人工智能優(yōu)化算法在電網(wǎng)規(guī)劃中的研究與應(yīng)用

宋文龍，馬 靜，朱冬梅，王蓉蓉

（國網(wǎng)寧夏電力有限公司石嘴山供電公司，寧夏 石嘴山 753000）

0 引 言

電力工業(yè)作為社會(huì)發(fā)展的驅(qū)動(dòng)力，其重要性不言而喻。近年來，國民經(jīng)濟(jì)水平的持續(xù)提升，使得各行各業(yè)對(duì)電力的需求量進(jìn)一步增大。為滿足電力需求，應(yīng)當(dāng)對(duì)電網(wǎng)進(jìn)行合理規(guī)劃。一方面應(yīng)明確規(guī)劃要求，另一方面要充分考慮規(guī)劃中面臨的問題，并選取行之有效的人工智能優(yōu)化算法，求取全局最優(yōu)解，這個(gè)解便是電網(wǎng)規(guī)劃的最佳方案。通過該方案對(duì)電網(wǎng)進(jìn)行規(guī)劃，可以獲得巨大的經(jīng)濟(jì)效益和社會(huì)效益。因此，本文就人工智能優(yōu)化算法在電網(wǎng)規(guī)劃中的研究與應(yīng)用展開分析探討。

1 電網(wǎng)規(guī)劃要求及面臨的問題

1.1 電網(wǎng)規(guī)劃的基本要求

電網(wǎng)是由電力系統(tǒng)中的變電站與輸配電線路組成的整體，對(duì)電能進(jìn)行輸送與分配是電網(wǎng)的主要任務(wù)。對(duì)于整個(gè)電力系統(tǒng)，電網(wǎng)規(guī)劃是非常重要的環(huán)節(jié)之一，由此能夠使網(wǎng)架結(jié)構(gòu)得到進(jìn)一步加強(qiáng)。而在電網(wǎng)規(guī)劃過程中，最為常用的方法有兩種，一種是傳統(tǒng)的數(shù)學(xué)方法，另一種是智能算法。電網(wǎng)規(guī)劃的基本要求如下。

1.1.1 保證供電可靠性

我國的電力負(fù)荷等級(jí)被細(xì)分為三個(gè)級(jí)別，在進(jìn)行電網(wǎng)規(guī)劃時(shí)，要結(jié)合實(shí)際情況，選取最為適宜的技術(shù)措施，從而使各個(gè)級(jí)別的負(fù)荷都能得到滿足，為用戶的可靠用電提供保障。

1.1.2 確保電網(wǎng)靈活性

不同時(shí)期的負(fù)荷會(huì)存在一定的差異，而電網(wǎng)本身應(yīng)當(dāng)能夠?qū)Ω鱾€(gè)時(shí)期的負(fù)荷有所適應(yīng)，換言之，電網(wǎng)在不同時(shí)期應(yīng)有不同的運(yùn)行方式。因此，在電網(wǎng)規(guī)劃時(shí)，要使整個(gè)電網(wǎng)結(jié)構(gòu)足夠靈活，可以適應(yīng)各種運(yùn)行方式的要求，從而確保電力系統(tǒng)的運(yùn)行穩(wěn)定性。

1.1.3 便于運(yùn)行維護(hù)

在對(duì)電網(wǎng)進(jìn)行規(guī)劃的過程中，應(yīng)當(dāng)使系統(tǒng)運(yùn)維時(shí)，操作人員能方便、快捷地完成對(duì)系統(tǒng)的相應(yīng)操作，盡可能縮短維護(hù)時(shí)間，保證電網(wǎng)的運(yùn)行效率，避免因維護(hù)耗時(shí)過長而影響供電可靠性[1]。

1.2 面臨的問題

電網(wǎng)規(guī)劃是一項(xiàng)較為復(fù)雜且系統(tǒng)的工作，其中涵蓋的環(huán)節(jié)非常多。分析目前的總體情況可知，電網(wǎng)規(guī)劃主要面臨如下3個(gè)方面的問題。

1.2.1 電源規(guī)劃問題

在電網(wǎng)規(guī)劃中，電源的設(shè)計(jì)是較為重要的內(nèi)容之一，通過電源的建設(shè)能夠?yàn)榘l(fā)電廠帶來一定的利潤。然而，在發(fā)電廠與電網(wǎng)分離管理的前提下，電源的規(guī)劃設(shè)計(jì)與網(wǎng)絡(luò)的建設(shè)情況出現(xiàn)嚴(yán)重脫節(jié)。發(fā)電廠可以對(duì)電源的選址進(jìn)行全權(quán)決定，電網(wǎng)規(guī)劃很難直接從市場中獲得到相關(guān)的信息，對(duì)電網(wǎng)規(guī)劃造成影響。

1.2.2 負(fù)荷預(yù)測問題

電網(wǎng)負(fù)荷的影響因素相對(duì)較多，如用電負(fù)荷、市場需求等，由此使得負(fù)荷的確定難度隨之增大。不僅如此，經(jīng)濟(jì)建設(shè)進(jìn)程的逐步加快，對(duì)電網(wǎng)負(fù)荷提出更高的要求，這在一定程度上導(dǎo)致電網(wǎng)負(fù)荷的預(yù)測變得更加復(fù)雜。

1.2.3 潮流分布問題

電網(wǎng)的調(diào)度形式隨著市場化經(jīng)營發(fā)生了一定的改變，在這一背景下，電網(wǎng)的運(yùn)行方式趨于多元化，由此使得系統(tǒng)潮流分布無法達(dá)到均勻狀態(tài)。同時(shí)，因用戶可選的范圍越來越廣泛，加之超遠(yuǎn)距離輸電直接交易，所以要求電網(wǎng)具備更大的容量，這給潮流分布帶來更大的不確定性[2]。

2 人工智能優(yōu)化算法在電網(wǎng)規(guī)劃中應(yīng)用

2.1 電網(wǎng)規(guī)劃約束條件

在電網(wǎng)規(guī)劃過程中，潮流計(jì)算是較為重要的一項(xiàng)內(nèi)容，具體計(jì)算時(shí)，應(yīng)當(dāng)以給定的元件運(yùn)行條件作為主要依據(jù)，如電網(wǎng)結(jié)構(gòu)、發(fā)電機(jī)以及負(fù)荷等，來對(duì)整個(gè)電力系統(tǒng)處于穩(wěn)態(tài)運(yùn)行狀態(tài)下的參數(shù)進(jìn)行確定。在給定的條件中，一般都會(huì)包括平衡點(diǎn)與樞紐點(diǎn)的電壓、負(fù)荷點(diǎn)的功率以及整個(gè)系統(tǒng)中各個(gè)電源的功率等。需要通過計(jì)算獲得的與運(yùn)行狀態(tài)相關(guān)的參量有母線節(jié)點(diǎn)的電壓幅值、網(wǎng)絡(luò)中的功率分布與損耗等。對(duì)于復(fù)雜系統(tǒng)，基本上都是采用非線性方程進(jìn)行求解，常用的求解方法有P-Q分解法、牛頓法等。需要指出的是，這些算法雖然能夠得到最終解，但計(jì)算過程卻比較復(fù)雜，且計(jì)算量非常大。電網(wǎng)有著數(shù)量眾多的規(guī)劃模型，在這些模型中存在不同的約束條件，可在某些特定的條件下，對(duì)簡化后的交流潮流算法，即直流潮流算法進(jìn)行應(yīng)用。該算法為線性方程，計(jì)算量比常規(guī)的方法小很多，復(fù)雜程度較低，能夠?qū)崿F(xiàn)快速求解的目標(biāo)，基本上不會(huì)出現(xiàn)收斂的問題[3]。正因如此，該算法在電網(wǎng)規(guī)劃中得到廣泛應(yīng)用。從電網(wǎng)的角度上講，線路中的電阻要比電抗小很多，并且位于一條線路兩端的電壓相角差也不是很大。所以在對(duì)潮流進(jìn)行計(jì)算時(shí)，可忽略線路中的電阻損耗及對(duì)地電容，并將變壓器的變比與節(jié)點(diǎn)電壓標(biāo)幺值設(shè)置為1，最終能夠得到直流潮流方程。即各條支路中有功潮流的向量等于各條支路中由導(dǎo)納所構(gòu)成的對(duì)角矩陣與各條支路兩側(cè)的相交差向量進(jìn)行相乘得出。電網(wǎng)規(guī)劃對(duì)直流潮流方程進(jìn)行運(yùn)用能夠使計(jì)算時(shí)間縮短，并在目標(biāo)函數(shù)對(duì)比分析的基礎(chǔ)上，進(jìn)一步提升規(guī)劃可行性。

2.2 粒子群及其進(jìn)化算法

2.2.1 粒子群算法

粒子群算法簡稱PSO，是人工智能優(yōu)化算法中應(yīng)用較為廣泛的一種算法，可將之歸入到隨機(jī)全局優(yōu)化技術(shù)的范疇。過程簡單、易于實(shí)現(xiàn)是PSO最為突出的特點(diǎn)，不僅如此，該算法還具有智能背景，適合工程應(yīng)用。PSO與遺傳算法極為類似，也是通過迭代對(duì)最優(yōu)解進(jìn)行求取。該算法以鳥類捕食過程作為依托，在計(jì)算之初會(huì)先以隨機(jī)的方式產(chǎn)生出一群粒子，這些粒子相當(dāng)于若干覓食的鳥類，每一只鳥都是群體中的一個(gè)粒子，這群粒子便是隨機(jī)解。為從中得到全局最優(yōu)解，需要進(jìn)行不斷迭代[4]。基本粒子群算法的步驟如下：

步驟1，經(jīng)過初始化之后，以隨機(jī)的方式在d維空間中產(chǎn)生出粒子群的位置與速度；

步驟2，對(duì)粒子群中的每一個(gè)粒子進(jìn)行評(píng)價(jià)，具體方法為計(jì)算粒子的適應(yīng)值，據(jù)此評(píng)價(jià)其適應(yīng)度；

步驟3，以粒子的適應(yīng)值作為主要依據(jù)，與其所經(jīng)歷過的最佳位置的適應(yīng)值進(jìn)行比較，從而確定粒子當(dāng)前所處的位置是否為全局歷史最佳位置；

步驟4，根據(jù)相應(yīng)的計(jì)算公式，對(duì)粒子的位置與速度進(jìn)行更新，若是未達(dá)到最大的迭代次數(shù)，則可重新循環(huán)至步驟2，直至獲得全局最優(yōu)解為止。PSO算法的基本計(jì)算流程如圖1所示。

圖1 PSO算法流程示意圖

2.2.2 PSO進(jìn)化算法

一些專家學(xué)者在研究中發(fā)現(xiàn)，在PSO引入慣性權(quán)重，能夠使算法本身的性能得到進(jìn)一步提升，這是因?yàn)閼T性權(quán)重會(huì)對(duì)迭代前后的速度產(chǎn)生直接影響。當(dāng)引入的慣性權(quán)重比較大時(shí)，PSO算法的全局收斂能力較強(qiáng)，而慣性權(quán)重比較小時(shí)，PSO算法的局部收斂能力較強(qiáng)。換言之，慣性權(quán)重能夠?qū)SO算法的局部收斂能力與全局收斂能力起到平衡作用。慣性權(quán)重在PSO算法迭代過程的線性減少，可使迭代前期算法的全局探測能力和迭代后期算法的局部探測能力有所增強(qiáng)。雖然慣性權(quán)重的引入使PSO算法的性能得到提升，但由于粒子是以盲目和隨機(jī)的方式進(jìn)行探索，從而使得收斂速度變得比較慢[5]。為彌補(bǔ)這一缺陷，PSO進(jìn)化算法被提出。該算法的模型是通過推導(dǎo)得出的，其流程如下：

步驟1，經(jīng)過初始化后，以隨機(jī)的方式產(chǎn)生出n粒子的位置；

步驟2，計(jì)算出每個(gè)粒子的適應(yīng)值，并對(duì)其適應(yīng)度進(jìn)行評(píng)價(jià)；

步驟3，用粒子的適應(yīng)值與其所經(jīng)歷的最佳位置適應(yīng)值進(jìn)行比較，超出則為歷史最佳位置；

步驟4，與整個(gè)群體經(jīng)歷的歷史最佳位置進(jìn)行比較，若是優(yōu)于全局，則該粒子當(dāng)前所處的位置為整個(gè)群體的歷史最佳位置；

步驟5，調(diào)整粒子位置，若是適應(yīng)值尚未達(dá)到最大的迭代次數(shù)，則可循環(huán)回到步驟2，直至獲得最優(yōu)解為止。進(jìn)化PSO算法的流程如圖2所示。

圖2 進(jìn)化PSO算法流程示意圖

通過對(duì)比可以發(fā)現(xiàn)，進(jìn)化PSO算法與基本PSO算法之間存在一些不同之處，即粒子位置調(diào)整和速度改變。在這一前提下，進(jìn)化PSO算法的計(jì)算量有所減少。進(jìn)化PSO算法在性能方面得到大幅度提升，但其基本要求卻并未改變，即早期全局性和末期局部性[6]。早期與末期的搜索能力與慣性權(quán)重有關(guān)，即慣性權(quán)重的值越大，進(jìn)化PSO算法的早期搜索能力越大，慣性權(quán)重的值越小，進(jìn)化PSO算法的末期探測能力越大。所以在迭代時(shí)，慣性權(quán)重值應(yīng)遞減，具體選擇時(shí)，可從0.8向0.2遞減，防止出現(xiàn)早熟收斂的情況。

2.3 基于進(jìn)化PSO算法的電網(wǎng)規(guī)劃

2.3.1 電網(wǎng)規(guī)劃模型

電網(wǎng)規(guī)劃模型的種類相對(duì)較多，在對(duì)模型進(jìn)行選取時(shí)，可將規(guī)劃的經(jīng)濟(jì)性作為首要考慮因素。基于這一前提，本次研究中，選取的電網(wǎng)規(guī)劃模型是一個(gè)基于經(jīng)濟(jì)性的靜態(tài)規(guī)劃模型，即電網(wǎng)規(guī)劃模型經(jīng)濟(jì)指標(biāo)需要求得最小的投資建設(shè)費(fèi)用與線路運(yùn)行過程中的最小損耗費(fèi)用之和。其中，最小投資建設(shè)費(fèi)用需要匯總分部分項(xiàng)工程建設(shè)支出的最小值，最小損耗費(fèi)用需要計(jì)算所有線路運(yùn)行中能耗的最小值。在計(jì)算過程中，還要需要考慮與該規(guī)劃模型相對(duì)應(yīng)的約束條件包括線路潮流、功率平衡和新增線路。

2.3.2 適應(yīng)度函數(shù)

在應(yīng)用進(jìn)化PSO算法對(duì)電網(wǎng)規(guī)劃模型進(jìn)行求解時(shí)，由于存在約束條件，所以可采用外懲罰函數(shù)法，通過該方法能夠?qū)⒃镜哪繕?biāo)與約束函數(shù)構(gòu)造成帶有參數(shù)的增廣目標(biāo)函數(shù)，而罰因子便是其中的參數(shù)。之所以選用外懲罰函數(shù)法是它能夠促使迭代點(diǎn)逐步向可行解方向靠近。適應(yīng)度函數(shù)在實(shí)際運(yùn)算的過程中會(huì)隨迭代發(fā)生變化，如果在迭代的過程中有過負(fù)荷的情況出現(xiàn)，可直接將之轉(zhuǎn)化為目標(biāo)函數(shù)中的費(fèi)用項(xiàng)。而在網(wǎng)絡(luò)狀態(tài)為不連通的情況下，若是給予罰因子較大的值，則慣性權(quán)重值也會(huì)比較大，這樣便會(huì)在探索中被淘汰，直至得到全局最優(yōu)解為止。

2.3.3 連通性判斷

在對(duì)電網(wǎng)中直流潮流進(jìn)行計(jì)算前，需要進(jìn)行連通性判斷，這是非常重要的環(huán)節(jié)之一。當(dāng)網(wǎng)絡(luò)處于不連通的狀態(tài)時(shí)，會(huì)給罰因子一個(gè)相對(duì)較大的數(shù)值，這樣當(dāng)前的規(guī)劃方案將會(huì)被淘汰，而處于電力系統(tǒng)中的各個(gè)節(jié)點(diǎn)均為0或1的兩值狀態(tài)，其模型有三種，分別為點(diǎn)權(quán)、邊權(quán)和賦權(quán)。由于變電站存在進(jìn)線和出線，所以它與電力系統(tǒng)中的節(jié)點(diǎn)相同，也存在0或1的兩值狀態(tài)。鑒于此，在網(wǎng)絡(luò)模型的選擇上，應(yīng)當(dāng)以邊權(quán)網(wǎng)絡(luò)模型作為首選[7]。

以圖作為研究對(duì)象的方法被稱之為圖論法，這種方法應(yīng)用領(lǐng)域非常廣泛，工程技術(shù)領(lǐng)域便是其中之一。對(duì)于電力系統(tǒng)，用圖表示接線方式，不僅簡單，而且直觀。可將電網(wǎng)中的輸電線路視作為支路，電源為節(jié)點(diǎn)，由此可以構(gòu)建起一個(gè)網(wǎng)絡(luò)圖形，借助圖論法能夠?qū)W(wǎng)絡(luò)的連通性進(jìn)行判定。當(dāng)網(wǎng)絡(luò)處于不連通的狀態(tài)時(shí)，可對(duì)該規(guī)劃方案的適應(yīng)度函數(shù)給予較大的罰因子，這樣除了無需繼續(xù)計(jì)算外，還能判定該規(guī)劃方案為最優(yōu)解。由此可見，在網(wǎng)絡(luò)連通性的判定中，圖論法的效果非常好，其優(yōu)勢體現(xiàn)在速度快、效率高等方面，從而可以大幅度提升電網(wǎng)規(guī)劃方案的計(jì)算速度。

2.3.4 算法的實(shí)現(xiàn)

以進(jìn)化PSO算法對(duì)電網(wǎng)規(guī)劃模型進(jìn)行求解，主要步驟如下：（1）將電網(wǎng)的相關(guān)數(shù)據(jù)準(zhǔn)確輸入到構(gòu)建好的規(guī)劃模型中，并根據(jù)網(wǎng)絡(luò)的可選路數(shù)對(duì)粒子進(jìn)行確定，包括維數(shù)和數(shù)量；（2）經(jīng)過初始化后，以隨機(jī)的方式產(chǎn)生出粒子的具體位置，進(jìn)而生成若干規(guī)劃方案；（3）設(shè)置種群與粒子的最優(yōu)值，并對(duì)與各個(gè)粒子相應(yīng)的規(guī)劃方案進(jìn)行連通性判定；（4）對(duì)不連通的方案，給予罰因子較大的值，然后對(duì)該方案中的有功潮流進(jìn)行計(jì)算，得出網(wǎng)損值，估算出新建線路所需的投資費(fèi)用，據(jù)此計(jì)算出該粒子的適應(yīng)度值，用該值與其經(jīng)歷的最佳位置適應(yīng)度進(jìn)行比較，優(yōu)于該位置，說明為全局最優(yōu)，可將之作為最佳的規(guī)劃方案。

3 結(jié) 論

在當(dāng)前的形勢下，對(duì)電網(wǎng)進(jìn)行科學(xué)、合理的規(guī)劃設(shè)計(jì)顯得尤為重要。為實(shí)現(xiàn)這一目標(biāo)，必須保證規(guī)劃方案的可行性。鑒于此，可在電網(wǎng)規(guī)劃過程中，對(duì)人工智能優(yōu)化算法中的粒子群算法進(jìn)行應(yīng)用，借助該算法獲取全局最優(yōu)解，這個(gè)解就是最佳的電網(wǎng)規(guī)劃方案。未來一段時(shí)期應(yīng)當(dāng)加大人工智能優(yōu)化算法的研究力度，除對(duì)現(xiàn)有的算法進(jìn)行持續(xù)改進(jìn)外，還應(yīng)開發(fā)一些新的算法，從而使其更好地為電網(wǎng)規(guī)劃服務(wù)。