遺傳算法在配電網運維管理涉及無功調節方面的研究與應用

肖大林 云南電網有限責任公司昆明供電局 張玉龍 云南云電同方科技有限公司

遺傳算法在配電網運維管理涉及無功調節方面的研究與應用

肖大林 云南電網有限責任公司昆明供電局 張玉龍 云南云電同方科技有限公司

本文通過研究目前國內外先進的配電網無功調節方法，針對某供電局配電網運維實際要求，綜合考慮網絡拓撲結構、負荷分布狀況、補償裝置投運成本等因素，通過遺傳算法，以年總體運營費用最小作為調節目標，建立優化數學模型，結合通信技術，設計開發了一套專門用于配電網無功調節管理的系統，在保證配電網安全穩定運行的前提下，實現配電網無功功率實時動態調節。經過試點運行，該系統能夠對配電網無功功率進行合理調節，有效降低網損，取得預期的經濟效益。

遺傳算法 配電網 無功調節

隨著社會經濟的發展，出現了種類繁多的用電設備，它們不但要消耗配電網的有功功率，還需要電網提供一定的無功功率才能正常運轉。這些無功功率并不對外做功，只是在設備與配電網之間來回流動。無功功率的存在，會降低電網功率因數，從而減小配電網主變及配變的額定容量，導致配網設備的使用壽命減少，降低供電效率，影響經濟效益。

為了提高電網功率數，降低配電網輸電線路上的無功損耗，需要使用補償裝置對用電設備進行適當的無功補償。傳統解決方法通常從便于維護管理的角度出發，在主變和配變附近安裝無功調節裝置，通過人工投切的方式，實現無功補償調節。本文通過研究目前國內外先進的配電網無功調節方法，針對某供電局配電網運維實際要求，綜合考慮網絡拓撲結構、負荷分布狀況、補償裝置投運成本等因素，通過遺傳算法，以年總體運營費用最小作為調節目標，建立優化數學模型，結合通信技術，設計開發了一套專門用于配電網無功調節管理的系統，在保證配電網安全穩定運行的前提下，實現配電網無功功率實時動態調節。經過試點運行，該系統能夠對配電網無功功率進行合理調節，有效降低網損，取得預期的經濟效益。

1 算法介紹

遺傳算法是一種模擬生物進化過程的計算模型。它通過進化論中的自然選擇思想和遺傳學機理，對目標進行模擬，不斷進化以接近最優解。主要特點是可以直接對目標函數進行操作，不需要求導，沒有函數連續性的限定；同時因為采用概率化的尋優方法，不依據確定的規則，能夠自動優化搜索空間，因此具有內在的隱并行性和更好的全局尋優能力。傳統的優化算法都是從單個初始值開始搜索計算，而遺傳算法從一個初始種群開始計算，這是遺傳算法與傳統優化算法的最大區別。因此解的覆蓋范圍大，有利于實現全局最優。

遺傳算法由于其自身具有整體搜索和優化的特點，在計算時不需要其它輔助信息，而只依賴于影響搜索方向的目標函數和與之對應的適應度函數，因此遺傳算法具有很強的魯棒性，能夠提供一種求解復雜非線性系統問題的通用方法，而與問題的具體類型、領域沒有關系。所以被廣泛應用于多種領域，并成為現代智能計算中的關鍵技術，現在已被廣泛地應用于組合優化、深度學習、信號處理、自適應控制以及人工生命等領域。

遺傳算法通過編碼、選擇、交叉和變異等步驟，逐代進行搜索，直到找到符合條件的解或者達到預定的迭代次數。本設計的計算流程圖如下：

圖1 遺傳算法計算流程圖Fig．1 Flow chart of genetic algorithm calculation

1.1 選擇

編碼后的基因通過隨機選擇的選擇概率Psi，可以從當前群體中挑出適應度高的個體，作為下一輪計算的初始群體，沒有選中的個體被淘汰，本設計中的選擇算法采用輪盤賭方法對個體進行選擇。同時為了對父代群體中的個體進行評估，還需要一個適應度評估函數，適應度越大，表示個體越優秀，參與交叉的概率越大。本設計的適應度評估函數，與目標函數線性相關。對于總數量為N的群體，個體i的適應度為Fi，則該個體被選中的概率為：

1.2 交叉和變異

交叉是指通過隨機的交叉概率Pc將基因中的片段進行部分互換，從而下一代的群體中產生新的個體。交叉是遺傳算法中最主要和直接的搜索解空間方式，通過這種不確定的解算方式，極大的提高了遺傳算法的尋解能力。交叉過程大致如下：

變異是指隨機的改變群體中個體某些基因的值。引入變異計算不僅可以避免因選擇和交叉過程導致的物種信息丟失，還可以彌補交叉過程在搜索解空間方面的不足。通常情況下，變異概率Pm取值很小，變異過程大致如下：

2 調節及優化模型

配電網無功調節的方式主要有變電站調節、配電線路調節、隨器調節、跟蹤調節等，每種調節方式各有優缺，實際運行方式根據配電網絡結構、負荷分布等因素有關。通常情況下，考慮到維護的方便性，以集中的變電站調節為主，其它分散調節為輔助措施。因此無功調節屬于多變量、多約束條件的非線性優化問題，在建立數學模型時主要考慮模型目標函數和約束條件。

2.1 目標函數

影響無功調節的變量主要包括補償裝置設備成本、分布運營成本、設備耗損、設備壽命、有功負荷、無功負荷等。根據項目實際情況，為了簡化計算，本次設計以年度總體運營費用最小為調節目標，并只考慮配電網負荷及網絡拓撲結構對運營成本的影響。下式是本模型的目標函數：

其中Cq是以配電網負荷為自變量的補償設備投入成本，Cc是綜合配網網絡結構等因素的運維成本。

為了簡化計算，本設計所使用的適應度函數直接由目標函數轉換得到，僅僅將計算結果取反，即為該個體的適應度值。

2.2 約束條件

本設計所使用的約束條件主要是潮流方程，其中等式約束條件為功率平衡方程，不等式約束條件為電壓限值約束以及最大調節功率約束。即在保證電壓質量合格同時不出現無功過剩的前提下，實現年度總體運營費用最小。

3 計算實例

3.1 初始化參數設置

遺傳算法的初始化參數主要有群體規模、交叉概率和變異概率。其中群體規模的大小直接影響到算法的搜索速度，本次計算根據實際情況設置為100，對應編碼長度為7，初始群體通過隨機方式生成。交叉概率為0．6，即保證群體中60%的個體有機會參與遺傳。本實例中變異操作對計算結果影響很小，因此變異概率取值較小，為0．01。

3.2 計算終止條件

經過實際計算時驗證，本算法在迭代平均35代左右能夠找到最優解，因此設定最大迭代次數為40，如果超過，則終止計算。同時還根據以往經驗，設置目標函數的期望值，當計算結果達到期望的最小值時，即認為找到最優解，結束計算。

4 結束語

遺傳算法在電力行業中還有很多其它應用，比如電網規劃、電力生產調度、故障定位及恢復等。本文根據遺傳算法的特點，結合項目實際情況，實現對某線路配電網進行無功調節，不僅有效的降低了電網的無功損耗，降低網絡運行費用；同時提高供電電壓合格率，提高供電質量，增大接入電網中設備的使用壽命，從而降低電力企業及用戶的運營成本。

隨著我國電力系統規模的不斷增大，提高供電質量和降低電網運行經濟指標一直是電網建設過程中的重點內容。通過對配電網無功功率進行調節和優化不僅能夠穩定系統的電壓水平，而且還能有效降低配電網網損，這對于保障配電網運行穩定性與經濟性起著十分重要的作用。

[1]吉根林.遺傳算法研究綜述[J].計算機應用與軟件,2004,21(2):69-73.

[2]周明.遺傳算法原理及應用[M].國防工業出版社,1999.

[3]徐中友.基于改進遺傳算法的配電網無功優化規劃[D].鄭州大學,2006.

[4]詹萌萌.基于改進混沌遺傳算法的配電網無功優化[D].杭州電子科技大學,2014.

[5]余健明,杜剛,姚李孝.結合靈敏度分析的遺傳算法應用于配電網無功補償優化規劃[J].電網技術,2002,26(7):46-49.

[6]王曉鳳.結合遺傳算法的配電網無功補償[D].西安理工大學,2005GB/T7714.

[7]張粒子,舒雋.基于遺傳算法的無功規劃優化[J].中國電機工程學報,2000,20(6):5-8.

[8]李歐,馬亮,劉國峰,等.繼電保護中的人工智能技術及其應用[J].工業b,2015(35):295-295.

[9]常安,錢海,王奇,等.一種高壓輸電架空線路綜合專家系統的設計[J].電氣應用,2015(1):128-132.

[10]陳樹勇,申洪,張洋,等.基于遺傳算法的風電場無功補償及控制方法的研究[J].中國電機工程學報,2005,25(8):1-6.

[11]苑舜,石巖,趙建峰.基于遺傳算法配電網無功補償計算的研究[J].東北電力技術,2009,30(3):10-12.

[12]王偉,譚鳳玲,李麗麗,等.基于遺傳算法的農配網無功補償優化規劃[J].工程技術:全文版,2016(12):00184-00185.

[13]劉永江,陳昊.電力配網系統無功優化方法研究[J].現代電子技術,2016,39(14):158-161.

[14]丁曉群,鄧勇,黃偉,等.基于遺傳算法的無功優化在福建電網的實用化改進[J].電網技術,2004,28(16):44-47.

[15]郭壯志,陳波,劉燦萍,等.基于遺傳算法的配電網故障定位[J].電網技術,2007,31(11):88-92.