法，通過基因選擇、生殖、交叉、變異，不斷進化以接近最優(yōu)解。隨著電力系統(tǒng)規(guī)模的不斷擴大以及復(fù)雜度的提高，傳統(tǒng)求解方法暴露出越來越多的問題，遺傳算法以其獨有的特點和優(yōu)勢在電力系統(tǒng)有關(guān)問題的求解中異軍突起，在電網(wǎng)規(guī)劃、無功優(yōu)化、故障恢復(fù)等問題中得到了廣泛應(yīng)用。

1 遺傳算法概述

遺傳算法首先要進行編碼，編碼的質(zhì)量對求解有很大影響，通常選取二進制編碼。由于數(shù)制轉(zhuǎn)換的問題，也可用十進制。究竟哪一種編碼更好，要根據(jù)具體的問題來決定。下一章中出現(xiàn)了諸如整數(shù)編碼、十進制整數(shù)與實數(shù)混合編碼的形式，都是針對特定的問題進行的相應(yīng)調(diào)整。

適應(yīng)度函數(shù)用來評價染色體的優(yōu)劣，對算法的性能有一定的影響。下一章在算法應(yīng)用時多將目標(biāo)函數(shù)作為適應(yīng)度函數(shù)。由于實際問題的復(fù)雜性，為了盡快找到最優(yōu)解，常引入罰因子，以加速尋找最優(yōu)解。

在遺傳算法中，控制參數(shù)主要包括染色體的長度、種群的數(shù)目、遺傳操作的概率等。實際中，控制參數(shù)的選擇常依賴于經(jīng)驗。下一章中有對種群數(shù)目、交叉率及變異率取值的討論，各文獻提出了相應(yīng)的解決方案，對各指標(biāo)的合適取值進行了限定。

遺傳算法的核心就是各種遺傳操作方式，基本操作包括：（1）生殖：將適應(yīng)函數(shù)值大的染色體直接復(fù)制到下一代。常用輪轉(zhuǎn)法，方法相對公平，但受隨機性的影響，可能會漏選當(dāng)前最優(yōu)個體。（2）交叉：互換兩個染色體某一對應(yīng)位置的符號，形成兩個新染色體。（3）變異：將某一位或某幾位基因值逆變，形成一個新染色體。保證種群中遺傳基因的多樣性。

相比于其它優(yōu)化方法，遺傳算法采用編碼串進行操作，問題的表述和求解更為靈活，算法在整個解空間中尋優(yōu)，具備全局搜索特性，不要求函數(shù)連續(xù)性和可導(dǎo)，適用范圍更廣。基于上述優(yōu)點，近年來遺傳算法已廣泛應(yīng)用于解決電力系統(tǒng)中的實際問題[1]。

2 遺傳算法在電力系統(tǒng)中的應(yīng)用

2.1 遺傳算法在電網(wǎng)規(guī)劃中的應(yīng)用

文獻[2]首次將遺傳算法引入電力系統(tǒng)規(guī)劃領(lǐng)域，提出了改善收斂性的有關(guān)措施。如將好的品種以100%的概率直接遺傳到下一代；去掉一條線路時加入一條更優(yōu)的線路等。算例分析中對種群數(shù)目、保留優(yōu)良品種的數(shù)量以及交叉率的大小進行了探討，具有較好的啟發(fā)性。文獻[3]利用整數(shù)編碼，以添加線路回數(shù)作為決策變量。遺傳操作采用模板以提高隨機性，模板長度和染色體長度相同，模板與染色體中每個元素對應(yīng)，模板單元的值為1時，染色體對應(yīng)的元素參與操作，否則不變。染色體采用循環(huán)數(shù)組的結(jié)構(gòu)。最后對18節(jié)點算例進行求解，計算時間提高了6-10倍，改進措施價值明顯。文獻[4]將協(xié)同進化思想引入配網(wǎng)規(guī)劃，提出基于協(xié)同遺傳算法的配網(wǎng)規(guī)劃方案。多個種群之間使用不同的目標(biāo)函數(shù)，采用不同交叉率和變異率，分別在不同解空間中進行搜索，各個種群之間通過優(yōu)秀個體轉(zhuǎn)移以達到協(xié)同進化的作用。最后算例的結(jié)果也驗證了改進算法的價值。

2.2 遺傳算法在無功優(yōu)化中的應(yīng)用

文獻[5]采用十進制整數(shù)與實數(shù)混合編碼。選擇算子采用兩兩競爭策略，從父輩染色體中隨機選取兩個個體，保存優(yōu)秀個體，淘汰較差個體。群體規(guī)模方面，前期使用大的群體規(guī)模，以獲得更多解空間的信息，然后再還原到正常群體規(guī)模，有助于最優(yōu)解的獲得。基于基因片間的均勻雜交，充分發(fā)揮每個控制變量的作用。文獻[6]引入移民和人工選擇的思想，采用多種群遺傳算法求解。各子種群進行不同的遺傳操作，提高算法的全局搜索能力。子種群和精華種群之間進行雙向流動，促進基因的傳播。算例分析證明了多種群遺傳算法在尋優(yōu)效率和迭代次數(shù)方面的優(yōu)勢。文獻[7]采用十進制整數(shù)進行編碼，把模擬退火、模糊邏輯和免疫算法相融合，通過退火免疫方法對抗體進行選擇，交叉和變異算子利用模糊邏輯獲得，采用免疫系統(tǒng)的自我調(diào)節(jié)機制和免疫記憶功能提高遺傳算法的全局搜索能力，提高種群多樣性，避免陷入局部解。

2.3 遺傳算法在其他電力系統(tǒng)問題中的應(yīng)用

文獻[8]將遺傳算法用于故障定位，將個體分為雄性和雌性兩類，異性之間進行遠(yuǎn)緣繁殖。引入助長算子，對種群個體進行一定概率的助長。針對配電網(wǎng)呈輻射狀的特點，基于分級處理的思想，將全部配網(wǎng)分為主干支路和若干獨立區(qū)域，分別進行故障定位，然后全局尋優(yōu)，顯著減少了計算量。文獻[9]利用遺傳算法求解電力系統(tǒng)有功優(yōu)化調(diào)度。求解分兩步，先用遺傳算法確定機組組合，再用等微增率求解負(fù)荷的優(yōu)化分配。求解機組組合時，將約束條件分開處理，或直接在遺傳操作中考慮，或用懲罰函數(shù)加到目標(biāo)函數(shù)中，有效提高了計算速度。文獻[10]將遺傳算法用于求解故障恢復(fù)，提出改進小生境遺傳算法，構(gòu)造多目標(biāo)故障恢復(fù)模型，包括網(wǎng)絡(luò)損耗、節(jié)點最低電壓幅值、負(fù)荷恢復(fù)量和開關(guān)操作次數(shù)，對問題進行優(yōu)化，顯著改善了解的收斂性。

上述文獻列舉了遺傳算法在電力系統(tǒng)中的廣泛應(yīng)用，可以看到這些應(yīng)用并不是單純的套用標(biāo)準(zhǔn)遺傳算法的計算流程，而是針對電力系統(tǒng)中實際存在的問題，進行相應(yīng)調(diào)整，這些改進的遺傳算法在實際應(yīng)用中均表現(xiàn)出了很好的收斂性，具有實用價值。

3 結(jié)束語

文章首先介紹了遺傳算法的基本概念，然后結(jié)合具體文獻，分述了遺傳算法在電力系統(tǒng)不同領(lǐng)域中的應(yīng)用。著重介紹了遺傳算法在電網(wǎng)規(guī)劃以及無功優(yōu)化方面的發(fā)展，同時也囊括了遺傳算法在故障恢復(fù)、經(jīng)濟調(diào)度、故障定位等方面的應(yīng)用。值得注意的是，遺傳算法也存在自身的缺點和不足，因此在實際應(yīng)用中，往往會根據(jù)實際情況進行相應(yīng)改進，實例證明這些改進方法是可行而且有效的。

參考文獻

[1]李長河.人工智能及其應(yīng)用[M].北京：機械工業(yè)出版社，2006：286-309.

[2]王秀麗，王錫凡.遺傳算法在輸電系統(tǒng)規(guī)劃中的應(yīng)用[J].西安交通大學(xué)學(xué)報，1995，29（8）：1-9.

[3]岑文輝，趙慶，戴文祥.遺傳算法及在電網(wǎng)規(guī)劃中的應(yīng)用[J].電力系統(tǒng)及其自動化學(xué)報，1995，7（2）：1-9.

[4]盛四清，王浩.用于配電網(wǎng)規(guī)劃的改進遺傳算法[J].電網(wǎng)技術(shù)，2008，32（17）：69-72.

[5]張粒子，舒雋，等.基于遺傳算法的無功規(guī)劃優(yōu)化[J].中國電機工程學(xué)報，2000，20（6）：5-8.

[6]周雙喜，鄭智，等.基于多種群遺傳算法的無功規(guī)劃[J].電力系統(tǒng)及其自動化學(xué)報，2007，19（6）：66-71.

[7]劉科研，盛萬興，李運華.基于改進免疫遺傳算法的無功優(yōu)化[J].電網(wǎng)技術(shù)，2007，31（13）：11-16.

[8]嚴(yán)太山，崔杜武，陶永芹.基于改進遺傳算法的配電網(wǎng)故障定位[J].高電壓技術(shù)，2009，35（2）：255-259.

[9]石琦，等.遺傳算法在電力系統(tǒng)日有功優(yōu)化調(diào)度中的應(yīng)用[J].電力系統(tǒng)及其自動化學(xué)報，2002，14（2）：56-59.

[10]馬志剛.基于改進小生境遺傳算法的配電網(wǎng)故障恢復(fù)[M].河北：華北電力大學(xué)，2009.