基于改進蟻群算法的電力設備自適應調度方法研究

劉勝強，杜家兵

（廣東電網有限責任公司佛山供電局，廣東佛山 528000）

隨著電網和變電設備規模的不斷增大，電力設備的規模和集成度需求不斷提升，需優化電力設備的自適應調度，結合對電力設備的參數分析和輸出穩態特征分析，構建電力設備自適應調度的控制目標對象模型，通過參數模擬和線性規劃設計，實現對電力設備的自適應調度，提高電力設備的應用可靠性和輸出穩定性，研究電力設備自適應調度方法[1]，對電力設備的優化管理和信息化控制具有重要意義，相關的電力設備自適應調度方法研究受到人們的極大關注。

電力設備自適應調度方法研究建立在電力設備的輸出參數特征分析基礎上，采用空間參數特征融合和分布式檢測識別方法，構建電力設備自適應調度的參數識別和自相關信息參數融合模型，結合模糊度檢測和優化的尋優控制算法，實現對電力設備自適應調度。傳統方法中，對電力設備自適應調度的方法主要有基于同步電機輸出穩態特征分析的電力設備自適應調度方法[2]、基于聯合自相關特征匹配的電力設備自適應調度方法[3]、基于慣性波動特征解析和發電單元隨機性分析的電力設備自適應調度方法[4]等。傳統方法中通過構建電力設備自適應調度的控制策略，結合儲能裝置特征分析，實現電力設備自適應調度，但進行電力設備調度的自適應性不好，輸出穩定性不強。

針對上述問題，該文提出基于改進蟻群算法的電力設備自適應調度方法研究。利用所設計的仿真實驗驗證了所提方法能夠明顯提高電力設備自適應調度能力。

1 參數解析模型

1.1 電力設備自適應調度的小信號分析

為實現基于改進蟻群算法的電力設備自適應調度，構建電力設備自適應調度的小信號檢測識別模型[5]。結合電力設備的輸出功率參數同步融合控制方法，進行電力設備各模塊輸入輸出量之間的關系特征分析[6]，結合多芯片并聯壓接式控制方法，得到電力設備的器件內部電流分布信號參數為：

其中，IA為器件內部總電流，IB為器件輸入電流，IC為器件輸出電流，根據器件內部電流的規律性分布，結合器件的導通電阻參數識別方法，得到電力設備自適應調度的電子遷移特征分析模型，電子的遷移傳遞函數為Fij(A)=0。當i?I、j∈I時，可知電力設備自適應調度的模糊搜索過程滿足：

根據上述分析，完成電力設備內部調度過程的小信號分析。

1.2 電力設備的參數解析及自適應調度對象模型

結合電力設備的輸出功率參數同步融合控制方法，進行電力設備各模塊輸入輸出量之間的關系特征分析，通過控制器參數融合特征分析方法[7]，構建電力設備自適應調度控制對象模型，得到電力設備的參數解析內部結構特征分布概率為：

考慮功率器件工作差異性，在不同加載應力和溫度差異下，得到電力設備自適應調度的聯合特征參數分布為：

采用約束參數重組的方法，得到電力設備自適應調度的電流分布規律性模板函數為：

則有：

由此構建了電力設備的參數解析及自適應調度對象模型[8]，根據圖1 所示的蟻群控制算法，進行電力設備調度的自適應尋優。

圖1 蟻群控制算法

2 電力設備自適應調度優化

2.1 改進蟻群優化算法

采用改進的蟻群優化算法，構建電力設備自適應調度的終端對應用戶類型解析模型[9]，得到蟻群尋優的代價函數收斂極限式為：

根據需求響應控制終端類型分布，結合參與需求響應調控起止時間分布[10]，得到電力設備自適應調度的蟻群尋優個體滿足：

將電力設備自適應調度的終端均衡調度問題描述為蟻群尋優問題，即：

其中，α為可調負荷參數，電力設備自適應調度的輸出最小均方誤差估計值為：

其中，an為所對應的實時負荷量偏移量，bn為電力設備自適應調度的調制分量，用戶對應S(t)=a0t時間的負荷總量調度帶寬為Δ，由此可得蟻群尋優控制的融合度函數為：

加入多徑分量，采用自適應權重參數學習的方法，構建電力設備自適應調度的優化尋優控制模型[11]。

2.2 電力設備自適應調度輸出

根據需求響應控制終端類型分布，結合參與需求響應調控起止時間分布，構建可調負荷總量均衡控制模型[12]，進行電力設備的慣性參數融合，t時刻下模糊調控參數模型為：

將電力設備慣性參數數據調度集x的值減1，結合延遲參數模擬和線性擬合方法，得到電力設備慣性參數數據調度的輸出迭代式為：

其中，λ為電力設備慣性系數，根據給出的負荷調度任務分配方式，得到電力設備慣性參數數據調度的期望負荷量：

令M=，基于需求響應終端執行負荷控制，得到聯合調度的偏差為：

其中，τ為需求響應終端變量，實際調整負荷量為：

預期需調整的負荷量為：

根據所期望調整的負荷比例分布[13-15]，結合蟻群尋優結果，實現電力設備的自適應調度。電力設備自適應調度系統的實現流程如圖2 所示。

圖2 電力設備自適應調度系統的實現流程

3 仿真測試

為驗證該文方法實現電力設備自適應調度的應用性能，進行仿真測試分析，設定電力設備的輸出功率增益為120 dB，功耗為24 kW，穩態電壓220 V，蟻群的個體個數為1 200，尋優迭代次數為400，個體差異性系數為0.26，根據上述參數設定，得到電力設備的輸出零序基波分量如圖3 所示[16]。

圖3 電力設備的輸出零序基波分量

根據圖3所示的電力設備的輸出零序基波分量得知，該文方法的仿真與理論計算曲線趨勢基本一致。

測試不同方法進行電力設備自適應調度的穩定性，將文獻[2]方法、文獻[3]方法和文獻[4]方法作為對比對象，得到對比結果如圖4 所示。

圖4 電流輸出穩定性測試

分析圖4 得知，相比文獻[2]方法、文獻[3]方法和文獻[4]方法，該文方法隨著迭代次數的增加，器件輸出電流幅度較小，表明該文方法進行電力設備自適應調度的穩定性較好。測試均衡參數，得到對比結果如表1 所示。

表1 電力設備自適應調度均衡性測試

分析表1 得知，該文方法進行電力設備自適應調度的輸出均衡性較好。

4 結束語

為優化電力設備的自適應調度能力，提出基于改進蟻群算法的電力設備自適應調度方法。構建電力設備的交互傳輸協議，結合系統參數識別和網絡模塊化設計，自適應調度電力設備。并采用改進蟻群控制算法，進行電力設備的內部結構參數分析。采用自適應權重參數學習的方法，構建電力設備自適應調度的優化尋優控制模型。研究得知，該文方法進行電力設備自適應調度的穩定性和均衡性較好。